噪声控制的图像非线性锐化方法

图像锐化是一种补偿轮廓,突出边缘信息以使图像更为清晰的处理方法。常规的锐化算法对图像进行高频增强时,结果会呈现明显噪声,因此提出了一种基于噪声控制的非线性锐化增强方法。针对图像边缘细节和噪声难以区别对待的缺点,该算法通过控制非线性函数中的参数来有效地将噪声和边缘分开处理。实验证明,该方法不仅能够锐化图像边缘,而且改善了传统锐化算法对图像噪声放大的缺点,经算法处理后的图像细节丰富,峰值信噪比和DV/BV值较高,具有良好的视觉效果,很好地改善了图像质量。     

基于HVS模型的误差扩散方法

针对传统误差扩散算法处理过程中图像边缘信息不完整,中色调区域有纹理结构存在的问题,提出一种基于人类视觉系统(HVS)模型的误差扩散半色调方法。该方法先对原图像进行了图像分割,在非边缘区域采用传统误差扩散算法处理,边缘区域采用基于HVS模型的误差扩散系数进行误差扩散处理,最后再在HVS模型的基础上对像素进行矫正。实验结果表明该算法能够有效减少图像细节损失,保留原图像信息。     

一种新的图像空域公开水印技术

该文提出了一种新的基于图像空域的公开水印技术,算法充分考虑了数字图像的空间局部相关性与人类视觉系统(HVS)特性。首先将原宿主图像转换为一维Hilbert序列,然后利用混沌序列生成的块索引矩阵在图像Hilbert序列中伪随机选取一块,再结合HVS特性,通过不同强度地调整块中选定的水印嵌入位置像素与其所在块均值之间的大小关系,以自适应嵌入水印信号。实验结果表明,该算法在保证有较好的不可知觉性的同时,对一般的信号处理操作和旋转、缩放等有较强的鲁棒性,特别是锐化、对比度增强、边缘增强和直方图均衡等信号增强处理几乎不影响水印的提取。     

基于局部图像锐化的自适应模糊边缘检测算法

为了准确检测出模糊边缘的位置 ,对用小尺度滤波器检测模糊边缘时噪声影响检测效果的原因进行了分析 ,依据这些噪声点在模糊边缘附近的统计分布规律 ,提出了一种用于图像锐化的阈值计算方法 ,算法自适应地计算图像不同区域对应的图像锐化阈值 ,并用这个值来锐化模糊边缘图像 ,实现对模糊边缘的准确提取。实验结果证明该算法能有效去除模糊边界处的干扰点 ,明显改进了小尺度滤波器提取模糊边缘的性能     

分数阶相位拉伸变换的图像锐化算法

图像锐化是图像增强的主要内容之一,在图像分析、图像理解以及医学图像等领域均有重要的应用。现有图像锐化方法对图像中的弱强度变化特征增强效果不明显,并且在边缘附近还会出现毛刺与噪声。为解决这些问题,提出一种基于相位拉伸变换结合相对总变分的图像锐化算法,其主要工作包括分析推导相位拉伸变换中的核函数,将传统相位拉伸变换推广至分数阶傅里叶变换,然后与相对总变分理论相结合。实验结果表明,该算法对弱强度变化特征具有更好的锐化增强效果,同时由于相对总变分的约束,也消除了增强图像边缘附近的毛刺现象。与传统锐化增强算法相比,该算法的平均梯度和信息熵提高均在80%以上,证明了该算法的有效性与优越性。     

基于小波变换和FCM分析的盲水印算法

利用人类视觉系统(HVS)的掩蔽效应和图像的局部相关特性,提出一种结合小波变换和模糊聚类分析的水印嵌入算法。在图像B通道下的小波域系数中,根据HVS的掩蔽性进行模糊聚类分析以选择适合嵌入水印的区域,结合图像的局部相关性和隶属度自适应地嵌入水印。算法在提取水印时无需原始载体图像的辅助。实验表明,该算法具有较好的透明性,而且对诸如JPEG压缩、图像锐化、几何裁剪、叠加噪声和平滑滤波等攻击均具有较好的鲁棒性。     

一种基于模糊人物图像的锐化新方法

本文提出了一种基于模糊人物图像的锐化新方法。该方法是先从彩色图像中提取R分量图像进行边缘检测并且照亮边缘,然后处理边缘图像的对比度和平滑度,提取出边缘,并对该边缘图像进行锐化,得到了图像边缘锐化而其它部分平滑的清晰图像。该方法和常用的反锐化掩模法进行了对比,效果明显好于反锐化掩模法。     

一种基于振铃效应分析的图像锐化取证算法

提出了一种图像盲取证算法,用于检测经历过锐化处理的伪造图像.该算法基于对图像边缘振铃效应的深入分析,设计了一种有效的振铃效应描述与测度算法,通过构建效应强度分布图和提取振铃响应特征,实现对图像锐化操作历史的鉴别和操作痕迹的指证,进而为图像的完整性分析提供依据.实验结果表明,该算法能够有效估计图像的锐化操作历史,可作为一种可靠的锐化检测工具.     

基于离散余弦变换的数字水印技术

本文论述了DCT系数的选取原理和方法，介绍了15VS三个主要特性在DCT域水印上的数学模型。讨论了基于HVS特性的图像自适应DCT水印算法。利用HVS模型根据图像局部特征实现水印自适应地嵌入。     

图像增强技术的研究

如何有效地增强图像是图像分析中的一个难点,通常,图像的目标背景对比度低,噪声大.平滑处理后图像的边缘轮廓更加模糊不清.常用的拉普拉斯锐化方法在突出图像边缘的同时,也提升了平滑图像中的残留噪声.针对这种问题,提出了用直方图规定化方法增强平滑后的图像,该方法克服了拉普拉斯锐化的缺点,且明显地增强了图像的细节部分.理论分析和仿真结果均表明,该算法能够提高图像成分的清晰度,提供更准确、更满意的图像.     

基于视觉敏感度的JPEG图像质量评价

为解决无参考图像质量评价与人眼视觉系统(HVS)特征的一致性问题,提出一种基于视觉敏感度的JPEG图像质量评价方法。采用支持向量回归神经网络学习和模拟HVS特征与平均主观得分之间的函数关系,利用边缘幅度和长度、背景活动度和亮度等视觉敏感度特征,实现符合HVS特征的无参考图像质量评价。实验结果表明,该方法的误差小、精度高、预测性能好,并与HVS感知特征具有高度一致性。     

一种小波域自适应数字水印算法

本文提出了一种基于连续子带量化(SSQ)和人类视觉系统(HVS)的小波域自适应数字水印算法。该算法中,水印嵌入到图像的视觉重要系数(PSCs)上,PSCs是从小波变换后低频子带和高频子带中选出来的。其中,低频子带中的PSCs是根据系数的幅值来选出的,高频子带中的PSCs是通过子带量化选出。为了更好的嵌入水印,该算法中利用了HVS模型,(?)模型基于噪声可见性函数(NVF)的计算来决定水印嵌入强度,使水印更多的嵌入到图像的纹理和边缘区域。     

双尺度边缘结构相似度的图像质量评估

图像质量评价对于各种视频图像应用具有重要的意义。结构相似度准则SSIM在模糊图像及噪声污染的图像判定方面,存在偏差。该文提出了基于双尺度边缘结构特征的图像质量评价算法——MDESSIM,充分考虑了边缘信息在结构信息中的重要性,通过增加边缘结构的失真度量来综合评价图像质量。实验结果表明了MDESSIM算法的有效性。     

基于HVS特性的图像自适应中值滤波算法

通过考虑宿主图像亮度、纹理、边缘等特征,提出一种图像自适应中值滤波算法。该算法利用基于人眼视觉特性的临界噪声阈值确定噪声点,根据噪声密度自适应调整滤波窗口大小,采用改进的中值滤波对检测出的噪声点进行处理,从而在去除噪声的同时较好地保护图像细节。实验结果表明,该算法比传统中值滤波及其改进算法有更好的滤波性能,对于噪声污染严重的图像,滤波效果更好。     

No-reference image quality assessment using modified extreme learning machine classifier

In this paper, we present a machine learning approach to measure the visual quality of JPEG-coded images. The features for predicting the perceived image quality are extracted by considering key human visual sensitivity (HVS) factors such as edge amplitude, edge length, background activity and background luminance. Image quality assessment involves estimating the functional relationship between HVS features and subjective test scores. The quality of the compressed images are obtained without referring to their original images (‘No Reference’ metric). Here, the problem of quality estimation is transformed to a classification problem and solved using extreme learning machine (ELM) algorithm. In ELM, the input weights and the bias values are randomly chosen and the output weights are analytically calculated. The generalization performance of the ELM algorithm for classification problems with imbalance in the number of samples per quality class depends critically on the input weights and the bias values. Hence, we propose two schemes, namely the k-fold selection scheme (KS-ELM) and the real-coded genetic algorithm (RCGA-ELM) to select the input weights and the bias values such that the generalization performance of the classifier is a maximum. Results indicate that the proposed schemes significantly improve the performance of ELM classifier under imbalance condition for image quality assessment. The experimental results prove that the estimated visual quality of the proposed RCGA-ELM emulates the mean opinion score very well. The experimental results are compared with the existing JPEG no-reference image quality metric and full-reference structural similarity image quality metric.     

一种基于小波分析和人眼视觉特性的图像增强方法

在分析视觉系统特性的基础上，提出了一种基于小波分析的图像对比度增强算法。为降低对噪声增强程度，算法对不同尺度上的系数进行不同程度的对比度增强。在此过程中，算法考虑了视觉特性以得到更好的效果。为保证得到足够的对比度增强效果，算法首先对分解得到的尺度系数进行增强；为避免视觉明显的噪声放大，只对处于边缘区域的系数进行对比度拉伸；为了能在各尺度上较为准确地找出边缘区域，算法采用局部阈值技术并利用了各分解尺度上边缘区域的相关性；为降低视觉明显的噪声放大，不同区域的对比度增强程度决定于区域的亮度。算法的实验表明，上述特点使本文算法在充分增强对比度的同时，极大地降低了对噪声的过增强，具有较好的视觉效果。     

基于HVS特性的自适应K近邻均值滤波算法

通过充分考虑宿主图像亮度、纹理、边缘等特征,提出一种改进的图像自适应K近邻均值滤波算法。该方法首先利用基于人眼视觉特性的临界噪声阈值来确定噪声点,然后根据噪声密度自适应调整滤波窗口大小与参与滤波的像素数K值,采用自适应K近邻均值滤波对检测出的噪声点进行处理。该算法能有效去除噪声,并较好地保留图像边缘细节,仿真实验结果表明,提出算法比传统中值滤波、均值滤波和K近邻均值滤波算法有更好的去噪能力。     

基于神经网络与模糊算法图像边缘检测方法*

针对传统图像边缘检测方法中出现毛边、噪边、边缘定位不精确等缺点,提出一种神经网络与模糊算法相结合的检测方法。根据图像特征,将图像分为高频和低频部分分别处理,高频部分适宜用双层网络结构,可以很好地减弱噪声;对于图像低频部分,将模糊理论引入到边缘检测中,能够检测出弱边。最后对检测出的两个图像边缘进行融合,实验结果证明得出的检测效果较好,比传统边缘检测算子所获结果有很大改善。     

基于简化Mumford-Shah模型的水平集红外图像分割算法

由于红外图像大多具有目标模糊,对比度低的特点,传统的分割方法容易受到噪声和边界轮廓的影响而导致分割效果不佳,提出了一种基于简化Mumford-Shah模型的水平集红外图像分割算法.该算法能够通过将初始闭合曲线嵌入水平集函数,利用函数的求解从而达到图像分割的目的.仿真实验结果表明,该分割算法与初始轮廓线位置无关,受边界轮廓线和图像噪声的影响较小,具有较强的鲁棒性,在目标与背景灰度级差别较小的红外图像的分割中取得了较好的效果.     

基于DCT变换的图像数字水印算法

数字水印技术在保护数据信息安全和版权方面有着重要的应用.对基本DCT域图像数字水印算法进行改进,该算法采用可视的二值图像作为水印信息,利用人类视觉系统(HVS)的冗余特性,将图像块进行分类,并结合边缘检测和Arnold型置乱变换加密,通过在图像块DCT域中修改低频区DC分量来嵌入不同强度的水印.实验结果表明,该算法生成的水印是不可见的,并且对常见的图像处理和噪声干扰具有较好的鲁棒性.