一种用于二值文本图像认证的水印算法

提出了一种用于二值文本图像内容认证的脆弱型数字水印算法.该算法利用图像分块后每个像素块边缘部分的像素值产生混沌迭代初值,经混沌迭代及量化后生成水印信息.通过在图像块的中间部分查找3×3邻域各方向平滑度改变量小的点作为颜色翻转点,从而将水印信息嵌入.实验结果表明,该算法具有较好的不可见性及篡改检测和篡改定位能力.     

基于双三次B样条曲面亚像元图像插值方法

亚像元动态成像技术是实现遥感器高分辨、小型化的有效方法.将双三次B样条曲面插值方法应用于亚像元动态成像,利用待插值点周围邻域范围内16个像素点做一张B样条曲面,取曲面中点的值作为待插值点的像素值.文中推导了双三次B样条曲面插值亚像元图像的插值算式,对所提方法进行了计算机仿真研究,并与其他几种常用插值方法进行了性能比较,结果表明,本文算法得到的高分辨率图像效果更佳.     

一种基于全变分模型的图像修复改进算法

为了恢复图像中划痕、文字等小目标去除后丢失的相关信息,对全变分(TV)模型及其自适应算法进行了分析和改进。在Chan提出的图像修复原则的基础上给出了两个阈值参数,对原有算法中的权值系数进行了改进。仿真实验结果表明,本文算法在保证原有算法修复效果的同时能够有效地提高运算速度,取得了较好的实际效果。     

基于改进TV模型的修复算法在岩画修复中的应用

从数学角度来看,图像修复就是将待修补区域周围的信息填充到待修补区域中。传统的基于TV模型的图像修复算法对小区域破损的图像有较好的修复效果,但是对参数较敏感,传统TV算法修复稍大破损范围的图像容易出现模糊现象和阶梯效应。为了克服上述缺陷,结合非线性扩散的思想提出了一种改进的基于TV模型的岩画修复算法,该算法能够有效解决传统TV修复算法小区域失效的问题。实验结果表明,该算法相较于传统的TV模型取得了较好的修复效果。     

基于LBP和ELM的人脸识别算法研究与实现

针对传统的局部二值模式(LBP)在人脸图像特征提取时容易受到灰度和噪声影响的问题,在传统LBP基础上提出一种改进的LBP算法.该算法计算邻域各像素与中心像素差值的平方和C,若C在限定范围内,选取中心像素值为阈值计算LBP值,充分考虑中心像素值与邻域像素值的作用,更准确描述局部图像特征;反之,若C不在限定范围内,则选择邻域像素和中心像素的中值作为阈值进行计算,降低噪声点的影响.利用主成分分析法(PCA)降低LBP提取的人脸图像特征维数.为了解决普通极限学习机(ELM)的不足,引入加权共轭核极限学习机(WCGKELM)进行人脸图像特征的分类.经实验验证,该算法能有效提高人脸识别率.     

改进TV-H-1模型的图像修复方法

为改善现存图像修复算法在修复时存在的"灰度跳变"现象,同时降低运行复杂度,提出一种基于偏微分方程模型(称为Isophote-TV-H-1模型)和改进Criminisi算法的数字图像修复算法.首先利用图像分解模型(TV-H~(-1))获得缺损图像的结构部分和纹理部分;然后用Isophote-TV-H-1模型和改进的Criminisi算法分别对缺损图像的结构部分和纹理部分进行修复;最后将修复后的结构部分和纹理部分进行叠加得到最终的修复结果.实验结果表明,本模型与TV模型相比,能够较好地修复缺损区域中的纹理信息;与Criminisi算法相比,本模型通过对相似度度量方法的改进,有效地抑制了图像修复过程中的误差传播,并利用局部搜索(图像局部相似性)来替代传统的穷尽搜索,进而提高算法的效率.同传统的基于图像分解的图像复原算法以及TV模型相比,本模型能解决"灰度跳变"问题,获得更好的修复结果.     

一种门控卷积生成对抗网络的图像修复算法

生成对抗网络图像修复算法在填充任意掩码区域时会经常出现错误,原因是其在进行卷积运算时将所有输入像素都视为有效像素.针对该问题,提出一种门控卷积生成对抗网络的图像修复算法,利用门控卷积替换网络残差块中的传统卷积,以有效地学习已知区域与掩码区域之间的关系.算法采用边缘修复加纹理修复的两阶段生成对抗修复网络.首先,用边缘检测...     

综合结构与纹理特征的图像修复算法

为了还原图像中已经损失的信息,采用综合图像结构与纹理特征的方法,对图像修复进行了研究.在选定修复区域后,算法能自动根据待修复区域周围的信息进行填充,无需人为干预.实验结果表明,对于有划痕或较大损坏区域的图像,该算法都取得了较好的修复效果.     

基于2级检测的脉冲噪声滤除算法

以图像结构和噪声的特征分析为基础,提出了一种新的脉冲噪声滤除算法. 算法在噪声检测阶段采用2级开关检测,即先以极值法进行初步检测,然后利用像素邻域的结构信息,并借助设定的阈值识别出该点的性质（信号点或噪声点）. 最后以滤波窗口内像素的灰度排序均值（ROM）替换噪声点的灰度值. 实验表明,本算法在滤除固定值脉冲噪声的同时可以有效地保护图像细节.     

空间4-邻域稀疏表示的高光谱图像目标检测

稀疏表示方法在高光谱图像目标检测中取得了较好的检测效果,但其只利用了图像的光谱信息,没有考虑空间信息.针对高光谱图像的空间相关性对目标检测算法的影响,提出了分别采用4-邻域平滑稀疏模型和4-邻域联合稀疏模型对高光谱图像进行目标检测的算法,将目标像素及其4-邻域像素的稀疏表示综合考虑,提高检测算法的效果和效率.使用3组高光谱图像数据进行了仿真实验,实验结果表明,所提出的2种方法分别在检测效果和计算效率上有一定程度的提高.     

基于互相关信息的非参数变换立体匹配算法

针对传统的非参数变换立体匹配算法实时性不强和可靠性不高的局限性,提出一种基于互相关信息的非参数变换立体匹配算法.将变换窗口内所有像素的灰度值进行平均,然后将平均值作为中心像素的灰度值;为了在立体匹配时能够考虑像素间的互相关信息,将变换窗口各邻域与中心像素的相对位置大于一个单位的像素,其灰度值用双线性插值后的灰度值替代;将变换窗口的像素灰度值进行非参数变换立体匹配,得到致密的视差图.实验结果表明:与其他基于局部的单一立体匹配算法相比,该算法得到的误匹配像素百分比与其他算法相当,能够有效提高传统非参数变换立体匹配算法的鲁棒性.     

基于高斯-马尔可夫随机场模型的图像修补方法研究

实现基于高斯马尔可夫随机场(GMRF)模型的图像修补算法,详细讨论像素扫描顺序以及邻域大小对图像修补效果的影响.实验表明,基于GMRF的图像修补算法的性能依赖于像素扫描顺序和邻域大小的选取.     

图像高椒盐噪声的迭代滤除算法

为有效滤除图像中的高椒盐噪声,提出一种迭代滤波算法.首先采用极值方法检测出噪声点,然后对噪声点以迭代方式逐步滤波,直到噪声点全部清除.利用迭代方式中每一噪声点都能直接或间接利用到图像有用信息的特点,滤波输出始终采用恒定的3×3小邻域,避免了大邻域窗口的诸多弊端.基于图像相关特性,在滤波输出上采用一种基于灰度差的加权均值方式.仿真结果表明,该算法能有效滤除图像中的高椒盐噪声,性能优于其他许多同类算法.     

基于相关权值的图像椒盐噪声自适应窗滤波

为有效滤除图像中椒盐噪声,提出一种基于相关权值的自适应窗滤波算法。算法基于极值检测判断噪声点并仅对噪声点滤波。引入灰度差刻画邻域像素与中心像素的相关性,以此为基础设置像素权值,对中心像素执行加权均值滤波。通过邻域窗口的自适应扩展适应噪声密度变化,并对邻域像素分区域设置权值,从而适应高椒盐噪声的滤除。仿真结果表明,本文算法能够有效滤除图像中的椒盐噪声,尤其在高椒盐噪声下性能表现更佳。     

基于类间最大交叉熵的坎尼边界扫描

分析了传统坎尼边界扫描算法中阈值和高斯滤波器对边缘闭合的影响,首先采用当前像素点8个方向的自适应滤 波器代替原有的高斯滤波器对图像进行滤波,得到的梯度图像不会出现过度光滑现象;然后将最大类间交叉熵准则和有关人 工智能理论相结合来确定高、低阈值。自适应滤波器是根据当前像素点邻域内的最小方差确定使用的模板,将方差最小的模 板的均值设置为当前像素点的灰度值得到滤波后的图像。实验证明,该方法能得到较低的高阈值和较高的低阈值,既避免了 引入伪边缘又尽可能多的检测出边缘像素点;同时具有很强的抗噪性。     

基于相似图像配准的图像修复算法

传统基于纹理合成的图像修复算法只能从破损图像中提取有用信息,不能修复复杂结构;基于深度学习的修复算法训练时间长,纹理合成效果不理想.为解决上述问题,该文提出了一种基于相似图像配准的图像修复算法.首先提出一种破损图像的相似度计算方法,利用图像的深度学习特征,在数据库中寻找与之最为相近的图像,为修复过程提供更多的有效信息;...     

基于偏微分方程的图像修复技术

介绍了图像修复技术的概念和原理,并在修复方法的理论与技术基础上,深入研究了偏微分方程修复模型中几种具有代表性的BSCB模型、曲率驱动扩散(CDD)模型、TV模型等图像修复模型.最后对上述模型进行了分析比较.     

结合邻域信息粒子群聚类用于SAR图像变化检测

SAR图像变化检测可以转化为对差异图的聚类问题。由于 SAR 图像本身容易受到斑点噪声干扰,为提高聚类效果提出了一种结合邻域信息的自适应粒子群聚类算法。该方法在模糊 C 均值原目标函数基础上,引入中心像素的邻域信息,并通过自适应粒子群的全局搜索来优化聚类中心。该方法还引入了自学习算子即粒子编码中的中心像素的隶属度,能够向其相邻像素的隶属度学习,并据此修正自身的隶属度值相关。实验结果表明,与模糊C均值和量子免疫克隆聚类算法相比,该方法利用了像素的邻域信息,从而增强了抗噪性能。与模糊局部信息C均值算法相比,该方法对图像细节保持能力较强,运行时间也较少。     

Method for inpainting blind images using the game and L0 constraint

Image inpainting is the process of restoring the original image from the observed image with missing pixels using the prior information on the original image.Most image inpainting models assume that the missing areas of the image are known.However,inpractical applications,the information on these missing areas is difficult to obtain directly.In order to solve this problem,a new image inpainting model is established by using the sparse priori of L₀ norm and game theory.The new model is suitable for the two cases of known and unknown image missing areas.According to the structure of the objective function,an effective proximal alternating direction method of multipliers and a game-based alternating framework are proposed to solve the corresponding minimization problem,and the convergence of the model under certain conditions is analyzed.Compared with the existing inpainting models,numerical experiments show that the models and algorithms proposed can lead to better results and robustness insubjective and objective quality evaluation than the image inpainting methods available.     

图像修复问题的低秩对偶逼近算法

为改进传统基于样本修复方法在实际应用中的不足,提出了一种新的图像修复算法.新算法以显著性排序法确保优先修复含明显结构边的目标块,利用图像欧氏距离搜索与该目标块匹配的相似样本块,对由搜索样本向量化构成的相似块矩阵进一步采用低秩对偶逼近提取可用信息以修复缺失像素.实验表明,新算法能够准确地优先修复显著性结构,且对多种类型的缺失均具有较好的修复效果.