基于原始图像数字特征的水印检测

提出了数字水印的一种新的埋入和检测方法．根据图像局部特征系数的统计特性来确定水印的埋入强度，使得水印的埋入强度随图像局部特征数据变化而变化，而尽可能地不改变图像的原始统计特性，水印的检测则使用对相关峰值的估计，给出了水印的埋入及检测模型．     

基于小波变换的人体图像自适应滤波处理

根据人体图像的特点，采用中值滤波器与小波滤波器相结合对人体图像进行了自适应滤波．实验结果表明，采用自适应滤波器对人体图像滤波后，不但滤波效果较传统滤波得以提高，而且对人体图像边缘也有良好的保护作用，提高了人体图像的信噪比，改善了图像质量，并为人体图像去噪提供了一种新方法．     

图像属性的自适应盲水印算法

提出一种基于图像属性和小波包变换的盲数字水印算法.算法利用小波包变换对图像特征的稀疏表示特性,将图像分成不同内容属性的区域:平滑区、边缘区和纹理区;找出各区域块中视觉重要信息的位置,并将水印嵌入其中;水印嵌入强度取决于图像内容.算法很好地解决了水印鲁棒性和不可见性之间的矛盾.实验结果表明,该算法能够抵抗JPEG压缩、加噪和任意裁剪等攻击,具有很强的鲁棒性.     

一种基于图像特征的自适应可见数字水印嵌入方法

主要研究在小波变换域中,基于图像特征的自适应可见数字水印嵌入处理技术.小波变换的多分辨率特性更适宜于人类视觉感知系统,不同分辨率层次的水印图像像素根据对应宿主图像像素的特征嵌入到宿主图像中.     

局部自适应的细胞图像分割方法

针对单一的全局阈值分割方法不能适用于复杂多目标图像的目标提取，该文提出了一种基于局部自适应多阈值的分割算法。该算法的基本思想是将首次分割得到的目标区域按照一定准则进行划分，分为已经正确提取的目标细胞和包含有多个细胞及部分背景的模糊区域，然后将各个模糊区域作为子图像分别进行再次分割，从中提取出目标细胞。实验结果表明，该算法能够稳定地实现目标分割提取，具有较好的鲁棒性。     

基于图像二维熵的自适应形态学滤波方法

为了在滤除噪声的同时保持图像的细节信息,结合已有的形态学滤波方法,提出了一种新的自适应滤波方法.综合图像灰度分布的聚集特征和空间特征,构造图像二维熵,结合形态学运算,合理设置滤波算法流程,通过连续改变结构算子的大小,观察图像二维熵的变化,合理设置滤波终止条件,通过对椒盐噪声图像的滤波测试,取得了理想的滤波效果.重点阐述了二维熵的构造方法和自适应滤波的流程设计.     

基于局部占优的自适应像素加权CT/MRI图像融合算法

针对传统基于像素加权平均图像融合算法存在加权因子难以确定的问题,根据CT/MR I图像信息在空间局部互补的特点,提出一种基于局部占优的自适应像素加权算法.根据CT/MR I在空间局部的亮度信息和细节信息的差异,定义并计算局部亮度对比度和局部细节对比度;根据局部亮度和局部细节对比度计算局部占优度矩阵,并进行中值滤波;接着根据局部占优度矩阵计算阈值K,并用阈值K对局部占优度矩阵进行阈值处理,从而得到自适应加权因子矩阵;根据自适应加权因子矩阵对CT/MR I图像进行融合.     

基于邻域信息的图像自适应滤波

该文分析了常规图像滤波算法的局限性，并在此基础上提出了一种基于邻域信息的自适应滤波新算法。该算法利用噪声的灰度不一致性，通过邻域信息差分值的差异来决定象素的类别，然后针对不同类别的象素点采取不同的滤波算法。实验结果表明，该算法能够显著提高图像的信噪比。     

基于双正交小波变换的自适应图像水印算法

提出的基于双正交小波变换的盲水印算法,综合利用小波域中频各子带系数分布特点,选取重要边缘位置嵌入水印,水印强度可根据所处的嵌入位置自适应调节。实验结果表明：该算法能够有效抵抗附加噪声、裁剪和压缩等常见攻击,具有较强的不可见性和鲁棒性。     

基于图像特征的彩色图像防拷贝水印算法

数字信号处理和计算机网络技术的迅猛发展,使得数字产品的版权保护问题面临极为严峻的挑战。数字水印技术主要是通过在数字产品中隐藏某些数字信息而达到数据的版权保护和内容认证。本文提出一种新的彩色图像防拷贝水印算法,算法选择彩色图像YUV空间,对色度分量进行离散余弦变换与二值化获得唯一描述图像的特征信息,经过混沌加密后嵌入到亮度分量小波变换系数的中频部分,同时,该算法能够实现盲提取。实验结果表明,该算法对噪声攻击、JPEG压缩、滤波和剪切等攻击具有较好的鲁棒性,同时能够有效地抵抗拷贝攻击。     

基于像素类型的彩色图像局部自适应滤波

针对彩色图像的细节丰富和边界明显特点,提出了基于像素类型的局部自适应滤波方法。该方法首先检测彩色图像的边界点,再按照设定参数选择自动选择局部灰度平稳区,然后根据选定领域范围内像素的统计特性来判断中心像素的类型。结合邻域大小和像素类型,设计了不同的滤波模板。该方法不需人为选定待滤波区域,对噪声适应性强,且运算时间短,效果明显。     

基于伪Zernike矩的图像自适应RST不变水印

针对旋转、缩放和平移等几何攻击能够破坏水印检测的同步性，容易使常规水印算法检测失败的问题，利用图像伪Zernike矩的幅度具有旋转不变的性质，结合奇偶量化，提出了一种图像自适应旋转、缩放和平移不变水印算法．首先计算图像的伪Zernike矩，选取适宜于生成水印的矩，再对所选的矩幅度进行奇偶量化生成自适应水印序列．检测时，利用归一化汉明函数判断水印的相似度．实验结果表明不变水印算法可以抵抗任意角度旋转攻击和缩放攻击．对JPEG压缩，噪声，滤波等常规攻击，提取水印的相似度均在0.95以上。     

基于局部特征和视皮层识别机制的图像分类

提出了一种新的图像分类方法,采用层次结构模拟视皮层各区细胞功能,利用Gabor滤波器提取初级图像特征,经过稀疏化处理后进行中间层模板匹配提取尺度和位置的不变性特征,最后提交给分类网络。仿真实验表明,本文采用的层次化特征提取方法在分类任务中优于经典的局部特征方法(SIFT),与其他图像分类方法相比,本文的方法在少量训练样本下,在多个数据集中可获得优良的测试效果,具有较高的实用价值。     

基于多层级特征自适应融合的图像分割算法

为了解决传统算法对医学图像分割时精度较低的问题,提出基于多层级特征自适应融合的新型FRUnet图像分割算法.在编码器阶段,设计采样加权模块替代传统卷积层,对图像空间信息进行逐层提取和特征融合,获得相邻像素之间的相关性和不同层次的语义信息.在解码器阶段,设计多层级自适应融合模块,通过非线性跳跃连接逐层提取图像通道信息,自适应地融合邻近连接层的上下文信息,使各层专注不同特征信息的提取.FR-Unet在模型参数量上大幅度减少,让网络在场景部署上得到更好的支持.实验结果表明,该网络在动物细胞分割、肝脏器官分割、皮肤病变分割等众多任务中均表现突出.     

基于相位一致模型的边缘检测

边缘检测在图像处理和理解中占有重要地位,传统的边缘检测是基于梯度算子,而相位一致方法是基于傅里叶变换理论的一种图像特征检测方法.其原理是指图像特征总发生在相位的最大叠合处.通过计算局部能量,来度量其图像各个位置的相位一致值.利用log Gabor滤波器组实现相位一致模型.为了检验相位一致模型在边缘检测中的有效性,利用该方法对工业图像和遥感图像进行边缘检测实验,并将该方法与canny算子和sobel算子进行对比分析.结果表明相位一致方法可以有效地提取边缘特征.     

基于自适应维纳滤波和2D-VMD的声呐图像去噪算法

声呐图像易产生对比度低、分辨率低、边缘失真等问题,所以在去除声呐图像噪声时难以将有效信号与噪声准确分离,从而导致去噪后图像对比度降低、边缘轮廓不清晰、细节丢失严重等问题.本文提出一种基于自适应维纳滤波和2D-VMD(二维变分模态分解)的声呐图像去噪算法.首先通过二维变分模态分解对含噪图像进行分解,得到一系列不同中心频率的模态分量,利用相关系数和结构相似度筛选出有效的模态分量,并使用自适应维纳滤波处理有效的模态分量,最后将滤波后的模态分量进行重构,从而去除图像中的噪声.实验结果表明:所提图像去噪算法在相关系数(CC)、结构相似度(SSIM)这两项客观数据上表现最优,峰值信噪比(PSNR)略低于NSST域去噪,综合客观数据与视觉效果,本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳.     

基于小波的二值图像数字水印技术

利用小波变换的多尺度分解特性，提出将二值图像水印嵌入到小波图像低频逼近系数的方案，并给出了相应的算法.实验结果表明，该算法对二值图像水印的嵌入与检测比较简单．同时对常见的图像剪切、滤波和噪声干扰具有良好的鲁棒性．     

一种基于神经网络提取图像特征的图像检索方法

脉冲耦合神经网络是新一代的人工神经网络,具有优良的自适应图像分割和自适应图像特征提取能力。本文有机的运用自适应图像分割和自适应图像特征提取,提出了一种新的图像特征———空间自适应类直方图,它既包含了图像的空间位置特征,又包含了图像的灰度特征。最后,我们把空间自适应类直方图与传统的基于共生矩阵的图像纹理特征组合作为图像的特征应用于图像检索。大量实验表明本文方法的有效性。     

OFDM系统基于自适应滤波的LS信道估计

针对传统LS信道估计的性能受噪声影响较大的问题,提出一种基于自适应滤波的LS估计算法。该算法在时域采用不同宽度的滑动窗口,对信道能量集中区域的LS估计结果进行自适应滤波。通过仿真分析,将基于自适应滤波的LS算法与LS估计算法、MMSE估计算法在误符号率(SER)方面的性能进行比较,可以发现,基于自适应滤波的LS的信道估计算法是一种高精度、低复杂度的估计算法。