基于多重分形和Contourlet变换的盲水印算法研究

研究提出了一种多重分形和Contourlet变换相结合的图像水印新算法。首先对图像进行Contourlet多层分解,得到一系列多尺度、局部化、多方向的子带图。然后通过能量大小选取嵌入子带和协助子带。嵌入水印时,通过低频子带的多重分形特性参数,自适应的确定水印嵌入强度,并通过一定的算法将水印信息嵌入到Contourlet域。最后通过Contourlet反变换得到嵌入水印后的图像。水印提取时,不需要原始图像,实现了水印盲提取。实验结果表明,该算法在满足不可见性的条件下,能够较好的抵抗JPEG压缩、加噪等一些常见攻击。     

一种基于多重分形新特征的图像分割算法

提出了一种新的基于容度的多重分形图象分析方法.在特征提取方面利用了基于Choquet容度的不同度量标准.从不同的角度提取信息,最大限度地利用了图像中的纹理信息,能将不同类型的纹理有效地区分开.同时结合模糊神经网络提出了一种基于自适应模糊聚类方法的图像纹理分类新算法,不仅克服了经典算法的不足,而且能自动确定网络结构.通过对实际图像的分割试验,证实了该方法的有效性.     

基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像

血管内超声斑块图像的分割对动脉粥样硬化疾病的诊断有重要价值。针对传统分割方法初始化和鲁棒性两个问题,提出一种基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声斑块图像的新方法。该方法运用Contourlet变换将原图像分解为多分辨率低通分量和多分辨率带通分量方向性子带。对低通分量进行模板匹配,确定血管内腔边界和中外膜边界的初始轮廓;对带通分量方向性子带进行扩散滤波,抑制噪声的同时尽可能保留有用边缘,并结合边界矢量场使轮廓演化得到最终分割结果,从而提高了分割算法的鲁棒性。对100幅仿真图像和120幅实际图像的分割结果表明,该方法能自动、精确地提取血管的两条边界。相对于传统活动轮廓模型法,该方法分割实际图像的平均距离误差提高了3.04像素,面积差异百分比提高了6.30%。     

铁谱磨粒多重分形特征研究

为有效描述铁谱磨粒特征,提出用多重分形谱参数表达磨粒形态特征的新方法。选择盒计数法计算磨粒图像的多重分形谱,研究磨粒多重分形谱的有效性,分析磨粒多重分形谱参数的不变性和鲁棒性;确定磨粒图像预处理方法,并对4类典型磨粒的多重分形谱参数进行统计分析。结果表明:将多重分形谱参数应用于磨粒识别,总识别率为82.5%。磨粒具有明显的多重分形特性,可用多重分形谱参数来描述磨粒的形态特征;多重分形谱参数具有平移不变性,但对灰度变化和噪声干扰的鲁棒性较差,在提取多重分形谱参数时,需要对磨粒图像做严格的预处理。     

基于多重分形与SVM的齿轮箱故障诊断研究

针对齿轮箱振动信号的非平稳性和非线性,提出一种多重分形和支持向量机相结合的故障诊断方法。运用多重分形理论方法对齿轮振动信号进行分析,通过分析发现多重分形谱和广义维数作为故障特征能够很好地反映齿轮箱的工作状态;对支持向量机的参数利用粒子群优化算法进行优化,并将齿轮箱振动信号的多重分形特征量作为支持向量机的输入参数以识别齿轮的故障类型。实验结果表明,该方法在样本较小的情况下能够准确对齿轮箱的故障类型进行分类。     

基于多重分形的摩擦振动信号研究

为提取摩擦振动的特征信号和实现摩擦振动特征信号的表征,在摩擦磨损试验机上进行船用柴油机缸套-活塞环摩擦副摩擦磨损模拟试验,应用总体经验模式分解对缸套-活塞环摩擦副的非线性、非平稳的摩擦振动信号进行降噪,并应用多重分形对摩擦振动信号进行分析,得到多重分形谱图及其参数。研究结果表明,随着摩擦磨损试验的进行,缸套-活塞环摩擦副摩擦振动信号振幅分布多重分形谱和频率分布多重分形谱呈现一定的变化规律;多重分形谱图及其参数能够实现摩擦振动信号特征的表征,可以用于摩擦副摩擦振动状态的识别。     

基于小波变换多阈值彩色铁谱图像的分割方法

提出了一种基于小波变换多阈值彩色铁谱图像的分割方法.该方法首先将彩色铁谱图像分割为3个层次图像,然后对各单色图的直方图通过小波变换多阈值进行分割,形成背景色、一般磨粒和异常磨粒3个分割区域,最后再合成彩色图像,实现对背景色、正常磨粒沉积链、异常大磨粒的划分.实验证明该方法可以有效地提高所需图像的质量.     

基于NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法.首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割.实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点.     

故障诊断中的多重分形分析

建立了模拟实际故障的实验装置,采集了碰摩故障、油膜振荡及碰摩和油膜振荡相互作用的耦合故障振动信号。运用多重分形理论,对实测故障信号计算出多重分形广义维数,重点讨论广义分形维数谱和奇异谱,并提出广义维数谱能和奇异谱能的概念,并以两谱能作为特征量,实现对故障特征的提取与识别。研究表明:将广义维数谱能和奇异谱能结合使用,有利于分析识别故障信号,增强可靠性。该研究为复杂旋转机械故障诊断提供了一种识别方法。     

基于改进的Hough变换图像分割方法

在图像处理和计算机视觉中,Hough变换是一种应用非常广泛的图像边缘检测技术,针对传统Hough变换算法所需的存储容量大、计算量大、速度慢、效率低,不能确定曲线端点及长度的问题,提出了一种改进的Hough变换方法,它根据Hough变换思想的逆变换,采用对参数空间逐步细分的方法,逐步排除不包含直线的区域,能够有效地减少存储容量,提高运行效率,并能有效地求出曲线轮廓的端点及长度.该方法已成功运用于车牌自动识别系统的车牌分割中.     

基于Contourlet变换在图像去噪中的应用

Contourlet变换是小波变换的新发展,能更有效地捕捉图像中的几何结构。本文提出一种基于Contourlet变换的图像去噪方法。该方法通过对阈值去噪中的统一阈值和阈值函数进行分析,构造出一个新的阈值函数,新阈值函数在一定程度上改进了统一阈值"过扼杀"Con-tourlet系数的缺点,同时也使硬阈值去噪中出现的伪吉布斯现象得到解决。实验结果表明,本文采用的方法提高了去噪后图像的PSNR值,同时有效地保留了图像纹理信息,使视觉效果更好。     

基于Contourlet变换的遥感图像增强算法

提出了一种基于Contourlet变换的空间域和变换域增强相结合的遥感图像增强算法。首先对原图像进行拉普拉斯塔式变换（LP）得到原图像的细节图像,并将它和原图像线性相加实现空间域增强;然后对空间域增强后的图像进行Contourlet变换得到不同尺度和不同方向上的变换系数,构造非线性增强函数对变换系数做增强处理,实现变换域增强;最后对增强处理后的变换系数进行Contourlet反变换,实现最终的图像增强。实验结果显示：与其他增强算法相比,用本文算法增强后图像的均值可达到127,信息熵提高了10％以上,清晰度提高了7％以上,表明遥感图像得到了更好的增强效果。     

基于非下采样Contourlet变换和Zernike矩的医学图像检索

针对医学图像数据库.提出一种新的基于纹理和形状的图像检索方法.非下采样Contourlet变换具有多尺度多分辨率分析和平移不变性的特点,用来提取纹理特征.Zernike矩作为一种基于区域的形状描述子,具有良好的旋转不变性,用来提取形状特征.然后综合两种特征.对CT图像数据库进行检索实验,实验结果表明,该方法具有良好的检索性能,并具有平移、尺度、旋转不变性.     

基于移不变抗混叠轮廓波变换的混合统计模型图像降噪

针对抗混叠轮廓波变换缺乏平移不变性的缺陷,构造出具有近似移不变性的抗混叠轮廓波变换。在此基础上,在变换域提出一种混合统计模型图像降噪方法。该方法充分利用变换域信号系数层间层内相关性强、噪声系数无层内相关性且在小尺度下存在较强的假层间相关性的特点,采用混合统计模型对小尺度信号系数进行估计,从而避免了非高斯双变量模型放大噪声系数的风险。实验结果表明,提出的去噪法能克服轮廓波变换中的频谱混叠,避免重构图像出现划痕和边缘模糊现象,得到的峰值信噪比(PSNR)值分别比轮廓波硬阈值去噪、轮廓波变换域HMT去噪和抗混叠轮廓波变换域硬阈值去噪平均高2.87,1.32和1.36 dB,在有效去噪的同时,具有较好的图像边缘和细节保护能力。     

基于无下采样Contourlet变换的SAR图像去噪

提出了一种基于无下采样Contourlet变换(NSCT)的合成孔径雷达(SAR)图像去噪方法.首次在理论上证实了SAR图像取对数后无下采样Contourlet系数服从广义高斯分布,从而提出采用贝叶斯阈值方法估计不含噪声的无下采样Contourlet系数,达到去除噪声的目的.仿真和实际实验结果表明,该方法在噪声平滑、边缘和纹理保护等方面优于其他方法.由于无下采样Contourlet变换不进行下采样,该方法能够避免其他进行严格下采样的变换去噪时所引入的人工痕迹.     

改进拉普拉斯能量和的尖锐频率局部化Contourlet域多聚焦图像融合方法

为了克服Contourlet融合在远离支撑区间上出现的混叠成分,抑制融合图像在奇异处产生伪吉布斯现象,提出了改进拉普拉斯能量和的尖锐频率局部化Contourlet（SFLCT）域多聚焦图像融合方法。采用SFLCT而不是原始的Cont-ourlet对多聚焦图像进行分解,并将多聚焦图像空域融合方法中评价图像清晰度的指标引入到SFLCT变换域,用拉普拉斯能量来选择变换域系数。然后,逆SFLCT重构得到融合结果。最后,采用循环平移来提高SFLCT的平移不变性,有效抑制融合图像在奇异处产生伪吉布斯现象。实验结果表明：对于多聚焦图像,所提方法比循环平移小波变换法的互信息提高了5.87%,QAB/F提高了2.70%,比循环平移Contourlet方法的互信息提高了1.77%,QAB/F提高了1.29%;视觉效果优于典型的空域分块拉普拉斯能量方法和平移不变小波变换方法。     

改进拉普拉斯能量和的尖锐频率局部化

为了克服Contourlet融合在远离支撑区间上出现的混叠成分,抑制融合图像在奇异处产生伪吉布斯现象,提出了改进拉普拉斯能量和的尖锐频率局部化Contourlet (SFLCT)域多聚焦图像融合方法.采用SFLCT而不是原始的Contourlet对多聚焦图像进行分解,并将多聚焦图像空域融合方法中评价图像清晰度的指标引入到SFLCT变换域,用拉普拉斯能量来选择变换域系数.然后,逆SFLCT重构得到融合结果.最后,采用循环平移来提高SFLCT的平移不变性,有效抑制融合图像在奇异处产生伪吉布斯现象.实验结果表明:对于多聚焦图像,所提方法比循环平移小波变换法的互信息提高了5.87%, QAB/F提高了2.70%,比循环平移Contourlet方法的互信息提高了1.77%, QAB/F提高了1.29%;视觉效果优于典型的空域分块拉普拉斯能量方法和平移不变小波变换方法.