位平面与Gray码相结合的图像置乱方法

针对数字图像的传输安全问题,提出一种将位平面分解与Gray码相结合的图像置乱方法。该方法首先将图像分解成8个位平面,通过位异或操作改变携带图像有用信息的高4位位平面的值,然后对得到的初步置乱图像的灰度值进行Gray码变换,进一步置乱图像,从而得到加密图像。初步实验结果显示,该方法置乱效果明显优于Arnold法、Hilbert法等现有置乱方法,且实现简单。     

一种高效的数字水印研究工具——MATLAB

数字水印技术是国内外一个新的研究热点，但 其跨学科性常常给研究工作带来许多困难，选择一个合适的工具尤为重要．本文从数字水印 技术的特点、通用模型和常用算法出发，介绍了一种高效、实用并且适合于数字水印研究的 工具——MATLAB．最后,通过一个实例介绍了如何把MATLAB应用于数字水印技术．     

基于两阶段集成支持向量机的前列腺肿瘤识别

从核磁共振成像(MRI)对前列腺肿瘤的诊断人手,提出了一种基于两阶段集成支持向量机(SVM)的前列腺肿瘤辅助诊断方法.首先,提取MRI图像中的前列腺感兴趣区域(ROI)的统计特征、纹理特征和不变矩特征;然后,在不同的特征空间里,使用不同的核函数来扰动SVM参数并在不同的特征空间生成个体SVM,通过相对多数投票进行第一次集成;接着把第一次集成结果用相对多数投票进行第二次集成;最后,以前列腺患者的MRI图像为原始数据,采用两阶段融合集成SVM对前列腺肿瘤进行辅助诊断.实验显示,第一次集成分类准确率最高比单SVM提高了26.67％,第二次集成分类准确率比第一次集成SVM提高了3.33％,结果表明本文算法能够有效提高前列腺肿瘤的识别精度.     

基于图像处理的谷物检测与识别方法研究进展

基于图像处理的谷物检测与识别方法不仅效率和准确率高而且劳动强度小,具有广阔的应用前景。从谷物虫害检测与识别、谷物成分检测、谷物品种识别与分类以及谷物品质检测与分级等方面综述了基于近红外图像、软X射线图像、可见光图像的谷物检测与识别方法的研究进展,分析了各种方法的优缺点,提出了未来基于图像处理的谷物检测与识别方法的研究方向以及发展趋势,以期能充分利用国内外的最新研究成果,推进国内在该领域的研究步伐。     

基于异类蚁群的双种群蚁群算法

提出一种基于异类蚁群的双种群蚁群（Dual Population Ant Colony Algorithm Based on Heterogeneous Ant Colonies,DPACBH）算法,算法将两种信息素更新机制不同的蚁群分别独立进行进化求解,并定期交换优良解和信息来改善解的多样性,增强跳出局部最优的能力,使算法更容易收敛到全局最优解。以TSP（Travel Salesman Problem）问题为例所进行的计算表明,该算法比基本双种群蚁群算法具有更好的收敛速度和准确性。     

基于形式概念分析的新冠肺炎疫情大数据挖掘

形式概念分析是一种分析数据和提取规则的有力工具,其核心结构-概念格体现了对象与属性间的统一,通过构造概念格可以挖掘数据中隐含的概念,以及概念之间的层次关系.因此,在大数据的背景下,运用形式概念分析理论,从大量数据中进行规则提取和发现是切实可行并且大有可为的.该文将之引入到新冠肺炎患者医疗数据的分析中来,通过构建形式背景...     

基于灰色粒子群优化的快速图像匹配算法

针对图像匹配中速度慢、抗噪性差等问题,提出一种基于灰色理论和粒子群优化的快速图像匹配算法——GPSO算法。该算法首先通过粒子群初始化,获得待匹配的多个初始位置和更新速度;然后,利用模板图和当前搜索位置子图的直方图信息,形成参考序列和比较序列,设计基于两类序列间灰色关联度的适应度函数。在此基础上,各粒子根据个体经验和社会经验,利用群体智能的高效并行寻优能力,逐代逼近最佳匹配位置。实验显示,本算法在保证了一定匹配精度的情况下,明显提高了匹配速度和鲁棒性。     

改进的模糊C均值聚类的图像分割算法

传统FCM算法仅考虑了图像像素的灰度信息,因此在分割含噪图像时效果较差。为了克服传统FCM算法的局限性,提出一种基于空间邻域信息的二维模糊聚类算法,该算法利用图像像素灰度和邻域灰度组成的二维直方图中对角线元素受噪声影响较小,反映图像中相对稳定的信息,且运算只与图像的灰度级数目有关的特征,实现噪声图像的分割。实验结果表明,该算法在分割含噪图像时,不仅提高了传统FCM算法的分割效果,且分割速度明显加快。     

快速实现彩色图像的增强--削波

一、引言 由于成像时光照不足或者光照过强,会使得整幅图像偏暗或偏亮.我们称这些情况为低对比度,即灰度都挤在一起,没有拉开.要想获得较好的视觉效果就必须进行灰度扩展即把感兴趣的灰度范围拉开,使得该范围内的像素,亮得越亮,暗的越暗,从而达到增强对比度,实现图像增强的目的.     

基于EMD和PCA的P300分类算法

提出一种基于经验模态分解(EMD)及主分量分析(PCA)的分类算法,采用支持向量机(SVM)对P300脑电信号字符拼写实验进行分类,通过EMD变换对P300脑电信号分解,从而达到去噪增强特征的效果,使用PCA方法对原始P300信号进行特征提取和集中,并送入SVM中实现分类。实验结果表明,该算法能获得高达96%的分类正确率。