三维不等长Arnold变换及其在图像置乱中的应用

传统的二维Arnold变换和三维Arnold变换在图像置乱过程中仅能改变图像的像素位置,导致图像置乱效果不理想.为此,利用二维等长Arnold变换构造三维等长Arnold变换的原理,将二维不等长Arnold变换及其反变换进行推广,得到了一种三维不等长Arnold变换及其反变换的算法.该算法将平面图像一一映射为立体空间二值图像,对其像素位置的置乱和恢复间接地改变了平面图像的像素位置和像素值大小;并采用小波多级分解和信息论相结合的方法实现了图像置乱效果的评价.实验结果表明,采用文中算法是可行的,对于图像置乱结果的评价与人的视觉感知基本相符.     

基于差分信噪比的图像置乱效果评价研究

针对基于均方信噪比的置乱程度评价法不能客观地反映图像置乱效果好坏的不足,首先对置乱前后的图像进行差分运算并得到其相应的差分图像,其次计算两差分图像之间的均方信噪比值作为图像置乱效果评价的新准则,提出了基于差分图像和均方信噪比相结合的图像置乱效果评价新方法.实验结果表明,该方法能够有效地描述图像的置乱程度,能够反映出置乱次数与置乱程度之间的关系,并且与人的视觉感知基本一致.     

二维Otsu阈值法的快速迭代算法

提出二维Otsu阈值法的快速迭代算法.针对传统二维Otsu阈值法及改进的递推二维Otsu阈值法等具有高计算复杂性的不足,假设被分割图像及其邻域平滑图像形成的二维联合直方图是连续二元概率分布函数的条件下,利用求多元函数极值的方法得到二维Otsu阈值法的快速迭代算法.大量实验结果表明,本文方法是可行的且有良好的分割性能.     

鲁棒总变分核空间模糊聚类分割算法研究

针对现有的总变分模糊聚类分割算法在强噪声干扰图像分割中难以获得准确有效分割结果的不足,提出了鲁棒总变分核空间模糊聚类分割算法。该算法首先在鲁棒模糊聚类分割算法的目标函数中引入了总广义变分(TGV)正则化,消除图像中不需要的噪声和伪影;其次引入局部空间信息、局部灰度信息以及非均匀隶属函数从而构造一个新的模糊局部信息因子,在保证噪声抑制的同时保留图像中更多细节信息;最后将改进的聚类算法推广至核空间,使原空间线性不可分的像素样本点变成线性可分或近似线性可分,从而更好地给每个像素分配更高的隶属度。实验结果表明,与现有的总变分模糊聚类分割算法相比,建议算法在强高斯噪声干扰情况下的分割精度提高了14.7%,对强高斯噪声有较好的鲁棒性以及分割性能。     

模糊互信息及其在图像分割中的应用

针对基于互信息的图像分割方法对噪声干扰或光照不均匀的图像不能获得满意分割效果的不足,该文提出模糊化互信息的图像分割新方法。该方法将现有互信息进行模糊修改,得到了模糊互信息,在图像分割中给出模糊隶属度函数的定义方法,获得了模糊互信息参数的选取办法。实验结果表明了该模糊互信息图像分割方法的有效性。     

基于绝对值距离的图像阈值化分割新算法

传统Otsu阈值法对图像分割缺乏一定鲁棒性的不足,将Otsu阈值法的平方欧氏距离用绝对值距离代替得到一种新的图像阈值化分割准则,提出了基于绝对值距离的图像阈值分割新算法,最后给出其参数估计方法.实验结果表明,分割新算方法是有效的,能够获得比传统Otsu方法更好的分割结果.     

雾天模糊图像的清晰化方法

为改善雾天拍摄图像的清晰度,提出一种实用的图像去雾方法。先利用暗原色先验算法去除图像雾干扰,再运用插值抠图算法进一步改善图像去雾效果,最后利用图像的区间值信息对其进行放大,以便获得满意的视觉效果。实验结果表明,该去雾方法不仅可直接估计雾的浓度,并且可得到去雾后的高清晰图像。     

变权划分系数及其分类效果评价

针对模糊C-均值聚类算法对初始化分类参数(包括起始聚类中心位置和初始化分类隶属度矩阵)的选择比较敏感而导致分类结果差异性较大，以及错误分类会给解决实际问题带来难以预料后果的不足，本文从反映数据聚类后类间分离性测度的划分系数入手，提出了可变加权划分系数的新概念，并用于数据分类效果的评价。实验结果表明，本文提出的评价方法不仅是可行的，而且比模糊C-均值聚类算法的目标函数作为数据分类效果的评价准则更好。     

基于互包含度的数据分类效果评价研究

针对模糊C-均值聚类算法对初始化分类参数的选择比较敏感而导致分类结果差异性较大的不足,提出了基于互包含度的有效性函数进行数据分类效果好坏的评价。实验结果表明,本文定义的分类效果评价方法是可行的。     

基于数据划分最大信息的聚类有效性函数

基于样本最大分类信息的改进划分系数仅仅利用了数据的模糊分类信息,为了将数据分类的几何结构信息考虑进去,结合数据分类的最大内变差,提出一个聚类有效性标准。实验结果表明,该方法具有良好的分类性能。