基于(2D)2-KL变换的小波域图像融合算法

为使融合后的图像在尽可能保留源图像细节信息的同时,还能够有效提高源图像的对比度,提出基于(2D)2-KL((2D)2-Karhunen-Loeve)变换的小波域图像融合算法.首先用(2D) 2-KL变换直接对图像信息进行分析,并构建协方差阵,提取图像的重要特征,然后将其主要特征输入到小波域中.在此基础上,对小波变换分解得到各子带系数,用一定的融合策略进行融合.低频子带含有图像的轮廓信息,引入加权因子指导低频子带系数进行融合.实验结果表明,提出的算法有效提高了图像的对比度,并且很好地保留了图像的细节信息,无论在视觉角度上,还是在各种客观性能评价上都比其它传统方法取得了更佳的融合效果.     

彩色图像分形维数的计算方法

分形维数是描述图像复杂性的一种重要测度,广泛应用于图像特征提取及图像分类、分割和检索等方面。多种黑白图像和灰度图像的分形维数计算方法已被提出,但其中很少有适用于彩色图像的分形维数计算方法。把计算灰度图像分形维数的差分盒维法扩展到欧氏五维空间,提出了一种简单且易实现的计算彩色图像分形维数的方法。实验结果表明,提出的方法能够捕捉到彩色图像纹理的复杂性,在识别彩色图像粗糙度变化和计算精度方面优于其它算法。     

基于高亮模型匹配的SAR建筑物高度反演方法

针对高分辨率SAR图像中的建筑物高度提取问题,提出了一种基于高亮模型匹配的建筑物高度反演方法。通过对建筑物的成像特征进行分析构建出高亮特征模型,建立模型与SAR图像之间的匹配度函数,运用多种群遗传算法对匹配度函数进行优化搜索出最优的高度参数。基于模拟和实测SAR图像的实验结果表明该算法可以用于SAR图像建筑物高度反演,并具有较高的反演精度。     

一种基于GF(23)的(K,N)有意义无扩张图像分存方案

传统有意义图像分存存在像素扩张,通常只对分存信息以较短的认证信息进行甄别,从而导致重构的秘密像素真实性无法准确鉴别。针对此问题,提出一种基于GF(2³)的(K,N)有意义无扩张图像分存方案。在该方案中,首先生成加密映射表并利用秘密像素的位置信息对秘密像素进行加密;然后将秘密像素的认证信息和加密像素在GF(2³)有限域下进行(K,N)分存,嵌入到掩体图像对应的像素中;最后将映射表的生成密钥进行(K,N)分存,计算每个子密钥的MD5值并公布到第3方公信方以防止掩体图像持有者作弊。实验结果表明,所提方案能准确地识别出秘密图像攻击区域,不存在任何像素扩张,掩体图像与秘密图像等大且嵌入分存信息的掩体图像具有较好的视觉质量。     

格蕴涵代数的软LI-理想

借助软集合,提出了格蕴涵代数的软LI-理想的概念,研究了软集运算下的一些诸如交、且等基本性质,并给出了格蕴涵代数的软LI-理想的一些等价刻画。此外,研究了格蕴涵代数的软LI-理想与格蕴涵代数的软格理想之间的关系。得到了格蕴涵代数的软LI-理想像与原像的性质。     

卫星图像的村落民居Lebesgue测度η值研究

以古民居的分布与发展演变为变量参数所形成的古村落拓扑图,通过对Lebesgue测度计算形成几何拟合数值曲线,在引入优美图优美标号的基础上,形成对村落优美度η的勒贝格测度值,在古村落发育（时间增长）过程中,η值是单调变化的。以徽州地区存在1000年古村落google卫星图像为基础,结合历史文献获得不同年代民居拓扑图,依据上述方法对村落拓扑中优美图进行统计量化,定义出村落优美度值η。结论认为η介于8000左右时,村落民居年代人文分布丰富;而低于6000时村落民居数量发展上升,但人文资料零乱;在700年左右的村落中,η值稳定在9600附近,呈现出古村落的明显拓扑特征。通过村落优美度按年代变化的η值曲线,对村落的（年代）演变做了分析。     

三维网络拓扑结构的水声传感器网络MAC协议

水声传感器网络Underwater Acoustic Sensor Network(UWASN)由于其广阔的应用前景,近年来逐渐被人们关注。然而由于水下环境的限制性,水声传感器网络具有其一些独特性。例如,与二维的陆地传感器网络不同,水声传感器网络是三维的。如今,现有的介质访问控制Medium Access Control(MAC)协议大多是针对二维无线传感网络,很少有基于三维水声传感器网络的 MAC 协议。针对水下三维网络,提出了基于三维网络拓扑结构的水声传感器网络 MAC 协议。该协议将网络中的节点生成树结构,并利用子节点与父节点之间的关系,通过动态节点算法实现三维动态的水声传感器网络。此外,详细分析了节点间的碰撞并有效解决各种碰撞,从而大大提高了信道利用率。通过仿真软件对比不同协议在同一网络拓扑中的实验结果,证实文中协议能够有效节约大量能源。     

基于参数方差调节萤火虫算法的三维路径规划

为了提高萤火虫算法大范围搜索时的速度和精度,提出了一种参数方差调节萤火虫算法。首先分析基本萤火虫算法,在此基础上提出了参数方差调节萤火虫算法的核心思想：计算种群亮度的方差评估种群的敛散性,根据进程调节参数,进而达到改进萤火虫算法的目的,并给出了算法的实现步骤和流程;然后在四个优化测试函数中将参数方差调节萤火虫算法与基本萤火虫算法、遗传算法、粒子群算法进行比较和分析,发现参数方差调节萤火虫算法在测试中能迅速的找到符合精度要求的解,且成功率是100%,具有较好的稳定性,较之其他算法优势明显;最后通过构建计算能量消耗的目标函数在有实际背景和地理参数的自主式水下潜器三维路径规划的仿真实验中应用参数方差调节萤火虫算法,在三维海底环境中规划出符合要求的路,从而证明了参数方差调节萤火虫算法在三维路径规划中的实用性。     

基于改进SUSAN算法的移动车辆检测

针对复杂行车环境下智能车辆行车安全问题,提出了一种基于改进 Susan 边缘检测算法提取车辆边界特征。首先介绍了SUSAN边缘检测算子的原理,然后提出改进的SUSAN算法,即对待检测像素粗略提取,采用一种自适应选取阈值的方法对候选边缘点检测提取边缘。实验表明,算法能在复杂图像中识别前方车辆,有较高的准确度。     

边缘检测算法的FPGA实现

边缘检测算法是最常见的图像处理算法. 分析了Prewitt算子和Sobel算子两种边缘检测算法的原理, 利用DSP Builder工具在MATLAB/Simulink下完成了这两种算子的图像边缘检测算法的设计, 并将该设计直接在FPGA中实现. 利用FPGA的并行处理能力, 大大缩短了图像处理所需的时间.