一种基于3D-DCT的彩色图像信息隐藏算法

提出了一种基于3D-DCT的彩色图像信息隐藏盲检测算法.本算法不但可以在512× 512的RGB彩色图像中嵌入多达2048字节的数据,而且实现了完全盲检测,即在信息检测时,该 算法不需要原始图像和任何附加信息.同时,采用3D-DCT和算法中的信息嵌入方式,能充分地 利用信息载体的容量,很好地平衡隐藏信息的不可见性和稳健性之间的矛盾.算法采用了纠错编 码技术和数据扰乱技术,以提高算法抵抗各类攻击的性能.实验证明,该算法所隐藏的信息在 StirMark的攻击下,对高达3×10-1～10-2的误比特率,仍具有很好的稳健性.     

综合多种预测方案实现遮挡情况下的目标跟踪

由于采用了多种运动预测方案,本文提出的目标跟踪方法能选择最佳的观测结果,实现对非标定固定焦距的静止摄像机的单目图像序列中的目标跟踪.静态背景参考图像由混合模型法估计,在最简单的环境下,跟踪算法则采用匀加速运动模型对目标完成跟踪.本文主要贡献是采用了三个预测器和最小方差相关时选择目标最可能的位置.三个预测器分别是:-跟踪方案、卡尔曼滤波和区域分割匹配方案.本跟踪方案通过具有不同遮挡情况的序列图像得到了验证.     

基于估计点扩展函数值的湍流退化图像复原

提出了一种直接从湍流退化图像中估计湍流点扩展函数值的方法.本方法不再利用自 然或人工向导星图像来测定点扩展函数,而是直接利用两帧连续短曝光湍流退化图像作为输入， 在空域中对其进行适当的延拓,在频域中建立和选择关于湍流点扩展函数离散值的一系列计算 方程.为了克服噪声的干扰,在点扩展函数的非负性和空间光滑性的约束条件下,将点扩展函数 的计算问题转化为优化估计问题,通过极小化准则函数估计点扩展函数值,进而恢复退化图像. 实验结果表明,本文方法十分有效,复原效果好.     

基于模糊神经网络的彩色图像滤波器研究

为实现彩色图像噪声的滤波，基于模糊神经网络技术构建了一种新型的彩色图像滤波器．该滤波器通过对滤波窗口的彩色图像像素矢量进行模糊加权来判断邻近像素和中心像素的关系，针对不同性质的噪声由神经网络的自学习和自组织功能来自动调节滤波器的权值以实现噪声的滤除．用Flowers图像和Lena图像对经过训练的滤波器和矢量中值滤波器进行了测试对比．结果表明：模糊神经网络彩色滤波器无论对单纯的脉冲噪声及高斯噪声，还是二者的混合噪声，其滤除能力都要优于矢量中值滤波器，并且有较好的边缘和细节保持能力．     

基于兴趣区域的图像检索方法的研究

目前大多数基于内容的图像检索(CBIR)技术都依赖于图像的全局特征(例如颜色、纹理直方图等)，这样图像的空间布局特征被忽略了。由此提出的图像检索方法克服了这个问题，它是基于如下原则：用户应最有资格指定查询”内容”，而不是计算机，该方法使得用户能够选择多个”感兴趣区域”并且在检索过程中指定它们的空间布局相关性。     

虚拟标准显色设备——跨网络色彩重现的新方案

随着网络的普及和多媒体应用的增长,彩色的传输和真实重现日益受到重视.虽然基于ICC的色彩管理提供了色彩复制与传递机制,但是这些技术仍存在增加系统开销、设备特性信息传递困难、不同色彩管理系统难以混合等问题.本文提出了"虚拟标准显色设备"的概念,较好地解决了跨网络、跨平台的色彩重现问题.实验结果证明了这种方法的有效性.     

一种彩色图像滤波的改进矢量中值滤波算法

通过分析彩色图像滤波的一般方法，提出了一种基于矢量中值滤波的改进算法。该算法融合了线性均值滤波和非线性矢量中值滤波两种方法，大大降低了运算复杂度，同时对脉冲噪声和高斯噪声有好的抑制作用，能有效地保护图像的边缘信息，滤波后不会出现新的颜色。另外本算法的运算复杂度随着滑动窗的增大而缓慢增加，使其能够达到滤波效果和运算复杂度的有效平衡。     

使用体渲染进行的快速全局照明

提出了一种基于体渲染的快速全局照明方法，用于实时计算复杂的直接照明和间接照明。该方法使用一系列预先计算的图像数据来表示照明在特定空间中的分布，在实时渲染时通过对这些空间数据的重组来得到给定位置处的光强。计算过程分为预处理和实时渲染两部分：首先，针对每一个物体计算出该物体对周围空间辐照度的影响，并存储在体数据结构中；然后，在实时渲染过程中，利用已有的体数据重建出给定点的辐照度，实现照明。该方法可以计算任意形式的光源照明以及间接漫射。     

回归分析及其在产品变型设计中的应用

分析变型设计的基本特点与存在问题，提出用回归分析的方法解决变型设计中设计变量之间的隐含不确定的关系．应用实例表明，回归分析是一种能够缩短变型设计周期、提高产品质量的有效分析方法．     

鲁棒的镜头边缘检测融合算法

对于镜头骤变检测，通过最小扩展树算法(MST)提取保留了视频帧空间信息的颜色聚合向量直方图、引入了动态自适应阈值和时间阻尼，使得骤变检测效率高；对于渐变检测，通过分析其数学产生模型，根据模型特性实现渐变镜头检测；最后，采用一个良好的融合策略同时完成骤变和渐变。