一种新的基于纹理和空间分布特征的图像检索

提出一种新的基于纹理和空间分布特征的图像检索方法.将检索图像分块,采用平移和尺度不变小波对各图像子块进行分解,在改进的快速小波直方图算法基础上提取图像子块的小波直方图,并提取每个图像子块的小波信息熵和三阶中心距作为纹理特征.对小波信息熵和中心矩特征进行高斯归一化,并利用特征向量的欧氏距离计算图像的纹理和空间特征的相似度.基于纹理图像库和自然图像库的检索试验表明,该方法比基于快速小波直方图算法和对数极坐标变换检索算法具有较高的检索准确度.     

基于Radon变换和四元数实矩阵的彩色图像零水印算法

为了提高空间域彩色图像零水印算法的水印嵌入和检测精度以及抵抗旋转几何变换的能力,提出了一种基于Radon变换和四元数实矩阵表示的抗旋转攻击空间域零水印算法。首先将原始彩色图像使用四元数实矩阵来表征,并计算实数字矩阵的Radon变换不变矩;然后利用少量低阶Radon变换不变矩来设计和构建零水印信息;在水印检测前,通过Radon变换几何校正算法对可能遭受旋转攻击的待检测图像进行旋转角度的校正,然后进行水印的提取。实验结果表明,该方法可以获得良好的图像视觉效果,对于旋转几何攻击具有很强的鲁棒性,同时对滤波、JPEG压缩和剪切攻击也具有一定的鲁棒性。     

一种新的红外成像末制导目标跟踪方法

为了稳定跟踪导弹末制导阶段的红外目标,提出了一种基于尺度不变特征变换的红外目标跟踪算法.尺度不变性特征变换所提取的图像纹理特征具有尺度和旋转不变性,跟踪算法分别提取目标模板和待跟踪图像的尺度不变特征变换特征.根据最小欧氏距离准则提取目标模板与待跟踪图像间相匹配的尺度不变特征变换特征点对,利用该特征点对拟合反映两图像间映射关系的仿射模型,并据此估计目标中心位置及调整目标模板尺寸.仿真结果表明,跟踪算法能够较好地实现在导弹末制导阶段对红外地面杂波背景下目标的稳定跟踪,其跟踪准确度和稳定度优于传统方法.
关键词:末制导跟踪|尺度不变性特征变换|特征匹配|仿射模型     

基于自适应正交有限脊波变换的图像编码算法

在有限脊波变换的基础上,根据对图像有限Radon变换系数的分析,提出了一种自适应的正交有限脊波变换。此变换根据特别设计的代价函数,可自适应地为每列有限Radon变换系数选择最优的正交变换形式,从而可高效地分析图像中的直线奇异。讨论了此变换在图像编码领域中的应用,通过对零树编码算法SPIHT进行改进,实现了图像自适应正交有限脊波变换系数的渐进编码。实验结果表明,对富含直线边缘的图像来说,与小波图像编码算法相比,该算法获得了较高的边缘重建质量。     

融合Retinex和离散小波奇异值分解的远距离目标图像清晰化

针对远距离成像系统获取的低照度降质图像增强问题,提出了一种融合Retinex和离散小波奇异值分解的图像清晰化算法。该方法首先利用自适应全尺度Retinex（adaptive full-scale retinex, AFSR）“粗”提取照度分量和反射分量,然后通过离散小波变换将所提取的图像反射分量分解为4个频率子带并估计出低频子带图像的奇异值矩阵,最后应用逆小波变换“精”重建图像。实验结果表明:所提方法处理后的低照度降质图像视觉增强效果较好,在图像对比度、信息熵、平均梯度和边缘密度等客观评价指标方面优于其他经典算法。     

基于旋转、平移和尺度不变的平稳小波图像增强

针对传统的离散正交小波变换对信号的起始位置比较敏感的特点,提出了具有旋转、平移和尺度不变的平稳小波变换,将图像变换到极坐标,采用方向能量函数确定图像主轴方位,并将图像主轴旋转到水平方向得到方向归一化的图像。然后通过对图像的重整和小波基的位移、伸缩、旋转,来消除位移和尺度的影响,得到具有旋转、平移和尺度不变的平稳小波变换。结合非线性增强算子以及Otsu自适应最优阈值估计方法,对图像进行增强。实验结果表明,提出的方法能够在增强图像的同时很好地保留图像的边缘信息,是一种有效的图像增强方法。     

基于矩和小波变换的目标图象识别

在图象目标的识别中,目标图象的不变矩对于具有旋转、尺度变换特性的目标具有良好特征匹配性能,但其识别准确度直接受到不变矩计算区域内的目标个数的影响.本文首先采用一维小波变换降噪并获取图象边缘,结合轮廓跟踪法(“爬虫法”)与投影法对图象进行区域分割获取各目标存在区域,再利用目标图象的不变矩进行目标识别,最后通过利用目标的主轴特性及质心变化计算目标的旋转角度及尺度变换倍率.通过仿真实验,证明方案可行且具有良好的识别性能.     

基于小波变换的多尺度水平集算法研究

针对传统水平集算法在处理低对比度图像时,出现的在局部梯度极大值区域及虚假边缘处停止演化等问题,提出了一种基于小波变换的多尺度水平集算法.采用高斯函数的导函数作为小波函数,使用独立强度传播模型来估计小波函数每一点尺度因子的值,再将沿x,y两个方向小波变换模的递减函数作为水平集速度停止项,对待处理图像进行水平集演化运算.实验结果表明,该方法优于传统水平集变换法.     

基于双树复数小波变换的图像去噪方法

在双树复数小波的基础上引入平移不变的重要思想,使其具有真正意义上的平移不变性.提出了一种基于平移不变双树复数小波变换的图像去噪方法.实验结果表明该方法能有效提高图像去噪效果及图像边缘检测能力.     

基于方向-频率分解的旋转不变性纹理分类

提出了一种用于纹理分类的旋转不变性特征提取的新算法.该算法是将一定大小的图像进行二维傅里叶变换;其次在变换后的图像中央选择一个圆盘区域,并在方向[0°,180°]内进行等间隔角度频率抽样,实现方向分解,使用一组复Morlet小波对每个方向上的映射切片进行小波变换,从而实现多通道频率分解;在各个频率通道中计算均值和方差作为特征,并利用线性回归模型计算频率通道之间的关系特征;将特征沿方向进行一维傅里叶变换并取其幅值,从而得到旋转不变性特征.实验结果表明所提取的特征具有较好的旋转不变性,与其它算法相比具有更好的分类性能,并且对无旋转纹理分类也能产生较好的分类结果.     

Singularity spectrum of fractal signals from wavelet analysis: Exact results

The multifractal formalism for singular measures is revisited using the wavelet transform. For Bernoulli invariant measures of some expanding Markov maps, the generalized fractal dimensions are proved to be transition points for the scaling exponents of some partition functions defined from the wavelet transform modulus maxima. The generalization of this formalism to fractal signals is established for the class of distribution functions of these singular invariant measures. It is demonstrated that the Hausdorff dimensionD(h) of the set of singularities of Hölder exponenth can be directly determined from the wavelet transform modulus maxima. The singularity spectrum so obtained is shown to be not disturbed by the presence, in the signal, of a superimposed polynomial behavior of ordern, provided one uses an analyzing wavelet that possesses at leastN>n vanishing moments. However, it is shown that aC behavior generally induces a phase transition in theD(h) singularity spectrum that somewhat masks the weakest singularities. This phase transition actually depends on the numberN of vanishing moments of the analyzing wavelet; its observation is emphasized as a reliable experimental test for the existence of nonsingular behavior in the considered signal. These theoretical results are illustrated with numerical examples. They are likely to be valid for a large class of fractal functions as suggested by recent applications to fractional Brownian motions and turbulent velocity signals.     

基于非分样ridgelet 标架的图像滤噪恢复新算法的研究

提出了一种基于非分样ridgelet标架的图像噪声滤除(UDRIFDA)的新算法。ridgelet标架的特点是:基函数不可分离变量且具有很强的方向性,能够实现对沿直线奇性的有效描述。离散非分样ridgelet标架是通过离散Radon变换切片上的一维非分样小波变换标架来实现的。由于非分样小波变换具有位移不变性,能够很好地刻画多尺度下一维信号的局部特征,基于一维非分样小波变换的软阈值去噪算法能够有效地降低一维信号急剧变化处所产生的震荡现象,故基于非分样ridgelet标架的图像滤噪算法能够大大降低恢复图像上的伪影,有效的克服了文献[1]中分样ridgelet标架滤噪算法(DRITDA)的缺陷。数值实验表明新算法较DRITDA和2D-DWT算法更能提高恢复图像的信噪比和视觉质量。     

一种基于小波变换的红外偏振融合算法

针对红外偏振图像可以较好地抑制背景噪声,对目标边缘信息比较敏感的特点,提出一种基于小波变换的红外偏振融合算法,它主要用于红外辐射强度图像和偏振度图像融合,增加图像的信息量。首先采用小波变换对参与融合的每幅图像分别进行各尺度分解,得到各尺度小波系数,然后针对不同尺度小波系数,采用邻域平均梯度为判据进行融合,得到融合后的各尺度小波系数,最后通过小波逆变换进行图像重构,得到融合图像。融合前后的图像对比表明融合图像在保留辐射强度图像的清晰度的同时,突出了目标的边缘、轮廓信息。相对于辐射强度图像,融合图像的梯度均值提高了112%,相对于偏振度图像,融合图像的标准差提高了151%,信息熵提高了38%。     

基于高速公路裂纹局部线性特征内容的脊波变换域算法研究

利用频域中傅里叶变换投影定理,提出一种新的离散脊波实现算法,应用于高速公路局部线性裂纹的检测取得较好效果。详细阐述了离散脊波的实现步骤以及对标准图像进行脊波变换的模拟结果,并提出拉东(Radon)变换重建原图像的基本条件。上述定理应用于复杂背景下的路面检测,结合直方图均衡化算法消除背景噪声;选用基于样本估计的阈值方法对脊波分解的各层系数进行处理去除随机噪声。选用不同的重构系数进行计算,得到脊波变换后重构图像的信噪比优于二维小波变换(低频大于20dB)以及二维小波变换加魏纳滤波变换(平均大于3dB)。通过图像的二值化处理提取局部线性裂纹,其分辨力极限达到2mm精度。     

基于非采样提升小波-Contourlet变换的图像融合算法

为克服非采样Contourlet变换中金字塔分解的不足,首先在提升小波变换的基础上,通过取消其奇偶分裂环节得到具有平移不变性的非采样提升小波变换,然后用此变换来取代非采样Contourlet变换中的金字塔分解,得到新的非采样提升小波-Contourlet变换。将此变换与一定的融合规则相结合,提出了一种基于非采样提升小波-Contourlet变换的图像融合算法。实验表明,该算法相对于非采样Contourlet变换能从源图像中提取更多有用信息注入到融合图像中,可得到更高性能的融合图像。     

基于脊波变换的渐变镜头转场检测算法

分析了脊波变换在处理含“线奇异”信号上的优势.提出用脊波变换后的各高频系数和作为图像的特征量.渐变镜头脊波变换的实现分两步：首先,对图像帧进行一定方向参量的Radon变换;其次,对Radon变换得到各数组进行Haar小波二级分解,采用分解后的高频系数和描述图像.在检测窗内,计算连续帧间脊波变换系数和之间的欧式距离判别渐变转场的边界.