区域结构因子耦合强度特征约束的图像修复算法

针对当前较多图像修复方法仅通过对像素点之间的相似差异度进行度量来实现对图像中破损区域的修复、忽略了图像块之间的强度特征、导致修复图像中存在振铃以及不连续等问题,本文设计了一种基于区域结构因子耦合强度特征约束的图像修复方法.首先,通过引导滤波将待修复图像中的噪声进行滤除,以克服图像中噪声干扰引起的错误修复,再根据像素点的梯度特征来构造区域结构因子,以建立优先权函数,测量待修复块优先权,从而确定优先修复块;然后,构造强度特征约束项,将其与误差平方和函数(Sum of Squared Differences,SSD)联合,建立最佳匹配块搜索函数,从相似差异度与强度特征两方面来搜索最佳匹配块;最后,利用像素点之间的差异值,构造置信度更新函数,对其进行更新,进而完成图像修复.实验结果表明,与当前图像修复技术相比,所提方法具有更强的鲁棒性,修复的图像具有更好的视觉效果.     

基于旋转灰度特征与位移约束的图像伪造检测算法

当前图像伪造检测方法主要依靠近邻比值法来实现图像内容的真伪决策,由于近邻比值法的判断条件单一,该类算法的检测精度不佳.因此,本文提出了旋转灰度特征耦合位移约束的图像伪造检测算法.首先,根据图像像素点,构造十字约束法则,对FAST算法予以改进,以提取待检测图像中的特征点;然后,利用像素点的梯度特征形成直方图,通过直方图峰值获取特征点的主方向;再用特征点的灰度值来构造旋转灰度特征模型,用于获取特征向量,生成特征描述子;用特征点的位置以及角度特征,构造了位移约束规则,并且在位移约束规则下,通过归一化互相关函数对特征点的相似性进行度量,完成特征点匹配.最后,引入均值漂移模型,对图像中的伪造内容完成区域定位,实现图像的伪造检测.实验结果表明:与当前图像伪造检测算法相比,本文算法不仅具有更高的检测精度以及检测效率,而且还具有更好地鲁棒性能.     

融合SLIC的DCUT改进图像分割算法

谱聚类DCUT算法能在任意形状的样本空间上聚类且收敛于全局最优解,但其缺点是计算相似度矩阵和特征向量的复杂度较高.为了提高了DCUT的算法速度,提出了基于SLIC的DCUT算法(SDCUT).SDCUT算法首先采用SLIC算法分割图像成超像素,再根据任意两个超像素的归一化直方图计算Pearson系数作为超像素之间的相似度,从而建立基于超像素的相似度矩阵,最后采用DCUT算法对超像素进行分类获得最终分割结果.在一系列图像上的实验结果表明,与几种经典谱聚类算法相比,本文方法的分割速度更快,且具有较好的分割效果.     

基于差分制约耦合三角网约束的图像匹配算法

为解决当前图像匹配算法忽略了相邻图像层次间灰度量级的差异性导致的较多的误检与漏检现象,使其匹配精度不高的问题,本文设计了基于差分制约模型与三角网优化的图像匹配技术.首先,利用差分高斯函数来构造差分制约方法,对相邻图像层次间的灰度量级进行一致性约束,准确提取图像特征点;然后,通过计算圆形邻域内的Haar小波响应值,确定特征点的主方向;再计算圆形邻域内的梯度与灰度特征,得到相应的特征向量;利用主方向与特征向量来生成实现特征点描述符.利用特征点描述符求取特征点之间欧氏距离的最近邻与次近邻比值,对图像特征完成初步匹配;最后,通过初匹配之间的空间关系构建三角网约束规则,对错误匹配特征点进行剔除,对匹配结果进行优化.实验结果表明:与当前图像匹配算法相比,所提算法具有更高的匹配正确度与鲁棒性.     

一种遥感数字图像匹配的合成算法

分析了传统的基于灰度和基于特征的匹配算法,提出了一种基于边缘特征和相关系数的新匹配算法.该算法首先对潜在匹配图像和模板图像利用高斯拉普拉斯(LOG)算子和梯度算子提取影像的边缘,然后提取二值化图像,最后再利用相关系数法对二值化后的边缘影像进行匹配运算,得到正确的匹配结果.该算法融合了传统算法的优点.利用该算法对上海的SPOT 5 m分辨率不同波段的卫星影像进行了匹配试验,获取了比较好的匹配效果.     

改进分形模型的图像降噪算法

利用分形几何中的迭代函数系统理论，针对空间域建立图像分形模型存在相似匹配速度慢的缺点，提出了一种变换域的改进分形模型方法，该方法用频域的搜索匹配代替空间域的搜索匹配，不但域块和区块达到相似匹配的速度更快，而且可以自适应的调整参与计算相似匹配的参数个数．实验结果表明改进的分形模型应用于图像降噪不但可以有效的保护图像的细节和边缘信息，并避免原方法在降噪的同时带来块效应的缺点．     

针对LSB匹配隐写的评价策略与改进方法

以Mielikainen提出的LSB匹配算法为基础,通过分析秘密信息对与载体像素对之间的不同匹配顺序对隐写算法性能的影响,提出了一个三级得分评价策略.根据此评价策略的指导,采用粒子群优化算法寻找出最优的信息对嵌入顺序,并在此基础上对Mielikainen的方法进行改进,提出了一种新的隐写算法.实验结果表明,在嵌入相同大小秘密信息的条件下,提出的算法减少了载体图像中灰度值发生变化的像素点数,从而有效提高了隐秘图像的视觉感知质量.     

基于布谷鸟优化的三维OTSU图像分割算法

针对三维OTSU算法计算量较大、运算时间较长的问题,提出了基于布谷鸟搜索优化的三维OTSU图像分割算法.该算法采用布谷鸟搜索算法对三维OTSU进行优化.其中,以像素灰度值-领域均值-领域中值的三维类间方差作为布谷鸟搜索算法的适应度函数,通过评价Lévy飞行路径上像素的适应度,获得最佳分割阈值.实验结果表明:与灰度值领域均值梯度的三维OTSU算法相比,该算法对低信噪比的图像分割稳定性和可靠性较佳;同时,与快速三维OTSU算法相比,运算效率提高了约16.4%,解决了算法消耗时间较长问题.     

一种改进Haar-like特征的车辆识别算法

传统的Haar-like特征算法在特征提取过程中仅对图像全局进行特征提取,忽略了目标敏感区域,易受非目标区域的干扰,导致识别率降低.本文对传统的Haar-like特征提取算法进行了改进,将图像分成三个区域,运用的矩形框模板分别从这三个区域中提取像素值,将其中两个区域的像素值减去两倍的另外一个区域的像素值作为特征值.采用高斯随机测量矩阵对高维度的特征值进行压缩,运用Adaboost分类器训练方法,利用构造好的分类器对压缩后形成的特征空间进行分类识别.实验结果表明,本文的方法不仅减少了分类器所需的训练时间,而且识别性能也优于Haar-like特征、颜色纹理融合等传统算法.     

图像序列运动检测算法的研究及其应用

探讨了监控图像序列中进行运动检测的若干基本算法 ,结合统计方法和边缘检测筛选出运动边缘点 ,对运动边缘点逐个进行了块匹配最优搜索 ,估算出其运动矢量 .此方法在数字视频监控系统中用于运动物体检测和报警 ,不但提供了智能型监控 ,而且也有效的压缩了存储数据 ,改善了系统性能 ,有较好的实用价值 .     

基于结构性信息的纹理合成与图像修复

纹理合成与图像修复是计算机图形学中的一个研究热点,具有广泛的应用前景．提出了一种基于结构性信息的判断纹理块匹配误差的新方法：颜色-结构差异算法．该方法同时考虑了纹理块之间颜色误差和结构误差对纹理块的相似性的影响,弥补了单纯考虑颜色误差的不足,保证了图像间结构信息的连贯性,从而确保合成后的纹理及修复后的图像在视觉上的连贯性．     

基于特征点群相似度计算模型的图像表示方法

针对空间金字塔匹配模型缺乏对图像中视觉物体旋转、平移和缩放的考虑问题,提出了一种基于特征点群相似度计算模型的图像表示方法.基于词汇树模型的粗匹配结果,通过特征点群拓扑、方向、距离等计算其相似度,并以此作为评价指标对匹配结果进行过滤;根据由特征点群计算所得的标准差椭圆的圆心、旋转角度对金字塔匹配的图像划分子区域并进行调整,从而得到图像抗旋转、平移和缩放的表示.分别在自建校园建筑物数据集和自建物体图像数据集上对方法进行了验证和比较,结果表明,该方法提高了分类识别的准确率和检索的查全率,特别是对于包含明显旋转、平移和缩放变化的图像数据效果更好.     

一种新的基于Bloom filter数据结构的数据消冗算法

针对以往数据消冗算法存储消耗高,时间消耗久以及重复率检测效果不是十分理想,引入Bloom filter数据结构将大数据进行降维处理,提出了一种新的数据消冗算法,该算法首先利用完全文件检测算法对数据进行检验匹配,通过的数据块再利用CDC分块检测算法进行进一步检测匹配,依据余弦相似度公式以及Hamming距离值计算数据相似度,最终完成数据消冗。仿真实验结果表明本文提出的数据消冗算法综合性能良好,既确保了检测数据重复率的准确性又提高了数据检测速度,同时降低了存储开销。     

基于低秩表示的图像修复方法

现实场景中, 存在很多原因导致所获图像信息并不完整, 其中会存在少许的破损, 这对基于此数据进行下一步的研究造成了障碍. 针对图像存在的破损问题, 提出一种基于低秩表示的图像修复方法. 通过图像的矩阵存储方式, 由稀疏理论获取其低秩表示, 提取到图像的全局特征. 根据所获的低秩表示, 结合缺损区域与其相邻区域的相似性, 将缺损区域逐步缩小, 并对缩小区域进行强制校正, 从而完成修复图像任务, 最后得到补全后的最终图像. 在二维图像上设计对比实验进行验证, 结果证明该方法在结构简单图修复、破损老照片修复、去除叠加文字以及大块物体移除等方面都具有良好的性能. 实验结果表明, 低秩表示在图像修复方面具有获取全局信息的优势, 修复效果良好.     

轮廓匹配方法改进及其在转子中的应用

汽车发动机转子装配误差容易造成零件磨损和效率降低. 针对转子零件装配精度要求, 提出一种基于轮廓与特征点结合的轮廓匹配方法. 首先对转子图像进行滤波、二值化预处理; 其次提取轮廓并利用轮廓Hu矩方法进行轮廓粗匹配; 然后提取特征点, 并在以特征点为中心、半径为16像素的圆形区域内生成4个特征描述子作为匹配特征, 利用欧氏距离进行特征点匹配; 最后通过找到的匹配对计算仿射变换矩阵, 得到精匹配结果. 实验结果表明, 该方法在背景复杂、光照变化的条件下能够较精确地匹配轮廓, 保证匹配精度在1像素内, 且生成的特征描述子对数越多, 匹配结果越精确.     

基于混沌交换控制表与关联动态引擎的图像加密算法

为了解决当前基于混沌系统的图像加密算法因其存在明显的混沌周期性,且像素的置乱与扩散与明文无关,使其难以抵御明文攻击的不足,提出了基于混沌交换控制表与关联动态引擎扩散的图像加密算法.首先,根据明文像素总量与外部密钥,对Logistic映射进行迭代,输出两个量化混沌矩阵;设计混沌交换控制表,并根据明文尺寸,建立像素的X、Y位置表;随后,将输入明文分割为两个均等子块,利用混沌交换控制表、X位置表与Y位置表,定义像素置乱规则,对两个子块进行交叉混淆,改变像素位置,再组合这两个置乱子块,输出置乱密文;随后,引入Zigzag扫描机制,将置乱密文转换成1D序列,去除该序列中的第一个元素,利用剩余元素的总和对第一个元素完成加密,且通过构造动态引擎函数,设计了像素扩散模型,对剩余像素进行扩散,改变其像素值.实验结果显示:与当前混沌加密技术相比,所提算法有效消除了混沌周期性,其输出密文具有更高的安全性与抗明文攻击能力.     

基于重叠块小波变换的遥感图像高速压缩算法

针对大尺寸图像进行分块小波变换带来的块效应问题，采用重叠分块的方法，对各重叠块分别进行整数小波变换，并在分析单块图像整数小波变换的基础上提出了基于子带位平面的编码算法；解码时，对逆变换后得到的各个块按照原空间位置重叠相加，即可得到重建图像．实验表明，该算法复杂度低，占用内存少，速度快，无块效应，且各块的码率分配接近于最优方案，适合于遥感图像的高质量压缩编码．     

基于图像块相关性分类的加密域可逆数据隐藏

考虑到不同图像块中像素的重要位(高位)具有不同的相关性,本文提出了一种基于图像块高位相关性分类的加密域可逆数据隐藏算法.在数据嵌入前,对各图像块的高位进行相关性划分,然后根据相关性强弱对加密图像的相应像素执行不同程度的低位(不重要位)取反,以达到减小嵌入失真和提高数据提取正确率的目的.同现有的两个主要方法相比,大量的实验结果表明该算法在保证解密后图像具有相同峰值信噪比的情况下,能有效减小数据提取和图像恢复的错误率.     

点特征和小波金字塔技术的遥感图像快速匹配技术

提出了一种基于Harris特征点提取和小波金字塔的遥感图像快速匹配技术．在对多分辨率遥感图像进行完预处理的基础上,先利用Harris算子提取待匹配图像的特征点,然后利用小波金字塔完成匹配．通过杭州地区TM和SPOT遥感影像的配准实验,表明该算法减少了人工干预,提高了运算速度,又保持了匹配精度．     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题，提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性，提出基于快速神经网络架构搜索（neural architecture search，NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法，在预设的搜索空间中搜索最优网络结构，进行图像水印的高效嵌入与鲁棒提取。首先，将子网络中线性连接的全卷积层设置为独立的神经单元结构，并参数化表示结构单元内节点的连接，预先设定结构单元内每个神经元操作的搜索空间；其次，在完成一个批次的数据集训练后，依据神经元操作中的被采样次数和平均损失函数值动态更新概率；最后，重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上，大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑，本文算法具有较高的时间性能和较好的实验效果，在隐藏图像时，对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验，对比发现，本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著；在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著，特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。