基于光照方向不一致性的图像盲鉴别方法

图像篡改破坏了自然图像的光照一致性,为了保证图像内容的安全性,提出一种基于光照方向一致性的图像盲鉴别方法鉴别图像真伪。该方法根据图像的实际强度与计算强度间的误差函数以及适合不同光源模式的约束条件,估计不同光源模式下图像的光照方向。通过分析图像中不同对象或对象与背景之间的光照方向是否一致,判断图像是否被篡改。实验结果表明,无限光源模式的数字图像盲鉴别方法的正确检测率可达到81.8%,从而证明了局部光源和复合光源模式的数字图像盲鉴别方法的有效性。     

光照条件变化下的图像生成方法

提出了两种图像生成的方法：(1)由图像分割、三维重建和投影生成构成。该方法考虑了图像中各部分表面发射模型的差异，通过将图像各区域向1分成朗伯表面和镜面反射，分别进行三维重建，然后融合两结果，改变光照方向和强度，投影生成新的图像；(2)将Shape from shading和Shape from texture技术融合起来。采用Gabor滤波器将图像中的纹理成分和阴影成分区分开来，再用两种方法各自生成三维立体图像，依据它们的特性在频域融合两个三维图像，然后再改变视角和光照的强度、方向，生成仿真的二维图像。实验表明，由该两种方法恢复出的形状优于传统的估计方法，生成的图像真实感强。     

一种序列图像运动目标速度的估计方法

提出了一种在连续时空空间对序列图像中运动目标的速度进行估计的算法。该算法克服了以往序列图像目标提取方法的缺点，通过在动态环境里对时间和空间轴求偏导并用三维拟合模板进行数值逼近，较为精确地估计目标的运动速度。算法对目标遮挡和形状变化较大的情形有鲁棒性，计算机模拟实验的结果验证了算法的良好性能。     

基于矩保持法的散焦图像深度估计

提出了一种基于散焦图像计算景物深度的新方法。该方法不需要获得光学镜头的点传播函数,利用Ｓｏｂｅｌ算子将同一场景的两幅散焦程度不同的灰度图像转换成梯度图像。利用矩保护法计算边缘区的大小与整个图像区域大小的比ｐｃ,根据两幅图像的Ｐｃ值计算出景物的深度。实验结果表明了该方法的有效性。     

一种新的基于形状的灰度图像插值方法

通过2幅已知的灰度图像，用数学形态学的方法确定出插值图像的轮廓．通过求出轮廓内任意插值点与中心点的位置关系，分别找出其在2幅源图像上的对应点．如果2个对应点的灰度值较为接近，可通过线性插值直接求出此插值点的灰度；如2个对应点的灰度值相差较大，则判断插值点的相对位置与哪个对应点的相对位置接近，并认定插值点的灰度值即为此对应点的灰度值．对轮廓内所有的点采用上述算法，即可求得最终的插值图像．算法将图像的形状信息和灰度信息较好地结合起来．实验结果表明其插值结果是令人满意的．     

多尺度光照估计和层次化分类的衣着颜色识别

衣着颜色是行人最显著的表观特征,在视频监控场景中极易受到光照变化的影响.为此,笔者提出了一种基于多尺度光照估计和层次化分类的衣着颜色识别方法.首先,提出一种多尺度局部反射统计的光照估计模型,通过该模型实现对偏色图像的光照矫正;其次,为了精确地识别衣着颜色,设计基于融合多颜色空间特征的层次化分类器;最后,在校园监控场景采集4 998张行人衣着图像(晚上2 052张,白天2 946张)进行对比实验.实验结果表明,该方法能有效提高监控视频中衣着颜色识别准确率且至少提高12.5%.     

一种新的结合卷积神经网络的隧道内停车检测方法

为了更准确地检测高速公路隧道内停车行为,将传统的图像处理技术与深度学习相结合.首先,通过基于混合高斯模型(Gaussian mixture model,GMM)的背景差分法提取出运动目标.接着通过meanshift算法跟踪这些运动目标,计算运动目标的速度以及在相邻视频帧中运动目标的相关性,通过与速度阈值和相似度阈值的比较得到静止目标.最后,结合卷积神经网络(convolutional neural network,CNN)分类模型识别静止目标是否为车辆.文中方法在高速公路隧道视频上进行测试,达到至少84％的准确率.另外,与没有结合卷积神经网络的传统图像处理方法相比,文中方法至少提高了63％的准确率.     

一种新的取向估计方法

取向是多维信号区别于一维信号的基本特征之一,取向估计在图像信息处理和计算机视觉的许多领域都有直接应用。提出了一种新的取向估计方法,该方法将频域滤波和主元分析法相结合,提高了估计结果的精度及鲁棒性。实验结果及分析表明该方法的优越之处。     

一种序列图像运动目标速度的估计方法

提出了一种在连续时空空间对序列图像中运动目标的速度进行估计的算法，该算法克服了以往序列图像目标提取方法的缺点，通过在动态环境里对时间和空间轴求偏导并用三维拟合模权进行数值逼近，较为精确地估计目标的运动速度，算法对目标遮挡和形状变化较大的情形有鲁棒性，计算机模拟实验的结果验证了算法的良好性能。     

基于无网格压缩感知的波达方向估计方法

针对密集分布目标的波达方向(DOA)估计,是当前高精度定位技术的难点和热点.已有的基于压缩感知原理的DOA估计方法往往存在离散网格与连续域参数匹配难度高、离散网格之间相关性高、计算效率低等问题.针对DOA密集分布、低信噪比的非理想情况,分别采用稀疏参数法(SPA)和连续压缩传感(CCS)算法,设计了无网格的压缩感知密集DOA估计方法,分析了这两种算法的性能特点.通过对比仿真实验证明:该方法可以有效提高密集DOA的估计精度.     

基于边界点方向的边界检测方法

提出了一种基于边界点方向的新的边界检测方法。由于充分利用了边界点的方向信息，该方法具有良好的总体性能，如抑制噪声能力强、边界呈单象素宽、定位精度高、运算速度快等。文中给出了实验结果及与其它方法的比较、分析。     

暗背景下运动发光目标检测

采用通常方法处理暗背景下运动发光目标,因监测摄像机所拍摄二维图像背景的复杂性,导致对目标数量统计的误差,为此,提出了综合形状检测法。该方法在对原始图像提取封闭边缘后,用形状因子和边界在两个正交方向的对称性作为判据,根据发光体目标本身及其光线投影的几何形状差异,将发光体和投影区域分割开,只对反映发光体本身的光亮区域进行统计计数。试验测试表明,该方法的相对误差为4.2%左右。     

基于链码描述的二值图像恢复的新算法

二值图像可以用记录其边缘轮廓信息的方向链码来描述，根据这些给定的方向链码可以恢复原二值图像。本文提出了一种新的二值图像恢复算法。算法在二值图像恢复的区域填充方面给出了一种新的方法。     

HOUGH-质心算法及其在形状识别中的应用

本文提出了一种扩展的Hough变换,它可以用于曲线检测、多类目标识别和同类目标失真参数估计。由于对原图象及其Hough变换图象两次进行质心计算,使得失真参数——位移量、尺度因子、旋转角能独立分步地计算。本算法同Krishnapuram—Casasent算法(KC法)相比,具有参数搜索精度和目标识别正确率高、运算速度快、占用内存少及抗干扰性强等优点。在对五种飞机模型图形的失真参数搜索和类型识别中,本算法的处理速度比KC算法提高了25倍,所占内存单元减少到1/5。     

四四元数域低秩逼近及其在矢量阵列波达方向和估计中的应用

提出了新的多元数概念——四四元数,以及四四元数框架下特征分解和奇异值分解等信号处理领域常用的矩阵运算新规则.在此基础上提出了四四元数矩阵的一种低秩逼近算法,并将其用于矢量传感器阵列信号建模及波达方向(DOA)估计中.结果表明,四四元数特征分解及奇异值分解能获得比现有方法更好的低秩逼近性能,基于四四元数模型的矢量传感器阵列信号DOA估计算法,在资源占用、子空间逼近以及对模型误差的鲁棒性等方面均明显优于传统算法.     

一种空间谱估计测向仿真系统的实现

分析了空间谱估计测向系统的组成及要求，确定了本设计的系统组成及该系统的工作流程，介绍了空间谱估计测向处理器的构成和软、硬件设计思路并给出了核心部分的电路。     

累量域高分辨率二维波达方向估计算法

提出一种利用虚拟双线性平行阵进行累量域高分辩率二维波达方向估计的新算法。该算法将累量用于协方差的计算,构造了一个虚拟ＤＯＡ矩阵,并基于此矩阵进行波达方向估计。理论分析表明,对虚拟ＤＯＡ矩阵特征值分解,就可以得到源信号的二维ＤＯＡ估计。同时由于累量对高斯噪声的自然盲性,因而算法具有稳健性。该算法的另一特点是可以提供虚拟扩展孔径,提高了孔径的利用率。