修正主成分分析及其在车牌定位中的应用

车牌照识别技术是现代智能交通的重要组成部分.为了从彩色图像中定位及分割出汽车牌照,将图像中每一个像素点的红、绿、蓝值看成三维空间中的点(r,g,b),采用主成分分析对含牌照的彩色图像进行正交变换得到(r′,g′,b′),分别以r′,g′,b′作为灰度值得到三个主成分图像,牌照信息体现在第二主成分图像中.为了进一步提高车牌定位效率,对正交变换矩阵进行了修正,对修正后的第二主成分图像进行二值化,分割出白色区域即可定位出汽车牌照.实验表明,本算法对噪声不敏感,抗干扰性强,识别效率高.     

基于菲涅耳变换的图像加密算法

针对相位截断加密算法无法抵御信息泄露问题,文章提出了一种基于相位截断菲涅耳变换与随机振幅掩模的加密算法,以抵御信息泄露问题;算法首先将原彩色图像分为3个独立的颜色通道,在对其进行菲涅耳变换后加入随机振幅掩模通道,将4个通道分别进行菲涅耳衍射截断处理;算法通过级联处理不仅提高了秘钥与密文间的关联性,还消除了信息泄露的风险;通过仿真试验与结果分析可知,本算法不仅在波长与自由空间传播错误距离参数、密文噪声、遮挡污染、密文泄露以及不同攻击等情况下有较好的鲁棒性,还解决了信息泄露问题。     

红外和彩色可见光图像亮度-对比度传递融合算法

以红外和彩色可见光图像为研究对象,提出了一种基于亮度-对比度传递（LCT）技术的彩色图像融合算法。首先借助灰度融合方法将红外图像与彩色可见光图像亮度分量融合,然后用LCT技术改善灰度融合结果的亮度和对比度,最后利用快速YCBCR变换融合策略在RGB空间内直接生成彩色融合图像。文中利用像素平均融合法和多分辨率融合法作为不同的灰度融合措施以分别满足高实时性和高融合质量的需求。实验结果表明,提出算法的融合结果不仅具有与输入彩色可见光图像相近的自然色彩,而且具备令人满意的亮度和对比度,即使采用运算简单的像素平均法进行灰度融合,同样可以获得良好的融合效果。     

基于人眼感知特性的彩色图像水印技术研究

结合人眼对比度敏感视觉特性和图像变换域特征,提出了一种新的人眼感知图像误差阈值的计算方法;结合计算的阈值,提出了一种新的彩色图像水印方案,并进行了仿真实验和攻击测试;实验结果表明,含水印图像经攻击后提取的水印信息仍清晰可见,其相似度值在压缩质量因子为50%的压缩攻击下仍能达到0.7371以上,表明提出的水印方案具有较好的透明性和较高的鲁棒性;并且在水印嵌入和提取过程中将原始彩色图像变换到与设备无关的CIELAB颜色空间,从而更好的提高了水印的鲁棒性。综合结果表明提出的水印方案是一种行之有效的水印嵌入和提取方案。     

Fresnel hologram reconstruction of complex three-dimensional object based on compressive sensing

Reconstruction the computer generated Fresnel hologram of complex 3D object based on compressive sensing （CS） is presented. The hologram is synthesized from a color image and the depth map of the 3D object. With the depth map, the intensity of the color image can be divided into multiple slices, which satisfy the condition of the sparsity of CS. Thus, the hologram can be reconstructed at different distances with corresponding scene focused using the CS method. The quality of the recovered images can be greatly improved compared with that from the back-propagation method. What＇s more, with the sub-sampled hologram, the image can be ideally reconstructed by the CS method, which can reduce the data-rate for transmission or storage.     

基于谱分解的模糊C均值算法在彩色图像分割中的应用

针对模糊C均值聚类算法对初始值敏感、易陷入局部最优以及谱聚类算法无法处理样本量过大的问题,提出了一种将模糊C均值聚类算法与谱聚类算法相结合的模糊谱聚类算法应用于彩色图像分割。大致分为三步,第一步对图像进行预处理,将颜色空间由RGB空间转换为Lab空间;第二步对特征空间进行冗余模糊C均值聚类算法得到冗余类;第三步由冗余类的隶属度矩阵和聚类中心矩阵得到冗余类的特征空间,并根据贴进度和传递闭包将该特征空间转换为冗余类的相似度矩阵进行谱聚类,完成冗余类的合并。实验结果表明,与模糊C均值聚类算法相比,模糊谱聚类算法对于初始值敏感问题、易陷入局部最优以及只能识别团状的蔟得到了很好的解决,从而使彩色图像分割结果更加合理。