一种彩色图像质量评价方法

人眼视觉系统对图像的结构信息高度敏感,且与色彩信息密切相关.但是基于结构相似性图像质量评价方法大多是在不考虑颜色的情况下实现的,为此提出了一种新的图像质量评价方法.首先根据人眼视觉系统特性提取彩色图像的亮度、色调和饱和度,将亮度分量与Scharr算子进行卷积,提取图像亮度通道的边缘特征得到亮度变化强烈部分的边缘特征,同时将色调和饱和度作为色彩特征进行处理;其次提取图像灰度化后的边缘特征以得到亮度变化缓慢部分的边缘特征;最后融合以上特征建立彩色图像质量评价模型.在LIVE数据库上进行的对比实验表明:和其他被广泛采用的图像质量评价算法相比,该算法评价结果总体上与主观评价结果具有更高的一致性.     

基于小波分解的统计特征哈希

为了提高图像的拷贝检测效率和识别性能,提出一种基于小波分解的统计特征哈希.对图像预处理后通过三级小波分解提取图像的近似图像,再提取第3次小波分解所得近似图像的行与列的统计特征;将行与列统计特征的L2距离作为图像的不变特征,并将所有不变特征联合作为图像的最终哈希.实验结果表明,所提出的哈希算法的拷贝检测识别性能较好,效率较高.     

一种基于离散小波变换的数字水印技术

针对图像软件对宿主图像进行JPEG有损压缩、缩放、锐化等常见编辑操作会对嵌入的数字水印造成无意攻击,导致水印信息提取困难的问题,提出一种的基于离散小波变换技术的改进数字水印技术.首先考虑到JPEG标准压缩算法对亮度分量全保留的原理,选择宿主的亮度分量嵌入数字水印信息,以增强鲁棒性;然后根据人类视觉系统原理：人类对45°角分量最不敏感的原理选择YUV颜色模型中的Y分量的二级小波分解的对角区域cD2作为水印嵌入区;并在算法中通过控制嵌入信息强度满足了水印的隐蔽性.最终的实验结果表明该算法对JPEG有损压缩具有很强的鲁棒性,并对缩放、锐化、模糊和旋转等几种常见图像处理造成的无意攻击具有一定的鲁棒性.     

实时图像识别算法在移动设备中的应用研究

移动设备能在多种环境中进行信息采集和图像处理作业,具有广泛的用途.由于受体积和重量的限制,移动设备对图像的实时处理能力不强,设计并优化相应的算法是解决该问题的有效途径.文章提出了一种实时图像识别算法,利用BRISK检测算法、FREAK描述算法、Sobel目标提取算子和BP神经网络分析并提取图像中的目标信息.在智能手机上的测试表明,该算法可以根据颜色和形状特征分割识别交通图像中的4种目标类型.单幅图像处理耗时约为0. 3s,达到了实时识别的要求,能够应用于车辆的智能导航和辅助驾驶.     

一种基于遗传算法和BP网络的鲁棒图像哈希方法

提出一种用于图像内容认证的基于遗传算法和BP网络（GA-BP）的鲁棒图像哈希方法。运用提升小波变换（lifting wavelet transform,LWT）得到图像的低频分量,对低频分量进行离散傅里叶变换（discrete Fourier transform,DFT）提取幅度和相位信息以建立图像的特征矩阵,利用构建的GA-BP模型,生成鲁棒的图像哈希序列并用于图像内容的篡改认证。实验结果表明,相比于同类方法,所提出的图像哈希认证方法对随机攻击、旋转、JPEG压缩,加性高斯噪声等具有较好的鲁棒性和区分性。     

基于图像分类的鲁棒无载体信息隐藏

针对传统信息隐藏方法须通过修改载体以嵌入秘密信息所带来的安全性问题,提出一种基于图像分类与尺度不变特征转换(scale-invariant feature transform,SIFT)提取无载体信息隐藏的方法。首先通过快速区域卷积神经网络将原始图像库进行分类处理,生成不同种类的子图像库;然后利用图像SIFT特征点的方向信息设计一个感知鲁棒的哈希方案,并使用该方案计算出每个子图像库中图像的哈希值,将所有子图像库中的图像全部映射成相应的二进制哈希值;最后将秘密信息分割成若干个片段,通过对比秘密信息片段与所有的图像二进制哈希值,从子图像库中检索出与秘密信息片段相符的图像,将其作为含密图像传送给接收方,完成信息隐藏过程。接收方接收到全部含密图像后,根据约定的哈希方案提取秘密信息。实验结果和分析表明,该方法对JPEG压缩、高斯噪声、椒盐噪声、图像缩放等攻击具有较强的鲁棒性,且隐藏容量较高。     

基于代表色特征的图像检索

基于内容的图像检索（CBIR，Content-based Image Retrieval)在多媒体检索中得到越来越多的重视，本文提出了一种基于图像颜色特征的图像检索方法，在经过变形的HSL颜色模型空间，通过适当的聚类分析算法提取出能够代表图像颜色特征的代表色集，并引入代表色的分布特征和纹理特征，作为图像的特征矢量进行匹配检索，在试验中本方法取得了较好的试验结果。     

一种RGB分块压缩感知的图像水印算法

根据压缩感知理论的计算保密特性,提出一种基于内容特征与压缩测量值的图像水印新算法.首先,对图像进行分块处理,获取分块RGB三个颜色层上的DCT变换系数.然后,对DCT中低频系数采用压缩感知测量提取图像内容特征,生成基于内容的数字水印.最后,利用精细化稀疏自适应匹配追踪信号重构算法,分多次把数字水印嵌入到分块颜色层的高频DCT系数的压缩测量值中,增强了水印鲁棒性.通过对提取的水印进行比对及差错控制,实现图像篡改检测.仿真实验表明,算法对图像篡改具有精确的检测能力.     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法.该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作.考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像...     

LLE方法在图像检索中的应用

在基于内容的图像检索中,图像特征的维数往往随着图像特征描述的详尽而剧烈的增加,在建立图像库时高维特征的存储空间度以及度量图像之间相似性的运算复杂度都将非常高.采取一个颜色均匀性谓词对图像进行多层分解来提取图像的颜色特征,在此基础上与LLE算法相结合对图像的高维特征进行降维.实验表明,该相关算法具有较好的性能.     

基于纹理特征分类与合成的鲁棒无载体信息隐藏

针对图像无载体信息隐藏算法嵌入容量与鲁棒性无法很好兼顾的问题,提出了一种基于纹理特征分类与合成的鲁棒无载体信息隐藏算法,使用空间金字塔算法提取纹理图像特征,通过监督式分类训练得到分类模型,同一类别下的不同图像块,利用位置信息进行区分,根据图像块分类和位置信息的不同构建映射字典,传递秘密信息;发送方依据秘密信息选择图像块并根据公共密钥将所有图像块组合为一幅大尺寸图像,通过可逆形变生成复杂的纹理图像并发送给接收方;接收方根据密钥将纹理图像恢复为图像块,利用分类模型识别图像块所属分类并确定位置信息,对照映射字典提取秘密信息.实验和分析表明该算法对JPEG压缩、高斯噪声、椒盐噪声等攻击具有较好的鲁棒性,同时嵌入容量可随图像类别的增加得到提高.     

利用通道间相关性的CFA图像盲取证

数码相机大多采用单传感器通过颜色滤波阵列（color filter array, CFA）插值获取彩色图像. 为此, 利用通道间CFA 插值引入的频谱相关性鉴别图像真实性. 分析插值图像与自然图像的频谱差异,基于绿-红分量频谱差的高频区域提取取证特征;对待鉴定图像重新插值,根据重插值前后的取证特征变化检测图像篡改. 实验结果表明,该方法可以定位图像篡改且对JPEG 压缩有较强的鲁棒性.     

基于单幅雾天图像的改进迭代白平衡算法

针对雾天环境下户外系统拍摄的图像呈现颜色失真、饱和度低、整体偏雾色表现等问题，在几种白平衡算法基础上，提出一种改进的迭代白平衡算法．对图像进行直方图拉伸变换扩展动态范围，将图像从RGB空间转化到YCbCr空间，根据亮度值特征筛选白色参考点进行颜色校正，以输入图像和输出图像直方图的余弦相似度作为终止条件，完成对白平衡迭代处理．实验结果表明，该算法可以有效地改善雾天图像色偏现象和颜色视觉效果．     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

HOG结合随机森林的新型手势识别框架

针对现有手势识别方法在复杂环境中识别率较低的问题,提出了一种HOG与随机森林结合的新型手势识别框架.首先对输入视频进行帧差分处理,使用n帧累积差分来确定具有最大强度的区域.通过识别感兴趣区域(ROI)来提取动作信息.然后提取梯度方向直方图(HOG)作为特征.最后将提取的特征反馈到基于随机森林的分类器以用于手势识别.使用Jochen Triesch静态手势库作为提出算法的评测标准.实验结果表明,提出的新型手势识别框架取得了良好的识别精度.     

基于线性方向特征的高分辨率遥感图像道路提取研究

当前高分辨率遥感图像自动识别技术的关键就是图像的特征提取。针对传统道路提取自动化程度较低,提取精度不高等问题,提出一种基于线性方向特征的道路自动提取算法。首先,利用图像光谱特征进行图像预处理;其次,运用傅里叶变换在频率域上进行Gabor滤波,通过优化滤波器的尺度、频率和方向参数达到识别道路线性方向特征的目的;再次,通过图像二值化并采用形态学的图像后处理方法提纯道路。以南京主城区QuickBird遥感影像为实验数据,选取3块具有典型特征的区域完成道路提取。研究结果表明3块区域道路提取的平均精度达到95.67%,合理地验证了该算法对于高分辨率遥感图像复杂的城市道路提取具有一定的可靠性。     

一种基于自适应高提升滤波的遥感影像的阴影处理方法

利用遥感影像的颜色特性,基于亮度的阈值检测方法,将阴影区和光照区进行分割;通过高提升滤波方法对阴影区域进行补偿处理.实验证明,对分割出的遥感影像的阴影区域进行补偿处理后,区域内形状信息更加明显.经如上方法预处理后,明显提高了遥感图像超块分割的精确度,进而提高目标物体提取的精度.     

基于QPCA的彩色图像复制粘贴检测

目前,大多数图像取证方法对彩色图像的处理是将其转换为灰度图像,从而导致了彩色图像的颜色信息不能被有效且充分地利用.针对此问题提出一种基于四元数主成分分析(quaternion principal component analysis, QPCA)的复制粘贴篡改检测方法.该方法充分利用了彩色图像的各个颜色通道及它们之间的相关性,能够有效提高篡改区域的识别度.运用基于图像块的检测方法,首先将图像分块后对所有块进行QPCA计算以提取特征,然后用字典排序获取相似块的移位向量,最后根据移位向量频数与阈值的比较确定篡改区域.实验结果表明,所提方法的误检漏检率低于现有方法,检测准确率有较大提高.     

基于模糊集理论的图像增强算法

红外图像具有整体亮度偏暗、对比度较低、目标与背景区分不明显的特点。因此,在对红外图像进行分析之前,必须先对图像质量进行改善。传统的基于模糊集理论的Pal.King算法,在增强红外图像对比度的同时,丢失部分细节信息。在分析这一问题产生原因的基础上,结合图像反色和多分辨率图像融合等理论,提出了一种新的基于模糊集理论的图像增强算法,新的算法不仅能够提高红外图像的对比度,而且能很好的突出图像中不同层次的灰度信息和边缘信息,最重要是它能保持原始图像的细节信息。     

基于OSPA距离和特征点采样的路标识别算法

提出了一种基于最优次模式(OSPA)距离的路标识别算法.算法引入Markov随机场建立噪声的待检图像,然后采用条件迭代算法(ICM)恢复图像,进一步提取路标边缘点.这些边缘点作为特征点;该特征点看作为待检特征点集,计算其和标准路标库图像之间的OSPA的距离,以此来识别待检路标.分析表明,该算法对于路标的形态识别具有明显的优势,最后分析了图像尺寸大小、特征点数量对OSPA距离的影响.