肋骨皮质纹理特征提取分类算法设计

肋骨的皮质纹理特征是判断骨折的重要依据.提出了肋骨皮质纹理特征提取与分类算法,利用Canny算子图像进行预处理,利用Gabor小波实现纹理特征提取,利用KPCA完成降维和分类.实验结果表明,该算法得到的肋骨纹理特征提取与分类,提高了肋骨骨折的诊断率.     

基于样本扩展和线性子空间特征提取的单样本人脸识别

针对单训练样本情况下的人脸识别问题,提出一种虚拟样本扩展方法. 利用光照模板映射将单一样本扩展为一组虚拟样本,从而增强单训练样本的分类信息. 采用主成分分析（principal component analysis, PCA）对扩展的虚拟样本进行降维,并用Fisher 鉴别变换作二次特征抽取,然后用最近邻分类器识别人脸图像. 所提方法在人脸图像库Yale B 和Extended Yale B 上进行试验,用PCA+LDA 方法把扩展图像作为训练集对测试图像进行特征提取和识别. 相对于以单样本图像为训练集的PCA 特征提取,该方法显著提高了识别率.     

一种有效的结构纹理区分方法

提出了一种检索纹理图像的算法.由于纹理图像具有的多样性,处理不同的纹理图像应当采用不同的处理方法.比如,针对结构纹理图像使用小波的方法更为适合,而针对具有随机纹理的图像使用马尔科夫模型效果就更好.因此,在处理图像之前对其按照纹理的情况进行分类合并,就可以有针对性的处理各种纹理图像.我们提出的区分纹理图像的方法基于二值傅里叶谱,首先将纹理库中的图像按结构纹理和随机纹理划分,然后采用多方向小波contourlet提取图像特征来检索图像.实验表明,这种区分算法,可实质性地提高检索率.     

基于改进二阶振荡粒子群优化的 置信规则库推理方法

现有基于置信规则库(belief rule base, BRB)的推理方法的精度和效率受到系统参数设置以及规则库结构复杂度的影响为了寻找到最佳的参数值和最优的规则库结构，本文基于粒子群(particle swarm optimization, PSO)算法进行改进拓展，进而提出一种新的置信规则推理方法针对粒子群算法易早熟收敛和陷入局部最优解等问题，引入二阶振荡环节和自适应随机惯性权重来改进算法，并采用互不相同的参数取值来调节粒子群算法的全局和局部搜索能力在实验分析中，将该文方法应用于多极值函数拟合和输油管道检漏问题仿真实验，以收敛误差、收敛时间作为衡量指标，与其他传统方法进行了对比.实验结果表明，该文方法具有更好的推理效率和精度     

Curvelet变换用于人脸特征提取与识别

针对小波变换用于人脸识别时难以充分描述人脸曲线特征的问题,提出用Curvelet变换进行人脸特征提取与识别的新方法. 将人脸图像进行Curvelet变换,提取进一步压缩的低频系数和高频各子带的Curvelet能量特征为人脸特征向量,并采用支持向量机进行特征分类与识别. 以Orl和Yale人脸库进行测试,结果表明,该方法相比小波变换法识别效果更佳,且对光照、姿态和表情变化具有良好的鲁棒性.     

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.     

一种基于BEMD的纹理图像分类改进方法

提出了一种基于二维经验模式分解(BEMD)的纹理图像分类改进方法。采用BEMD算法将纹理图像分解为两层二维固有模态函数(IMF)和一个余量之和,结合灰度共生矩阵(GL-CM)对这两层IMF各提取5个纹理特征参数,组成一个扩展的10维特征向量,然后根据扩展的特征向量,采用最小距离分类器(MDC)进行纹理图像分类。仿真结果证明了该方法进行纹理图像分类的有效性。     

融合全局和局部特征的稀疏表示人脸识别方法

针对人脸识别中如何提取到有效判别特征的问题,提出一种融合人脸图像全局和局部特征的稀疏表示人脸识别方法。首先将人脸图像用融合的特征提取算法进行特征降维,然后利用稀疏表示分类器对人脸图像进行分类判别。在ORL、Yale和FERET人脸数据库上的实验结果验证了融合算法在提高人脸识别精度方面是有效的。     

k均值聚类的混合异构图像隐写分析

提出了一种基于k均值聚类的混合异构图像隐写分析算法. 在训练阶段,根据图像纹理复杂度对图像库
进行聚类,并针对每一类图像训练相应的分类器. 在测试阶段,根据测试图像的纹理复杂度对其进行类别判断,然
后送至相应类别的分类器中进行隐写检测,从而减弱了失配状态对现有隐写分析算法造成的影响. 实验结果表明,
该算法较好地提高了现有隐写分析算法的检测精度.     

小波变换在彩色图像检索中的应用

传统的直方图检索技术计算量大,检索时间长,而小波变换在图像检索率并不能满足真颜色图像的直观效果的要求,因此,提出逐步缩小检索范围的方法,结合颜色特征和纹理特征,先截取图像中心位置的矩形区域,利用各个等级颜色的使用率,把图像进行分类,找到与查询图像最接近的子图像库,然后在子库中的各个图像进行小波变换,提取特征,进行检索,实验表明,该方法能有效缩短检索时间,提高了检索率。     

基于孪生网络的无人机遥感图像拼接

无人机(Unmanned aerial vehicle, UAV)遥感图像拼接是指将两幅或多幅具有相似场景内容的高分辨率无人机遥感图像拼接为一幅包含更多信息的大视野图像，在军事和地理测绘等领域得到了广泛应用。传统算法通常依赖于手工特征，无法有效地提取弱纹理图像的特征。若图像之间视差较大时，会导致拼接无法进行。为了解决上述问题，基于计算机视觉组(Visual Geometry Group-16, VGG-16)网络结合孪生网络框架提出了一种用于无人机遥感图像拼接的有监督模型。基于VGG-16网络设计了权值共享的孪生特征提取网络，解决特征提取不充分的问题。设计了能够回归图像之间空间变换关系的回归网络，并使用分组卷积代替普通卷积以提升网络速度。同时，为了解决将图像之间真实变换关系作为标签的图像拼接数据集难以获取的问题，基于一定程度的仿射变换，构建了自己的数据集。实验结果表明，本方法在无人机遥感图像拼接的主观视觉效果以及客观评价指标上均有较好的结果，与ORB算法(Oriented FAST and rotated BRIEF, ORB)和CAU-DHE算法(Content-aware unsu...     

降低特征类内离散度的JPEG图像隐写分析

图像内容特征差异使得载体、载密图像的隐写检测特征混淆在一起而难以区分,这导致图像隐写分析成了一个"类内分散、类间聚合"的分类问题.针对此问题,从降低因图像内容、处理手段等造成的隐写检测特征类内离散度的角度出发,提出了一种更加可靠的隐写检测模型.依据内容复杂度将待检测图像分类,分别提取具有相同内容复杂度的每一类图像的隐写检测特征和训练分类器,得到最终检测结果.数据分析和实验结果表明:基于图像分类的隐写分析方法能够有效提高检测性能.     

基于特征提取的调制识别方法研究

基于特征提取的调制识别是通过分析信号在时域、频域或其他变换域的差异来提取信号的特征并对信号进行识别分类.针对调制信号载有信息的特点,从信号的瞬变信息、缓变信息以及提取方式等方面对特征提取方法进行研究,并对一些经典的信号特征以及基于时频分析的特征进行了分析,最后研究了两种分类器(神经网络和基于支持向量机)在基于特征提取的调制识别领域的应用.     

综合灰度与LBP纹理特征的高分三号卫星SAR图像建筑区提取方法研究

高分三号卫得是我国首颗分辨率达到1 m的C频段多极化合成孔径雷达(SAR)卫星,它能够提供丰富的对地观测信息,在建筑区的提取工作中可以发挥重要的作用。LBP算子是一种运算简单、易于实现的纹理提取方法,在医学、计算机图像识别等领域得到了广泛的应用。根据SAR图像的建筑区纹理特征较其他地物更为特殊的特点,提出了一种综合利用灰度与LBP纹理特征的高分三号卫星SAR图像建筑区提取的方法。首先对数据进行预处理并获取Span强度图像,然后利用lBP算子提取图像的纹理特征;将经过尺度变换后的Span图像和得到的纹理特征进行波段组合,利用K均值聚类算法对组合后的图像进行非监督分类;最后通过分类后处理获得建筑覆盖区域。以高分三号卫星QPSI影像和Radarsat-2全极化影像为数据源进行了实验,结果表明该方法能够有效提取图像中的建筑区,效果明显优于无纹理特征参与的方法。     

基于DWT和随机森林的运动自动分类方法

为了对运动员训练过程中的运动进行自动分类,以可穿戴式惯性传感器采集的信息为基础,提出了一种基于离散小波变换(DWT)和随机森林分类器的分类方法 .首先,通过佩戴于身体特定部位的微型加速度计和陀螺仪,采集速度和角度信息,从而估计出运动员的膝关节和髋关节的运动角度.然后,通过DWT从关节角度信息中提取特征.接着,利用提取的特征集来训练随机森林分类器,以此实现运动的自动分类.实验结果表明,该方法能够有效分类出多类运动,具有较高的分类精度.     

应用二维混合变换的脂肪肝超声波图像特征提取

采用一种二维混合变换—二维离散傅里叶离散小波混合变换（2-DDFT-DWT）,去除与脂肪肝散射粒子混迭的噪声,进而提取脂肪肝散射粒子。该算法从水平方向对超声波图像用DFT进行滤波处理,从垂直方向对超声波图像进行DWT尺度纹理信息提取处理。并给出了水平方向的偏DFT的正变换与反变换的定义与算法,及垂直方向的偏DWT的定义与算法。通过实例说明了脂肪肝超声波图像特征提取算法的应用,给出了与二维离散傅里叶变换及二维离散小波变换算法提取脂肪肝散射粒子纹理的比较结果。     

基于人体关键部位的不良图像过滤

肤色过滤不良图像的方法对于皮肤裸露较多但不含关键部位或类肤色区域较多的图像容易产生误检,为此设计了一种基于人体关键部位的不良图像过滤系统. 首先提取人体关键部位灰度分布的Haar-like特征,采用Adaboost学习算法训练得到人体关键部位分类器;然后通过此分类器得到人体关键部位候选区域,提取其梯度
直方图特征、基于灰度共生矩阵的纹理特征和基于颜色矩的颜色特征,使用支持向量机(support vector machine,SVM)进行训练;最后将训练得到的SVM分类器二次过滤人体关键部位,以提高系统整体的精度. 实验结果表明,该系统能准确地检测出人体关键部位,有效地降低不良图像的误检率.     

基于图像块分类阈值优化的改进可逆图像伪装

为了提高数字图像伪装中生成的伪装图像的视觉质量,提出一种基于图像块分类阈值优化的可逆图像伪装方案.根据统计特征对原始图像子块和目标图像子块进行分类,通过优化分类阈值使得生成伪装图像和目标图像的均方差最小,然后进行相应类内图像块匹配、块线性变换、块旋转和翻转校正,最终使原始图像伪装成目标图像.采用可逆信息隐藏的算法将恢复原图所需的变换参数信息嵌入伪装图像,接收方提取辅助信息,从而实现原始图像的无损恢复.实验结果表明,该算法生成的伪装图像的视觉效果比未经阈值优化的伪装图像的效果更好.     

基于非下采样Contourlet变换的自适应医学图像融合算法

提出一种多模态医学图像融合算法.用非下采样contourlet变换(non-subsampled contourlet transform,NSCT)将已配准的源图像进行分解,得到低频子带和多层高频子带,然后在各子带中将NSCT系数进行融合.对于低频子带,根据其特性制定规则融合区域能量、互信息、信息熵;对于高频子带,则依据改进的拉普拉斯能量和融合规则,用遗传算法自动优化其待定参数.将融合后的高、低频子带进行NSCT逆变换即可得到融合图像.对灰度和彩色医学图像进行的实验表明,与其他方法相比,用该算法得到的融合图像包含更丰富的纹理信息,视觉效果较好.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.