四进制小波变换与SVD相结合的水印算法

利用四进制小波变换的多频段特性和奇异值分解的稳定性以及临近像素的相似性,提出了四进制小波与奇异值分解SVD相结合的水印算法,实现了水印数据的嵌入.首先,宿主图像进行四进制小波变换;其次,对低频区域进行分块,计算各个分块的均值,并将这些均值存储在一个矩阵中,对此矩阵进行奇异值分解;最后,在分解所得矩阵中嵌入水印数据.该方法的水印提取不需要原始载体图像和原始水印图像.实验验证了该算法的不可见性,并对常见的攻击具有很强的鲁棒性.     

基于线型激光的钢板表面缺陷三维检测技术

提出将线型激光束垂直投射到钢板表面,通过面阵CCD摄像机采集激光线在钢板表面的图像来计算表面缺陷深度的三维检测方法.利用中点法对激光图像进行细化,并根据稳定点判别依据提取激光线形.采用分区标定方法对摄像机进行标定,由空间还原思想恢复激光线形的空间坐标.根据扫描投影的方法选择理想表面方向作为缺陷深度计算的基准,实现对缺陷深度信息的定量计算.通过对缺陷样品验证的结果表明,采用该方法得到的计算值与实际值非常接近.     

不同标定窗口条件下的连续焊接熔池振荡频率检测与分析

提出了一种利用激光视觉原理测量熔池振荡频率的方法.采用高速摄像机采集反映熔池表面振荡变化的图像,并设计图像处理方法以实现振荡频率的提取.为了研究标定窗口大小对熔池振荡频率的影响,提取了不同像素值下的熔池振荡频率,并分析了其对熔池表面振荡及内部金属流动的影响.结果表明:激光视觉测量方法能够精确检测熔池表面各个方向金属的振荡、流动情况;选取部分窗口标定,将会造成熔池振荡信息丢失而无法得到准确的熔池各个方向金属的振荡频率,因此,需将整个激光条纹所在图像区域全部标定.     

基于阈值邻域均值的医学超声图像去噪算法

针对含有高密度椒盐和高斯噪声的医学超声图像去噪中细节信息保留不够,图像较模糊问题,提出了一种阈值邻域均值算法。该方法首先通过阈值策略法对指定邻域内像素加权均值与其中任一像素灰度值大小进行比较判断,然后将大于阈值的像素剔除,而小的作为有用信息输出,最后运用该方法对含有高密度椒盐和高斯噪声的医学影像图像进行去噪实现设计。仿真实验表明,阈值邻域均值算法对胰腺超声图像的高密度椒盐和高斯噪声抑制力强,计算速度快,峰值信噪比大于单纯的中值和均值算法,去噪后的图像质量更佳。     

基于高斯混合密度模型的医学图像聚类方法

研究了医学图像的聚类问题,提出一种基于高斯混合密度模型的K-EM聚类算法,并将此算法用于人体腹部图像数据,实现肝、肾、脾等主要器官的分类.在算法中,随机选取腹部图像像素数据,用QAIC信息准则确定训练样本的最佳类别数;用K均值聚类算法得到混合模型的初始参数;用期望最大(EM)算法多次迭代建立腹部图像数据的混合密度模型;运用贝叶斯准则,将腹部图像所有像素值划分到混合模型中相应的模型分支,得到每个器官像素值划分的正确率与误判率.试验结果表明,新算法分类的平均正确率高于85%、误判率低于10%,优于K均值算法.     

CCD摄像机标定中角点亚像素定位方法

CCD摄像机的标定是实现光学三维轮廓测量技术的必要步骤,其标定精度在很大程度上取决于标定特征点的定位精度.在分析现有棋盘格角点像素级和亚像素级定位方法不足的基础上,提出了一种基于改进SV方法的棋盘格角点亚像素定位方法.首先,采用SV算子对角点进行像素级检测;其次,选取标定图像中以初定位角点坐标为中心的5×5像素区域,对其灰度值进行双线性插值;最后,计算插值图像的灰度质心,再根据插值放大倍数,将质心转换到亚像素坐标,实现了角点亚像素定位.实验结果表明,该方法可以获得亚像素级角点坐标,实现CCD摄像机的高精度标定,标定平均误差为0.108 mm.     

矢量量化及其硬件实现

介绍了矢量量化的基本原理。采用矢量量化方法对分辨率为512×512的数字图像进行了计算机模拟,使由原图像的8 bit/像素降到了0.5bit/像素,同时用硬件实现了矢量量化编码.在硬件实现中,其主要部件采用74S器件,用绝对值减法器作为失真运算器以及编码器.与计算机的数据交换采用DMA方式,大大降低了编码时间.完成一幅分辨率为512×512的数字图像的16:1压缩仅需9s时间。     

一种新的二值图像信息隐藏方法

随着数字媒体的普及,人们已经提出了许多在灰度图像和彩色图像中隐藏信息的方法,但是由于随意修改二值图像的像素值容易引起图像质量的明显下降,所以大多数在灰度图像和彩色图像中隐藏信息的方法不能直接应用到二值图像中.本文提出了一种在二值图像中进行信息隐藏的方法.该方法将二值图像分割成大小为2×2的图像块,利用图像块的奇偶性将一条二进制信息嵌入到黑白像素邻近的块中,嵌入1位信息平均修改0.5个像素,具有计算量小、嵌入信息量大、图像质量下降少、安全性高的优点.     

一种高精度CCD测试系统的非均匀性校正方法

针对高精度光电耦合器件(CCD)测试系统中像素的非均匀性给测试结果带来较大误差的问题,根据引起图像像素非均匀性噪声的特性,建立了对应的图像模型.采用自适应阈值分割算法将图像二值化分离出有效使用像素,并提出了一种采用两点线性方法对非均匀性像素进行校正的算法.仿真实验采用高速面阵CCD采集由激光器发射的圆形光斑图像,并通过计算图像光斑的中心坐标进行了验证.结果表明,该算法能够将图像的复杂背景与光斑分离,可校正其像素的非均匀性,稳定光斑的像素灰度值.在相同条件下连续采集图像,图像光斑的中心坐标稳定.     

一种鲁棒的无监督聚类图像分割算法

针对目前基于模糊C-均值聚类图像分割算法的噪声敏感问题, 提出一种基于无监督可能性聚类的自动加权图像分割算法. 该算法先应用均值漂移迭代确定可能性C-均值聚类算法的初始化中心, 利用可能性聚类的模式搜索性质自动确定聚类划分; 然后根据像素间灰度值关系进行图像加权, 通过将加权系数与像素噪声的可能性相关联, 降低噪声对图像分割的影响. 实验结果表明, 相对于基于模糊C-均值聚类的图像分割算法, 该算法不仅取得了较好的分割效果, 而且无监督分割时计算效率更高, 对噪声的鲁棒性更强.