融合C-V和GVF的测地线活动轮廓模型

对于有凹陷边界或弱边界的待分割目标,采用传统的测地线活动轮廓(GAC)模型无法进行准确的图像分割.为了解决这一问题,提出了一种融合C-V模型、GVF模型和GAC模型的图像分割算法.在该算法中,GAC模型的单位内法向量与GVF模型的梯度矢量流共同作用,促使轮廓曲线向目标的边界方向运动;而GAC模型单位内法向量与C-V模型的区域信息的力场共同作用,不仅促使轮廓曲线向目标的边界方向运动,而且使轮廓曲线稳定在目标的边界上.仿真实验证明了上述方法的有效性,同时还证明了该方法对轮廓曲线的初始位置具有较好的适应性.     

基于多描述编码和小波变换的数字图像水印算法

为保证数字图像水印的鲁棒性、安全性以及嵌入容量,结合加密技术与图像压缩编码技术,提出了一种基于多描述编码和小波变换的加密数字水印技术.该技术采用密钥1对需要隐藏的水印图像进行多描述编码,并将编码转换为格雷码,然后将宿主图像色彩分量变换为差值图像,最后在频域内采用密钥2进行小波变换,以交互块跳频的方式完成水印信息的嵌入.理论分析和仿真实验均表明,这种数字水印技术有较大的嵌入容量,同时对常见的图像处理操作具有较强的鲁棒性,能够提高水印的安全性及抗剪裁攻击性能.     

基于视觉感知的模糊C均值聚类算法

针对传统模糊C均值聚类算法对结构复杂图像分割效果不理想的问题,提出一种基于视觉感知的模糊C均值聚类算法.首先,在分析视皮层神经元感受野性质的基础上,建立视神经元细胞响应函数来计算图像的结构特征.其次,定义一种斜坡函数从仿生学的角度来模拟人眼对相对亮度变化的感知,用来计算图像中像素点与聚类中心点之间的差异.所提模型充分考虑了邻域刺激对中心神经元影响的方向性、位置相对性和周期性,比较精确地描述了图像的结构信息,有效地抑制了噪声和复杂纹理的干扰.实验结果表明,本文算法克服了传统模糊C均值聚类算法的缺点,实现了具有复杂背景图像的精确分割.