一种新的图像灰度数字水印嵌入算法

提出了一种基于Haar小波变换的图像水印嵌入算法,通过利用各层小波系数间的特点,并通过对图像水印本身的信息选择构造了适用于所提算法的伪码水印,有效地增强了算法的隐蔽性与鲁棒性,从而即使在图像质量受到严重损害时仍能提取出足够信息,辨别出原图像水印的存在.     

一种改进的基于小波变换图像边缘检测算法

本文提出了一种改进的图像边缘检测算法。它基于小波变换的方法,可以使检测处理中图像边缘相互影响所造成的边缘混叠现象减少到很小。实验结果证实了该算法的可行性。     

一种基于SGNN网络的模糊图像融合算法

首先对现有的M-L算法提出了优化顺序和优化次数的改进;接着提出了对生成的SGNN网络先剪枝再一次优化的综合处理方法;然后对原有的基于SGNN和模糊理论的图像融合提出了两点改进:在原有的图像像素聚类后,加入了综合处理环节,使得图像像素聚类的效果更好;针对由于不同传感器获得的图像灰度特性的不一致导致的聚类后各类类中心的灰度值差别很大,甚至分类数目都不一致的问题,提出了改进的融合方法.仿真证明了所提的模糊融合方法的优越性.     

一种利用快速2D熵阈值算法的目标图像分割方法研究

目标图像分割是自动目标识别(ATR)的重要环节,其性能对ATR系统具有显著影响。本文利用二维(2D)熵阈值进行目标图像分割,提出一种快速2D熵阈值算法,大大缩短了处理时间,减少了所需存储空间。另外,为了进一步改善分割效果,采用中值—平滑滤波进行图像预处理。实验结果表明,本方法具有很好的分割效果。     

一种新的基于梯度信息的自适应平滑算法研究

为了弥补基于梯度信息的平滑技术难以滤除脉冲噪声的不足,借鉴中值滤波理论,提出了一种新的基于梯度信息的自适应平滑算法。实验结果表明,该算法不仅可以有效滤除各种慢变化及脉冲噪声,而且在滤噪的同时能锐化目标的边缘。其单次滤波效果较基于梯度信息的平滑技术有明显改进,而且只需3次滤波即可达到比较理想的平滑效果。     

一种新的基于小波变换的图像融合方法

提出了一种新的基于小波变换的多光谱与高分辨率图像融合方法。该方法通过强度因子有效地将高分辨率图像经小波分解的低频分量信息融合到多光谱图像经小波分解的低频分量中去 ,使得经过小波反变换的融合图像较大程度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率。给出了该方法的融合结果 ,并与小波变换法 (WT方法 )进行了比较 ,证明了该图像融合方法的正确性和有效性     

一种基于图像的雪景模拟算法

针对传统的天气模拟算法过程复杂的情况,提出了一种完全基于图像的雪景模拟算法.算法以一幅雪景参考图像和一幅目标图像作为输入,先通过雪色模型提取参考图像中的雪色区域;然后根据参考图像的数据,对目标图像进行数据调整和颜色传榆实现对目标图像的雪景模拟.实验结果表明算法能取得较好的模拟质量且速度快.     

一种基于通用DSP的快速余弦变换算法

在对传统快速DCT算法进行分析的基础上 ,充分考虑到通用DSP乘加速度相同等指令特点 ,并且结合DCT变换的性质 ,同时还考虑了对于通用DSP实现相当重要的存取操作的因素 ,提出了一种新的基于通用DSP的快速余弦变换 (FDCT)算法 ,以使总操作数最少。与传统快速DCT相比 ,速度有了明显的提高 ,并且易于实现。给出了该算法在数码相机中的实现结果     

一种自适应多目标跟踪算法

给多目标跟踪滤波器引入一个自适应比例因子,用该比例因子描述目标运动过程中的不可预测性或机动性。并结合实际情况,针对传统的数据关联算法的可行性规则(量测与目标一一对应)所存在的问题,提出量测与目标是多-多对应的新可行性规则。在此基础上,给出一种自适应多目标跟踪算法。仿真结果表明:自适应算法的跟踪性能优于非自适应算法的跟踪性能。利用该方法对多目标进行跟踪,可以达到很好的跟踪效果。     

一种基于小波变换的机动目标跟踪算法研究

小波变换是去噪的有力工具 ,它可以将由各种不同频率成分组成的信号分解到不同的频率区间上 ,有效地用于滤波。研究了一种基于多尺度分解的机动目标跟踪算法 ,该算法利用小波中的经典算法———Mallat算法对单一分辨率的测量数据进行多尺度分解 ,将分解得到的多分辨率测量数据用于目标状态更新。该算法是一种准实时最佳滤波算法。仿真结果表明 ,该算法具有良好的跟踪性能 ,且运算量不大。     

一种基于空频域特征的多传感器图像融合方法

提出了一种基于多分辨率小波分析和高斯 -马尔可夫随机场理论的边缘图像融合方法。在图像的多分辨率小波分析的基础上 ,基于高斯 -马尔可失随机场理论 ,在不同图像的对应区域 ,用回归分析的方法分别提取一组统计参数 ,这些参量表征了图像的局部结构特征 ,计算其相似性测度 ,最后由输入图像及其特征的相似性矩阵生成融合后的边缘图像。实验证明 ,这种融合方法具有较强的适应性和可靠性 ,即使在图像信噪比较低的情况下 ,也能取得较好的融合效果。     

基于小波变换的融合算法研究

目前许多关于图像融合算法的研究都在空域中进行,隐藏图像抗攻击的能力较差。采用了基于小波变换的图像融合技术,提出了基于小波变换的分块融合算法,使图像的鲁棒性得到很大的提高,尤其是抗JPEG压缩和抗噪声干扰的能力较强,算法可应用于数字图像的版权保护和信息隐藏领域。     

多分辨数据融合技术

本文研究了多分辨数据融合算法,设计了双正交小波及对应的ＦＩＲ滤波器。在多分辨数据融合算法中,利用小波变换连接不同分辨率的数据,以便充分利用多分辨率数据中的互补信息。仿真结果表明,多分辨数据融合算法优于传统的数据融合算法。     

基于小波变换的分形图像压缩编码方法

为了弥补分形编码在高压缩比时重建图像质量较差及匹配搜索量大的不足 ,基于小波图像的分形特征及系数的统计分布特性 ,定义了灰度变换和能量阈值系数 ,提出了基于小波变换的分形图像压缩编码方法 (FICC-WT)。对小波分解后的低频子图像进行灰度变换 ,然后进行自适应四叉树分割的分形编码 ;对差值图像及其它子图基于定义的能量系数进行自适应阈值取样的熵编码 ,并讨论了灰度变换参数对重建图像的影响。实验证明 ,所提方法减小了匹配探索量 ,而压缩比和峰值信噪比 (PSNR)有明显改善。     

基于小波变换及傅里叶描述子的图像检索

分析并设计了具有不随目标的平移、旋转和尺度变换以及边界的起点变化而变化的傅里叶描述子。把小波变换的多尺度边缘检测算法及傅里叶描述子应用于基于内容的图像检索。实验结果表明 ,这种方法对于有背景噪声和旋转、平移及尺度变换后的同一类图像的检索率是很高的     

多聚焦图像融合中最佳小波分解层数的选取

小波变换作为一种十分有效的信号处理方法已被应用于多聚焦图像融合系统中。但其中需要解决的一个问题是最佳小波分解层数的选取。通过大量的实验 ,总结出基于小波分解子图像面积比和低频带均方根误差两个标准来确定最佳小波分解层数的方法。实验结果表明 ,无论是依据均方根误差、灰度平均误差、熵、空间频率等客观评价标准 ,还是视觉的主观评价 ,所提出的选取方法都是有效可行的     

基于小波变换和SVM的图像压缩仿真研究

为了在较高的压缩比上获得很好的压缩性能,提出了一种基于小波变换和支持向量机(SVM)的图像压缩方法。压缩过程分三个步骤:首先对图像进行四级提升小波变换,这里采用提升格式是因为它比采用传统的Mallat算法的计算速度快;其次对变换后的小波系数用SPIHT的继承树进行重新排序;然后用回归支持向量机提取支持向量;最后对压缩后的数据进行算术编码。图像的解压缩过程是上面4个步骤的逆过程。实验结果表明,所提出的方法与常用的JPEG2000相比,当压缩比较高时有很好的性能。     

基于小波变换和模糊数学的图像融合算法研究

提出了一种基于模糊数学的图像数据融合算法.作者针对可见光图像和红外图像融合的问题,分析了像素级融合的新方案,提出了基于多级小波分解的和模糊数学的融合算法.该算法首先衡量了两幅图像在小波变换域的相关性,并利用相关性的大小来计算模糊隶属度函数,最终通过对可见光图像和红外图像的加权平均完成像素级的融合.在本文的实验部分,作者针对两幅现场采集的实际数据验证了算法的有效性.