基于有限域上向量空间的压缩感知矩阵的构造

基于有限域上的向量空间,构造新的压缩感知矩阵,计算其相关参数,将其与DeVore构造的基于有限域上多项式的压缩感知矩阵进行对比,证明当满足一定条件时,基于有限域上向量空间构造的压缩感知矩阵的信号恢复性能优于DeVore所构造的矩阵。数值仿真说明,构造的矩阵在恢复信号能力方面优于高斯随机矩阵和DeVore构造的矩阵。     

基于颜色聚类的JPEG图像索引与检索

针对JPEG压缩图像,根据感知相似性,提出一种基于颜色聚类带相关反馈的快速压缩域索引和检索方法.该方法直接在YCbCr空间上进行,可提高图像特征提取的速度、节省存储空间.实验结果证明了本方法的有效性.     

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.     

压缩感知稀疏识别用于多视角图像目标分类

针对多视角条件下的图像目标分类问题,提出一种基于压缩感知特征的稀疏识别方法. 该方法以原始图像的感知数据为特征描述,将测试样本与训练样本集的压缩感知特征纳入稀疏识别的框架,并通过求解一个l1范数优化问题来获取分类结果. 实验表明,该方法不仅有效利用了压缩感知特征的信息冗余性来保证稀疏识别的性能,而且无需进行预处理就能较好地实现多视角图像的目标分类.     

高光谱图像分块压缩感知采样及谱间预测重构

压缩感知理论提供了一种新的数据采集思路. 基于该理论提出了一种高光谱数据采集和图像重构方法,以波段分组的方式将高光谱各波段分为参考波段和普通波段,对各波段图像单独采用分块压缩感知测量以获取高光谱数据. 在图像重构过程中,参考波段采用平滑投影Landweber算法重构. 对于普通波段,结合谱间预测和平滑投影Landweber提出了一种新算法: 先采用谱间双向预测得到预测图像,然后对预测图像进行分块压缩感知测量获得测量值,并计算它与该波段原测量值之间的差值,再由测量差值重构预测差值来迭代恢复原波段图像. 该方法在数据重构过程中充分考虑了高光谱图像的谱间相关性和空间相关性,能提高图像重构精度. 实验结果表明,利用所提出的方法重构高光谱图像,其性能优于多向量压缩感知方法和分块压缩感知测量后直接对各波段图像单独重构的方法.     

运用压缩感知理论的图像稀疏表示与重建

讨论了压缩感知理论用于图像稀疏重建的基本流程. 采用正交匹配追踪重建算法和正交归一化的随机高斯测量矩阵,对离散余弦变换和离散小波变换两种稀疏表示算法进行分析比较,通过调节实验图像的分块大小和采样率大小、采样率和稀疏表示算法对重构效果和效率的影响. 在图像的稀疏表示方面,离散余弦变换整体上比离散小波变换性能更好. 为了在重构效果与效率之间取得平衡,需要合理选择分块大小和采样率.     

基于压缩感知和稀疏优化的数学实验案例设计

将在信息论、图像处理、地球科学、光学成像、模式识别、无线通信、大气、地质等领域受到高度关注的压缩感知和稀疏优化引入数学实验课程.设计难度适中的实验案例并利用Matlab语言编程实现,既实现了教学与科研资源共享,又介绍了Matlab优化工具箱求解线性规划问题的方法,拓宽了学生的视野,丰富了数学实验课程的教学内容.     

基于误差加权哈希的图像检索方法

图像检索技术旨在大规模图像库中准确、快速地检索与查询图像相似的图像。基于此,对误差加权哈希Error Weighted Hashing(EWH)快速近似最近邻搜索算法进行分析,并将其与Locality Sensitive Hashing(LSH)局部敏感哈希、Multi-Index Hashing(MIH)多索引哈希进行分析比较,然后基于误差加权哈希(EWH)算法构建图像检索系统,设计分段哈希索引的结构以及该系统所需要实现的功能模块。     

基于NSCT与压缩感知的红外影像融合

针对红外和可见光图像在融合过程中存在质量低下、信息缺失、边缘细节不突出等问题,提出一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)与稀疏表示的压缩感知图像融合重构算法.首先利用NSCT进行源图像分解,得到相应的高频子带和低频子带图像;然后针对高频子带部分,利...     

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。     

色彩恒常性在彩色图像增强中的应用

将Retinex算法应用于彩色图像增强中,在分析MSRCR算法构成的基础上,针对灰度假设(GW)带来的问题作出了改进.改进的算法基于图像自身的直方图,对参数进行自适应的选取.实验结果表明,改进后的算法使彩色图像在演色性(Rendering)方面有了较大的提高,更符合人眼视觉系统的感知特性.     

基于内容结构图的鲁棒图像哈希

为提高拷贝检测系统的鲁棒性和效率,提出一种鲁棒图像哈希算法. 用Gabor变换系数构建图像内容结构图,将它从笛卡尔坐标系变换到极坐标系进行归一化. 将归一化的结构子图加权,求得特征向量,最后通过量化得到二值哈希码. 基于Gabor系数的内容结构图有很强的鲁棒性和独特性,量化中采用的失真哈希码融合和双密钥进一步提升了算法的鲁棒性、独特性、紧凑性. 利用公开数据库分别对所提出的算法和多种代表性算法进行对比实验,比较对象包括非负矩阵分解哈希、形状上下文哈希、圆环分割与不变向量距离哈希. 实验表明,该算法在查准率和查全率方面均表现突出,匹配效率也有大幅提升,整体性能优于对比算法.     

遥感图像的预处理

由于时间、太阳光强及大气状态的变化，或者遥感器本身的不稳定性，致使获取不同遥感图像上的对比度及亮度值存在差异，因而有必要对多景相邻图像进行遥感数据的预处理过程，这有助于后期所需相关指数的一致性提取与准确评价．作者在ERDAS软件的支持下，经研究、对比，采用回归分析法进行大气辐射校正、自创多样本均值法进行辐射匹配，最后运用图像镶嵌技术达到完整、美观呈现研究范围的目的．文章从头至尾，系统表述了一整套针对多景相邻遥感图像前期预处理的方法过程，达到较好效果，值得借鉴．     

Photoshop软件环境下色彩管理系统在彩色图像印刷中的应用

彩色图像印刷复制过程中,色彩管理系统都在其间影响着色彩的变化。色彩管理系统影响彩色图像印刷关键的操作主要集中在印前处理编辑阶段。因此,从印前处理入手,对Photoshop在处理图像的各个过程的具体应用中探讨了色彩管理系统在彩色图像印刷中的应用。     

压缩感知雷达超分辨率成像

研究压缩感知理论在逆合成孔径雷达(inverse synthetic aperture radar, ISAR) 成像中的应用. 雷达发射方位稀疏的探测脉冲,对满足Nyquist 采样定理的雷达去斜回波数据进行稀疏采样,再利用压缩感知重构算法分别重构距离向和方位向的完整的目标特性回波信号. 为了得到高分辨的雷达ISAR 像,对重构的数据在距离向
和方位向分别进行超分辨率处理. 实际雷达数据和仿真数据表明ISAR 像的分辨率有较大提高,所给出的综合方法可以降低数据量,节省雷达的时间资源,具有良好的应用价值.     

应用二值图像信息隐藏技术实现彩色图像中的安全隐写

该文提出一种以彩色图像为载体的安全隐写方法,应用二值图像信息嵌入技术,将隐蔽信息隐藏在颜色分量的较高层位面中,可实现优良的隐蔽性和较大的嵌入量.所使用的二值图像数据隐藏方案包括一组完备的规则,能够准确判断边缘像素是否可承载嵌入数据,保证嵌入数据的无差错盲提取,并可引入密钥以增强安全性.实验表明,在彩色图像中数据嵌入量达到每像素1.5 bits时视觉不可察觉,峰值信噪比保持在40 dB以上,直方图无异常,并能抵御多种有效的隐写分析算法,兼顾了隐蔽信息容量和安全性.     

多粒度颜色特征在图像检索中的应用

将商空间粒度计算理论引入到了图像检索领域,提出了一种新的图像检索方法.首先针对彩色图像在不同粒度下的表现得到不同粒度下的颜色特征,获得不同的商空间,然后根据商空间粒度合成原理对已得到的商空间进行合成,进而以合成后的属性函数来完成图像检索.与采用单一颜色特征的图像检索方法相比,采用多粒度颜色特征的图像检索方法能够在更大程度上利用图像自身所提供的信息,实验结果验证了该方法的可行性和有效性.     

一种改进的K means聚类彩色图像分割方法

图像分割是从图像处理到图像分析的关键步骤.图像分割的目的是将图像分割为多个互不重叠且又各具特性的区域,主要应用于图像压缩、目标提取、模式识别等.以往的图像分割技术主要应用于灰度图像,随着计算机技术的进步,彩色图像分割逐渐受到关注.该文在前人对彩色图像分割问题的大量研究成果基础上,提出了一种将K-means聚类、蚁群算法以及分水岭算法相结合的分割方法.本方法有效的克服了聚类数目必须依据先验知识提前设定、最初的聚类中心是随机选取的、聚类的效果好坏依赖于距离判定公式的缺陷.     

结合图论Normalized Cut方法的彩色图像分割研究

归一化彩色图像分割中高斯核函数的参数选择直接影响到分割效果.为了寻找无参数的权值计算方法,提出将彩色图像中的像素点视为RGB空间的三维向量,使用向量的方向和幅值差异来衡量像素点的相似性,再使用Normalized Cut方法进行分割.实验结果表明,该方法能有效区分不同的颜色信息,计算复杂度不大,兼顾了算法的运算时间及分割效果,对不同的彩色图像均能得到准确的分割结果.