邻域编码二值图像跟踪的快速算法

讨论了如何通过快速实现８－邻域编码来解决快速完成３×３窗局部运算 的问题。给出了一个快速跟踪任意复杂图像边界的完全边界跟踪算法 （ＮＣＣＢＦ）；与经典的ＢＦ和ＣＣＴ边界跟踪算法相比，ＮＣＣＢＦ算法具有速度 快和适应性更强的优点；其独特边界标记方法补充和完善了ＮＣＢＦ算法。     

一种二值图像的快速细化算法

提出了一种适应于二值图像的快速细化算法，该算法利用边缘跟踪，根据边缘跟踪特点所设计的判断规则及单向链表结构存储边缘信息等技术，大大地加快了细化速度，而且占内存少，当仅需对目标模式进行细化处理时，该算法更为有效。     

一种非线性的分形图像压缩编码算法

针对经典的分形压缩编码字典相对较小这一不足之处,提出一个简单的非线性分形压缩算法,简化了Popeseu等提出的算法,用于解决压缩字典较小的问题·此外,还根据这个算法给出计算整数象素点灰度值的计算公式,可以快速地计算出整数点的灰度值·实验结果表明,这一新型的分形圆盘压缩算法简单可行,并具有良好的压缩结果和高质量的重建图像·和常规分形编码方法相比,该方法还具有较高的PSNR·     

一种适用于二值图像的数字水印算法

提出了一种根据像素的空间邻域特性在二值图像中嵌入数字水印的算法．由邻域内的平滑度和连通性计算像素的可非度，从而确定各种邻域组合的可嵌入优先级．为了均衡可嵌入水印像素的空间分布，对原始图像进行随机排列和分块后，在每一块中嵌入相同数量的水印．并根据随机排列的统计特性，自适应地确定可嵌入水印像素，以尽量减少对图像质量的损害．实验结果表明，嵌入的水印不易被察觉，而且是脆弱的，可以作为检测图像是否被改动过的一种有效手段．     

一种改进的二值化文字图像后处理算法

针对Yanowitz和Bruckstein的二值文字图像后处理算法存在的问题，提出了一种新的基于灰度期望值的后处理算法。实验结果表明，该算法能自动选取阈值、运算速度快、处理效果好，具有良好的噪声适应性。     

一种二值图像的快速细化算法

提出了一种适应于二值图像的快速细化算法，该算法利用边缘跟踪、根据边缘跟踪特点所设计的判断规则及单向链表结构存储边缘信息等技术，大大地加快了细化速度，而且占内存少，当仅需对目标模式进行细化处理时，该算法更为有效。     

一种改进的文本图像二值化算法

本文针对应用广泛Bersen二值化算法，结合其他改进算法提出了一种改进的文本图像二值化算法（称为Bersen--Improve算法，简写为Bersen—I算法）。Bersen--I算法不需要预先确定最大笔划宽度，并且改进了Bersen算法中的阈值选取方法，使得阈值的选择更为合理。此外，Bersen—I还具有较好的保持笔划的连通性及较强的抗干扰能力等优点。     

一种新的基于二值图像的边缘检测算法

边缘检测是数字图像处理中常用的一种技术,可以捕获图像中物体的重要特征.介绍了几种经典的边缘检测算子,提出了一种基于二值图像的边缘检测方法.该方法不用对图像求导,仅统计每个像素点的8邻域值的情况,即可确定该像素点是否为边缘点.实验表明,该方法用于二值图像时,检测效果较理想.     

一种基于轮廓线条的二值图像压缩算法

提出了一种基于图像轮廓线条的二值图像压缩算法,探讨了针对基本轮廓线条从有损到无损可变的压缩方法.实验结果表明:本算法在直线,特别是斜线段压缩上有着明显优势.如若考虑有损压缩,基本线条的压缩比要好于JBIG,并为纹理图像中特征线条描述提供一种可行方法.     

基于直方图对二值图像无损数据隐藏算法的改进

提出一种改进基于游程编码和直方图对二值无损数据隐藏算法的新方法.先对载体二值图像进行"与"操作或"异或"操作的预处理,再利用基于游程编码的直方图对的二值图像无损数据隐藏方法进行数据嵌入.实验表明,该方法在嵌入容量和视觉效果都优于改进前的方法.     

基于二值图像的手写体快速细化算法

针对查表算法模板数量多、匹配过程耗时长的缺点,分析手写体节点与周围像素邻点的相对位置,提出了一种手写体快速细化算法.该算法仅需要44个标记模板和15个优化模板即可实现对手写体二值图像的细化.实验结果表明,改进算法能够在有效降低算法复杂度的同时准确识别手写体的骨架.     

基于数字水印的二值文本图像认证算法

提出了一种用于二值文本图像认证的脆弱型数字水印算法,该算法利用混沌对初值的极端敏感性,由混沌系统产生基于图像内容的认证水印,通过修改像素块中可非度最大的像素点的颜色将认证水印嵌入到图像中.试验结果表明,该算法具有较好的不可见性及篡改定位能力,提取水印时不需要原始图像,是一种完全盲水印方案.     

一种改进的BP网络图象压缩方法

本文提出了一种改进的ＢＰ网络图象压缩方法．该方法对输入图象矢量进行分类，不同类别的图象矢量分别由不同的ＢＰ网络来实现压缩和恢复．因为同一类别图象矢量间离散度较小，所以可降低ＢＰ网络的映射复杂度，从而达到改善图象质量的目的．实验结果表明，这种改进能有效提高恢复图象的信噪比和视觉质量，对数据压缩比影响很小．     

二值图像边缘跟踪算法及其在掌纹识别中的应用

提出了一种具有抗噪性能的二值图像边缘跟踪算法,并将其应用在掌纹识别中．实验表明：新算法与传统算法相比,能够快速准确地检测出二值图像的整个边缘,同时能够较好地去除图像中的噪声和毛刺．     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于最大方差比的图像二值化算法

提出了一种基于最大方差比的图像二值化算法,该方法将图像分成两个类,当类问方差与类内方差的分离度最大时即为最佳阂值.实验表明,该方法能够准确而快速地对图像进行二值化,特别是当对象物和背景的灰度值的差具有一定大小的时候,效果更明显.     

基于内点保留的二值图像细化算法

提出一种基于内点保留的并行细化算法，与一般基于边缘点去除的细化算法比较，它具有运算速度快，程序简单，便于硬件实现，能够完整地保存图像的拓朴结构，所获得的骨架对称性好等优点。在ＩＩＳ图像处理系统上进行了初步实验，结果表明，所提出的二值图象细化方法为解决二值图像细化问题开辟了一条新途径。