基于多对非对称直方图修改的可逆信息隐藏

传统基于非对称直方图修改的图像可逆信息隐藏算法存在大量像素无效修改的问题。针对此问题,提出了一种基于多对非对称预测误差直方图修改的可逆信息隐藏方案。该方案结合了非对称直方图修改算法的优势和多直方图修改算法的特点,选择图像的平滑区域进行非对称直方图修改以嵌入信息。在达到发挥非对称直方图补偿还原效应的同时,能进一步减少像素的无效修改量,提高率失真性能。     

基于多对非对称直方图修改的可逆信息隐藏

传统基于非对称直方图修改的图像可逆信息隐藏算法存在大量像素无效修改的问题.针对此问题,提出了一种基于多对非对称预测误差直方图修改的可逆信息隐藏方案.该方案结合了非对称直方图修改算法的优势和多直方图修改算法的特点,选择图像的平滑区域进行非对称直方图修改以嵌入信息.在达到发挥非对称直方图补偿还原效应的同时,能进一步减少像素...     

基于色度直方图的颜色聚类算法

提取目标背景的主色是迷彩设计中的重要步骤,通常采用的颜色聚类算法具有监督性的缺陷. 为此,提出一种基于色度直方图的、无监督的颜色聚类算法. 该算法采用CIE 1931色度系统建立色度直方图,根据像素点在该坐标系的分布规律自动生成聚类中心. 逐一计算像素点与各聚类中心的色度的欧氏距离,将像素点与最近的聚类中心归于一类. 实验结果表明,采用该聚类算法能够准确提取主色,自动分割彩色图像,且比普通聚类算法的时间效率更优.     

基于时频图的跳频信号截获系统中的一种hop生成方法

针对基于时频图的跳频信号截获系统,提出了一种hop生成方法,对该方法的hop生成性能进行了分析,推导出一种计算单一真实hop对驻留时间直方图的平均贡献的有效算法(SAHADTA算法),并给出了数值计算结果.理论分析和数值计算表明,该方法在低信号检测概率条件下,仍具有较好的hop生成性能,这将为各种基于hop的聚类分析提供一个可靠的保证.     

基于人体关键部位的不良图像过滤

肤色过滤不良图像的方法对于皮肤裸露较多但不含关键部位或类肤色区域较多的图像容易产生误检,为此设计了一种基于人体关键部位的不良图像过滤系统. 首先提取人体关键部位灰度分布的Haar-like特征,采用Adaboost学习算法训练得到人体关键部位分类器;然后通过此分类器得到人体关键部位候选区域,提取其梯度
直方图特征、基于灰度共生矩阵的纹理特征和基于颜色矩的颜色特征,使用支持向量机(support vector machine,SVM)进行训练;最后将训练得到的SVM分类器二次过滤人体关键部位,以提高系统整体的精度. 实验结果表明,该系统能准确地检测出人体关键部位,有效地降低不良图像的误检率.     

基于直方图参数估计CFAR的SAS图像目标检测算法的研究

给出了一种合成孔径声纳图像目标检测的新算法,利用这类图像目标相对于杂波所占的像素数目比很小的特点,以图像的直方图为基础,与典型背景杂波分布的概率密度函数进行快速拟合,并采用最小均方误差准则来确定最终的杂波分布及参数.根据得到的参数进行恒虚警率检测,从而将目标从图像中提取出来.实践表明,本算法计算迅速,检测概率高,能够为...     

灰度图像的直方图均衡化处理分析

直方图均衡化对图像局部对比度进行调整时,采用增强亮度的途径在保证图像整体对比度的基础上,实现局部处理任务。本文主要阐述了直方图均衡化原理,详细论述了带可变增强度的直方图均衡算法、基于递归分解的直方图均衡算法、多直方图均衡算法、基于分频和融合的直方图均衡算法,以期深化对直方图均衡化的研究,充分发挥该处理技术的优势。     

改进的自适应区域分解FDTD在波导结构中的应用

摘要： 提出了一种改进的自适应区域分解时域有限差分(improved adaptive domain decomposition finite difference time domain, IADD-FDTD)算法. 这种算法通过对检测面上的电压值进行自适应边界检测,消除了检测面上电场值不稳定而带来的计算误差. 该算法还可得到更多的分区,提高了计算速度. 通过对多种不连续波导结构的应用分析,验证了这种算法的正确性和有效性.     

视频镜头分割与关键帧提取算法研究

为了解决关键帧提取算法性能因特征选取单一而受视频类型多样性限制等问题,提出了一种基于多特征的关键帧提取方法 .该方法在检测到的每个镜头内,采用颜色特征、小波统计特征和SIFT局部特征计算视频帧间综合相似度矩阵.然后采用一个改进的谱聚类算法将镜头帧分组,每一组的中心帧被选择作为关键帧,其中关键帧的数目通过计算聚类不稳定性的极小值进行估计.通过实验利用F1分数、保真度和镜头重构度等评估标准验证了该方法的有效性.     

基于单幅雾天图像的改进迭代白平衡算法

针对雾天环境下户外系统拍摄的图像呈现颜色失真、饱和度低、整体偏雾色表现等问题，在几种白平衡算法基础上，提出一种改进的迭代白平衡算法．对图像进行直方图拉伸变换扩展动态范围，将图像从RGB空间转化到YCbCr空间，根据亮度值特征筛选白色参考点进行颜色校正，以输入图像和输出图像直方图的余弦相似度作为终止条件，完成对白平衡迭代处理．实验结果表明，该算法可以有效地改善雾天图像色偏现象和颜色视觉效果．     

全身伽玛刀治疗过程自动化的解决方案

提出了一种基于靶点设计几何优化及治疗路径规划的一体化解决方案.该方案建立了几何优化靶点模型,采用遗传算法对模型进行优化,以获得靶点的最优配置;进而对治疗路径进行优化,以减少治疗床不必要的往复运动,提高治疗效率.当靶点数过多时,给出了一种分层优化方案,减少了治疗过程中的定位误差.模拟数据的实验结果表明,该自动化方案快速有效.     

图象分割算法的改进研究

针对传统基于图论的图象分割方法对噪声敏感以及计算复杂度大的问题,对传统算法进行了相应的改进,综合考虑像素的灰度信息和空间位置信息,计算权函数表达式时充分考虑到节点之间及节点与区域间的空间近邻关系.对比实验表明,该算法能够有效地从背景中把目标物体分割出来,并且当目标物和背景相近时,相比其他两种算法能够去除更多背景;该算法分割结果更接近于人眼视觉特征.     

一种面向不确定标签样本的K-近邻高效决策算法

基于案例的决策是一种直接依据过去的历史案例对当前案例进行分类或者指标预测的方法,K-近邻方法就是一种广泛应用的基于案例的决策模型。在K-近邻方法中,历史案例上需要有标签,而在现实应用中,标签本身有一定的不确定性.文章详细地讨论了现有的基于K-近邻的决策方法忽略了样本标签不确定性这一问题,并基于Dempster-Shafer证据理论对标签不确定性进行建模以改善预测的性能,在此基础上结合边界树模型提高模型的运行效率.文中介绍了边界树算法的作用与原理,对如何结合传统边界树算法与样本标签的不确定性对边界树算法的节点转移策略以及决策过程进行了优化.文章最后对边界树算法的计算规模与准确率做了详细的实验论证.结果表明,文中提出的方法一方面考虑了标签的不确定性,另一方面提高了传统的K-近邻模型的决策效率.     

利用边缘密度特征提取高分辨率遥感影像中的居民区

居民区相对于其他区域具有更明显更丰富的边缘特征. 根据这一特点,提出一种利用边缘密度特征差异
进行高分辨率遥感影像居民区自动提取的方法. 该方法首先利用Mean Shift 算法平滑原始影像,然后检测平滑影
像上的边缘并拟合成直线段,最后利用影像中的边缘密度分布构建空间投票矩阵,并结合Ostu 阈值分割方法提取
居民区. 实验表明：该方法可用于提取场景比较复杂的影像中的居民区,且具有较高的准确率和鲁棒性.     

板料成形应变测量中方网格图像的亚像素匹配

针对板料成形应变测量中应用的方形网格,提出一种网格图像亚像素匹配法. 采用二值化和细化等方法得到网格线条的细化图像,然后通过初、精两次定位提取网格节点的亚像素图像坐标,并建立各节点之间的拓扑关系. 在已知各次拍摄时相机位置与姿态的基础上,根据网格节点的拓扑关系和极线约束实现同名网格节点自动匹配. 实验结果表明,所有匹配点对之间极线距离的平均值约为\,0.17\,像素时,匹配稳定可靠. 匹配结果可作为后续应变计算的基础数据.     

基于改进的区域背景实时更新的目标检测

针对静止摄像机条件下运动目标的检测问题,提出了基于改进的区域背景实时更新的目标检测算法,该方法首先对连续的三帧图像分别做帧间差分并将差分图像二值化,运用改进的线段编码的方法对二值化后的差分图像进行扩充以填补由帧间差分引起的空洞,然后用当前的二值化差分图像减去前一个二值化差分图像,差值为负的区域就是背景应该实时更新的区域,最后用传统的背景差分法就能检测出运动目标．实验结果表明,该方法不仅能在一直有运动物体的视野内获得完整的背景图像,而且背景的实时更新也能有效的减小噪声和突然进入摄像机视野的物体的干扰,有较强的鲁棒性．     

一种改进的自适应距离保持水平集演化方法

提出一种改进的自适应距离保持水平集演化方法. 该方法定义新的图像相依权系数与停止函数,有效解决了演化曲线对初始位置敏感的问题. 零水平集曲线能根据图像性质自适应地决定向内还是向外运动,而且在像素灰度值相等的区域曲线能继续演化直至目标物体边界,并提高了零水平集曲线对深度凹陷边界的捕获能力. 实验结果表明,该方法能有效检测目标边界,且有较强的抗噪能力.     

语音关键词检测系统中基于时长和边界信息的置信度

针对关键词识别中基于后验概率的置信度方法对语音发音变化信息利用不充分的问题,提出了一种基于时长和边界信息的置信度. 该方法引入一个松弛因子,灵活地选择词信息相同的弧段计算置信度,从而进行关键词拒识. 在此基础上,设计并实现了一个基于Lattice 的大词表语音关键词检测系统,先用改进的动态规划算法在音节网格上进行关键词检出,尽可能多地给出关键词候选,然后采用基于时长和边界信息的置信度进行关键词确认. 实验结果表明,该方法相对于主流的计算方法,系统的等错误率（equal error rate,EER）提高了7%.     

一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法

为了增强图像分割技术的准确性并优化图像分割技术的细节分割效果,提出了一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法。将OTSU算法中依据图像灰度特征选取的图像中的前景和背景通过属性加权朴素贝叶斯算法进行分类处理,计算图像中前景和背景的概率,训练该模型以获得最佳阈值进行图像分割处理,优化图像分割的效果。利用无人机航拍采集的图像数据进行实验,结果显示基于属性加权朴素贝叶斯算法的OTSU图像分割方法优化了图像的分割效果,较完整地展示了分割后的图像细节,具有较好的应用价值。     

一种基于四叉树划分的改进ORB算法

原ORB （oriented FAST and rotated BRIEF）算法提取的图像特征点经常出现“扎堆重叠”现象，其分布较为密集且缺乏尺度不变性，因而容易造成图像特征点误匹配的问题。为了解决该问题，提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔，然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征（features fromaccelerated segment test，FAST）算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后，根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值，提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点，并使用改良后的二元鲁棒独立基本特征（binary robust independent elementary features，BRIEF）算法计算得出特征点的描述符，最后进行特征点匹配。实验结果表明，本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升，冗余重叠的特征点数量减少，且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。