基于学习的人脸图像超分辨率重构算法

提出了一种新的基于学习的人脸图像超分辨率重构算法,利用高分辨率图像和低分辨率图像的拓扑结构相似性,将现有的低分辨率人脸图像在低分辨率人脸图像字典中展开,在保持系数不变的同时将字典换为高分辨率人脸图像字典,最终得到待重构的高分辨率人脸图像.在系数估计时,使用主成分分析的方法,同时加入了最小全变分作为约束,算法充分利用了不同人脸图像之间的相似性和人脸图像本身的内部相关性.实验结果表明,结果既保持了对原有图像的忠实性,又比较适合人眼观察.     

基于结构图像表示和微分同胚Demons算法的多模态医学图像配准

为了提高多模态医学图像的配准精度,利用参考图像和浮动图像的结构信息,提出了一种基于结构图像表示和微分同胚Demons算法的多模态医学图像配准算法.该算法由结构图像表示和图像配准组成.在结构图像表示阶段,采用Arimoto熵图像来描述参考图像和浮动图像的结构信息,首先计算2幅图像中所有像素点周围指定大小邻域的熵值,然后把计算的熵值作为熵图像中对应点的灰度值以生成2幅熵图像.在图像配准阶段,使用微分同胚Demons配准算法对2幅熵图像进行配准.基于Brainweb数据库中磁共振数据的测试结果表明:与微分同胚Demons算法和基于香农熵的Demons算法相比,利用Arimoto熵表示图像的结构信息可以进一步提高配准精度.     

基于局部强化最小二乘回归分类法的人脸识别方法

为解决基于表示理论的分类法未考虑噪声样本对重构系数影响的不足,利用局部约束协同表示法改进最小二乘回归分类法,提出局部强化最小二乘回归分类法.该方法通过非负稀疏表示自适应选择近邻样本,并利用近邻样本的协同作用强化重构系数使得局部强化最小二乘回归分类法具有较好的鲁棒性和容噪性.该方法可以克服传统分类方法存在的过拟合问题.在4个人脸图像数据集上的实验结果表明该方法可以提高人脸识别准确率.     

基于判别字典学习的线性子空间人脸识别算法

提出判别字典学习来获取线性子空间方法,以减弱光照等噪声对子空间人脸特征提取的影响,从而在保证稀疏系数的局部结构性同时保持字典的判别性.首先,训练与语意相关的结构字典,并在破坏非同类语意样本间局部结构稀疏性的同时,增强同类语意样本间局部结构的稀疏性;其次,利用最大间隔准则(MMC)在重构后稀疏易分的语意子空间对样本进行特征提取,不仅可以避免小样本问题还可以在重构后的语意空间中提取抗噪声干扰的特征.在Yale库、AR库和Yale B库数据集上的试验结果表明:与现有算法相比,该算法有更优的性能,能更高效地提取不受噪声干扰的易分类人脸语意特征.     

改进的基于最大归一化互信息的医学图像配准算法

作者提出了一种基于最大归一化互信息的医学图像配准算法.该算法利用改进的部分体积插值法进行插值计算,有效地克服了图像配准中常见的局部极值问题.该算法利用最大互信息作为目标函数,POWELL优化搜索算法搜索一个最大互信息量从而获得最佳配准参数.实验证明,该算法计算简单,配准速度快,具有更好的精确性和鲁棒性.     

一种面向分类的核局部线性嵌入算法

局部线性嵌入算法(LLE)已被广泛运用于模式分类,但它存在两个缺点。首先LLE是一种无监督学习方法,没有很好地利用类别信息;其次,LLE算法假设数据在局部上的分布是线性的,如数据非线性分布则效果有限。对此,提出了一种解决分类问题的核局部线性嵌入算法。利用KLLE算法的思想寻找样本的内在流形分布,并通过重构误差来判定该样本的类别。所提方法考虑了样本的类别信息,也适合于处理局部非线性分布的数据。在Yale人脸库的实验结果验证了其有效性。     

用于面部虚拟整形的三维人脸重建系统设计

为解决面部整形手术成功率低的问题,设计了用于面部虚拟整形的三维面部重建系统。该系统首先利用高精度深度相机采集人脸多角度深度图像,将每幅深度图像分别转换为对应点云模型并进行去噪预处理。接着,将正面点云和侧面点云进行粗匹配实现点云拼接,并提出一种改进的精配准算法进行精配准,得到目标人脸三维点云模型。对点云模型网格化处理后,提出一种基于半边结构的细分算法来提高重建模形精度,最后完成贴图即可构建人脸模型。为了验证所设计系统的重建精度,设计了对比实验。结果表明:系统重构人脸与其他重建系统相比,提高了人脸精度,且与真实人脸间差距小于2 mm,可以将其应用于面部虚拟整形,从而对专业医师提供术前指导,提高手术成功率。     

基于自回归正则化和稀疏表示的图像超分辨率重建

针对图像超分辨率重建中稀疏系数解不精确和重建图像质量不理想的问题,本文提出了一种空间自回归正则化的超分重构算法.该重构算法联合稀疏K-SVD方法训练一个具有相同稀疏系数解的相对应于高低分辨率图像块的字典对,在此基础上利用自然图像本身具有的局部自回归性先验知识来对图像进行处理,经过模型的训练和选择引入正则化项,实现图像的局部约束,从而完整构造了基于正则化的稀疏编码目标函数,为了进一步实现图像去模糊得到清晰图像,利用退化模型实现全局约束.实验结果表明:与Bicubic、NE和SCR等算法相比,本文算法在主观视觉效果和客观评价指标方面都有了一定地提升.     

基于FFT配准和多尺度融合的声纳图像拼接算法

针对声纳图像视野窄,无法一次性反映大体积目标或同时呈现若干目标完整视觉信息的问题,提出一种声纳图像拼接算法.该算法主要步骤分为:声纳图像配准和声纳图像融合.根据声纳图像高噪声和低分辨率的特点,采用FFT图像配准方法配准声纳图像.对于准确配准后的声纳图像,提出一种基于NSCT多尺度分解的声纳图像融合算法.首先,对源图像进行NSCT多尺度分解,得到一系列不同尺度和不同方向上子带分解系数;然后,根据声纳图像特殊性,构建声纳图像融合规则:分别对低频子带采用门限判别法,高频子带计算局部区域对比度指导融合规则,产生融合图像在相应尺度和方向的融合系数.最后,对融合系数进行NSCT多尺度逆变换,生成融合后的拼接图像.通过声纳图像拼接实验验证提出方法有效性.     

基于增强多流形学习的监控视频追踪算法

提出了一种多流形局部线性嵌入的流形学习算法,为每个类的流形学习过程设计了一种监督的近邻点选择方法,将流形-流形距离作为度量指标,搜索最优的低维空间.在视频追踪算法中对外部数据库进行图像训练预处理,为人脸检测建立级联分类器,利用均值粒子滤波器结合跟踪校正策略对人脸图像实时跟踪,采用多流形训练的结果从视频流的人脸集中检测出追踪的目标人脸.仿真实验结果表明本算法对不同的数据集均获得了较高的检测率与较高的计算效率.     

基于预测差值的医学图像可逆信息隐藏

针对目前医学图像需要对图像中特殊区域进行划分以及在应用于医学图像时效果不稳定、嵌入容量小等问题,结合医学图像的特点,提出一种基于预测差值的可逆信息隐藏算法。首先采用中值边缘预测算法计算预测差值,再根据预测差值的分类进行信息嵌入和像素平移;在形成载密图像的过程中,为防止像素值溢出,对原始图像进行多次预嵌入来标记所有可能发生溢出的像素点位置,且标记过的像素点不再修改。实验结果表明,本文算法能在保证图像质量的同时获得较高的嵌入量。     

采用相邻像素预测的可逆信息隐藏算法

为了提高图像信息隐藏算法的信息嵌入容量和载密图像的保真度,提出一种采用相邻像素预测的可逆信息隐藏算法.构建局部线性预测模型,以待预测像素的3个相邻像素为目标像素,通过目标像素的相邻像素建立线性方程组,求解预测模型参数.应用预测模型进行预测,计算预测误差,绘制预测误差直方图,通过直方图平移实现可逆信息隐藏.实验结果表明:文中算法可通过较少的预测像素进行预测,比其他算法具有更高的预测精度和更大的信息嵌入容量.     

基于整数变换的加密图像可逆信息隐藏算法

兼顾嵌入容量和算法安全性,提出了一种基于整数变换的加密图像可逆信息隐藏算法。内容所有者利用变换密钥,选取相应的两相邻像素为一组进行整数变换。变换后的像素组受该整数变换特性的约束,使得其中任意一个最低有效位(LSB Least Significant Bit)被替换后,仍能恢复出原始像素组。因此,信息隐藏者可根据相同的密钥找到加密图像中已进行变换的像素组,利用嵌入密钥替换对应像素的LSB完成隐秘信息可逆嵌入。只有同时拥有变换密钥和嵌入密钥,才能正确提取嵌入信息;只有同时拥有变换密钥及加密密钥,才能恢复出原图像,所以算法安全性较高。实验结果表明,该算法能够有效地在加密域中直接进行信息的嵌入及提取,并在解密后无损地恢复出原图像;而且该算法的嵌入率可高达0.47 bpp(bit per pixel)。     

基于NTRU的密文域可逆信息隐藏算法

NTRU (number theory research unit)具有抗量子计算攻击、加解密速度快、安全性高的特点,非常适合用于无线保密数据网、认证系统等业务。结合可逆信息隐藏技术,提出了一种基于NTRU的密文域可逆信息隐藏算法。首先利用差值扩展算法完成对图像像素的预处理;然后使用NTRU算法对图像像素进行加密,利用NTRU算法的加法同态性质在密文中嵌入信息,嵌入的信息得到NTRU算法加密的安全性理论保证;解密与信息提取后,利用差值扩展算法的特点可逆恢复出图像像素。采用图像的直方图及方差、信息熵、相邻像素的相关性等统计学方法,论证了在密文中嵌入信息的不可感知性。仿真实验结果表明：该算法既能实现嵌入信息后密文的正确解密,又能无损提取秘密信息,平均嵌入率可达到0.5 bpp (bit per pixel)。     

一种基于混沌映射的空域数字水印新算法

通过对多种空域水印算法优缺点的分析,提出了一种新的图像空域盲水印算法.利用广义猫映射将各水印比特的嵌入位置随机置乱到整个载体图像的像素空间;再用Logistic混沌映射随机产生各水印比特嵌入载体像素的比特位置;各水印比特被随机嵌入到像素点的某一中间比特位,并采用最小化像素改变量的优化策略;提取水印只需要密钥,且密钥空间大.实验结果表明:嵌入水印隐蔽性好,同时具有很强的抵抗剪切攻击、LSB(最不重要比特位)攻击、多低位破坏攻击和椒盐噪声攻击的鲁棒性;合法用户能方便快捷地提取水印,而非法用户则不能提取正确水印.因此,这种基于双混沌映射的水印算法,不仅使嵌入水印具有良好的隐蔽性、鲁棒性和安全性,而且使算法具有很好的现实可操作性.     

基于非线性子流形的人脸识别

介绍了流形、流形学习的数学基础及其应用时的核心问题,流形学习方法用于人脸识别的技术路线;通过实例分析讨论了流形学习主流算法——局部线性嵌入(LLE)算法的优势和存在的不足;使用ORL人脸数据库进行仿真实验并将识别效果与原始图像直接分类法、主成分分析法进行比较,验证了LLE算法的有效性及优势。     

基于二次预测误差和像素排序的可逆图像水印

为了提高可逆图像水印算法的性能,提出一种二次预测误差与像素排序相结合的可逆图像水印算法;该算法首先对像素进行二次误差预测;并利用相邻像素的误差值来确定其余像素的预测误差;然后采用局部复杂度对像素进行排序,以使具有较小误差值的像素被优先处理并进行数据嵌入;最后通过平移差值直方图生成零点间隙,利用冗余的零点间隙嵌入水印信息。实验结果表明,利用二次预测误差与像素排序技术,可以有效地提高像素的预测精度并降低图像失真;在相同的嵌入容量下,该算法嵌入水印后图像的PSNR比相关算法提高了1 dB左右,具有更好的不可感知性。     

改进加权矩阵的双图像可逆数据隐藏算法

针对插值灰度图像嵌入容量有限和视觉质量较差的问题,提出了改进加权矩阵的双图像可逆数据隐藏算法,通过仅增加或减少载体图像的插值像素来嵌入多个机密数据位,进一步提高图像嵌入容量和视觉质量。该算法通过插值放大原始图像的大小生成载体图像,使用具有相同大小的共享预定义加权矩阵对原始像素块进行逐项相乘模和,将机密信息根据块的数量交替地嵌入2幅图像中,在每次迭代前,使用共享密钥修改加权矩阵以保护隐藏信息,加权矩阵有助于在较小失真的情况下嵌入更多的数据位,有效实现了安全性和嵌入容量。实验结果表明,该算法可以抵抗剪切、噪声、不透明修改等隐写攻击。相对于其他方法,该算法在嵌入容量和PSNR方面都有明显的提高。     

保持直方图特性的隐写嵌入

为了提高隐写的安全性, 必须保持隐写前后图像的特征一致. 提出了一种保持直方图特性的隐写算法. 首先, 对像素直方图进行分组, 通过计算定量失真时的最大嵌入数据量, 得到每个像素的修改概率, 并利用STC(syndrome trellis codes)确定需要修改的像素位置; 然后,根据直方图分组情况对需要修改的像素值进行组内和组间自适应调整, 实现秘密信息的嵌入,同时保持隐写前后图像的直方图变化最小. 实验结果表明, 在相同嵌入量的前提下, 该方法对直方图的改动远少于已有的隐写算法, 隐写图像视觉质量更好.     

基于插值技术和多层折叠的可逆数据隐藏算法

现有的基于插值技术的可逆数据隐藏算法具有单层嵌入容量大等优点。然而,现有算法隐秘图像的视觉质量不是很好。针对此问题,提出了一种基于插值技术和多层折叠的可逆数据隐藏算法。该算法先对输入图像进行不重叠的2×2分块;然后对每个分块利用提出的图像插值算法生成大小为3×3的分块。为降低嵌入数据对插值像素的失真,先对待嵌入的秘密数据进行多层折叠编码;然后再嵌入到插值像素中。结果表明,提出的算法不会出现像素溢出;与最新相似的算法相比,在相同的嵌入容量条件下,该算法具有更好的视觉质量。此外,提出的算法能抵抗直方图和RS(regular singular)隐写分析。