数字图像的二重分块置乱算法

针对数字图像的加密置乱问题,利用将图像连续两次分块并分别执行块置乱和像素置乱的二重操作方法,给出数字图像的二重置乱算法。得到的置乱效果相对于传统的仿射变换,具有密钥数量大、置乱效果好、抗统计分析攻击能力强等特点。有效解决了传统二维仿射变换置乱效果较差、效率低等问题。     

钎焊磨粒测量系统中的显微图像快速融合

为了直观地表征钎焊砂轮表面磨粒的形貌,针对钎焊磨粒测量系统中显微镜头景深小,难于一次性清晰成像的问题,提出基于聚焦评价函数的磨粒显微图像快速融合方法.以聚焦评价函数的最大值为依据判别聚焦像素点,提取聚焦像素点颜色信息进行图像融合.针对特殊照明条件造成的融合误差进行误差补偿,对融合结果呈现的雾化现象,采用暗通道先验法进行去雾处理.实验结果表明:单颗磨粒137幅1 600 px×1 200 px显微图像融合过程用时5.10 s;文中方法可快速、直观地表征钎焊砂轮表面磨粒形貌.     

基于l1范数主成分分析的极化SAR图像变化检测

为提高极化合成孔径雷达(synthetic aperture radar, SAR)图像变化检测算法的鲁棒性以及检测精度,提出基于范数主成分分析(linorm principal component analysis,l1-PCA)模型的变化检测算法。首先,采用基于Hotelling-Lawley复矩阵迹变化检测算子构造差异图;其次,采用l1-PCA模型获取差异图的变化信息,使得每个像素以一个特征向量来表示;最后,使用k-means算法对变化信息进行聚类,得到变化检测结果。该方法是一种非监督变化检测方法,相比于基于2范数的PCA检测方法,l1-PCA在特征提取方面具有更高的鲁棒性,并且可以进一步提高变化检测精度。基于RADARSAT-2卫星获取的3幅图像进行的实验结果表明,相较于其他两种典型算法,所提算法更加稳定,精确度更高。     

基于RANSAC的高原地区交通违章视频图像去抖动方法

为了降低由于图像抖动引起的视频质量较低的问题,提出基于RANSAC的高原地区交通违章视频图像去抖动方法.利用RANSAC构建了图像模型,以此为基础,实现对图像中抖动点的准确识别,将抖动点数据与模型进行匹配,计算对应点的补偿值,以此实现去抖动的目的.实验结果表明,其能够实现对视频图像中抖动的有效去除.     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

基于图像RGB色彩特征的关联规则挖掘研究

对图像色块RGB值进行抽取和处理、建立常用颜色数据表和图像RGB颜色值的事务数据库D、最后应用关联规则进行挖掘.关键工作是建立"n张图像颜色值事务数据库D",它与使用传统的购物篮数据进行关联规则挖掘的事务数据表形式类似.因此,基于图像RGB色彩特征的非结构化数据挖掘问题就转化成了结构化数据的挖掘问题.