基于超混沌系统和离散分数随机变换的图像加密算法

本文结合超混沌系统和离散分数随机变换,提出一种图像加密新方案,并给出实现该算法的光学装置原理图。在加密过程中,利用超混沌系统产生的混沌序列来构造离散分数随机变换(DFRT)的随机矩阵,再将DFRT的阶数和超混沌系统的初始值作为图像加密算法的主密钥,与单纯的离散分数随机变换的图像加密算法相比,在不增加计算负担的情况下,本算法的明文与密文之间具有更高的复杂性,并加大了密钥空间,提高了密钥敏感性。该系统是一个非线性的密码系统,消除了传统加密系统中因为线性过程而存在的不安全因素,提高了加密系统的抗统计攻击和噪声攻击的能力。     

一种适合硬件实现的多值图像连通域标记算法

提出了一种合适硬件实现的多值图像连通域标记算法.算法以有效的方式识别、保存并整理区域之间复杂的连通关系.首先,通过对图像执行一遍逐像素扫描,得到图像的初步标记结果以及初步标记之间的连通关系;然后,通过等价表整理以及图像代换,输出图像标记的最终结果,并且连通域按照扫描顺序被赋予唯一的连续自然数.仿真结果表明,该算法能够识别图像中复杂的连通关系,产生正确的标记结果,在用于大幅图像的分块标记时,能够实现全局标记一致.在以硬件方式实现该算法时,在50 MHz工作时钟下,处理320×256像素图像能够达到100帧/s的标记速度,满足大部分实时目标识别系统的要求.     

用切比雪夫图像矩描述图像

提出一种新的图像矩———切比雪夫图像矩,给出了图像矩的定义,研究了图像矩的描述性能,重建了原图像,给出了实验结果.     

基于改进GoogLeNet的锌渣识别算法

针对目前热镀锌工艺中捞渣机器人工作效率低、缺乏选择性等问题,提出一种基于深度学习的锌渣识别算法,以提高捞渣生产线无人化水平.首先,在GoogLeNet网络基础上进行改进,并搭建了适用于实际生产环境的锌渣识别模型;其次,利用经验丰富的工作人员所标注的薄渣和厚渣这两类锌渣图片来建立数据库,完成锌渣分类模型的训练;最后,将工...     

基于非下采样Contourlet变换的 SVM多聚焦图像融合

提出基于非下采样Contourlet变换的支持向量机(SVM)多聚焦图像融合算法. 采用非下采样Contourlet变换分解图像得到不同频域子带系数. 针对直接取系数绝对值最大融合规则不能反映图像区域的缺点,提出SVM分类系数融合规则. 根据各子带系数物理意义将区域方差、区域能量作为SVM核函数参考量来选择清晰像素点系数,根据融合系数重构得到融合图像. 结果证明该算法能有效并准确地融合图像中的信息.     

LSD井下视频图像线特征匹配算法改进

图像特征提取匹配做为视觉SLAM(Simultaneous Localization and Mapping)的重要组成部分,在井下无人巡检机器人上应用广泛。针对井下环境复杂,光照不足,现有特征提取匹配算法存在匹配率低,进而导致视觉SLAM定位精度低的问题。通过对现有LSD(Line Segment Detector)线特征匹配算法进行改进,采用对比度亮度和对数变换算法对采集的视频图像帧进行图像增强,利用Canny边缘提取算法对增强后的视频图像帧进行图像边缘信息提取后进行LSD线特征提取匹配,与原始算法进行平均匹配率对比分析。结果表明:在连续300帧井下视频图像匹配过程中,改进算法的平均匹配率为99.88%,原始算法的平均匹配率为88.42%,其平均匹配率提升11.46%。说明改进的LSD井下视频图像线特征提取匹配算法具有更高的匹配精度且更适用与井下无人巡检机器人进行无人巡检工作。     

数字图像保密系统的嵌入式设计与FPGA验证

为避免纯软件方式实现数字图像保密系统安全性弱的缺陷,介绍了一种基于嵌入式设备的软硬件协同设计方案。首先设计并分析了一个基于Logistic映射和Lorenz系统的图像加密算法,然后给出了一种基于ARM 7主控制器和USB设备接口的嵌入式设计方案,最后给出了该设计的具体实现,并对实现进行了FPGA验证。实验结果表明,该设计的加解密数据处理速度在USB1.1全速模式下可达8.5 Mbps,并且保持较高的密钥敏感性,以及较平均的像素值分布,提供的嵌入式设计方案满足数字图像保密系统的应用需求,对其他保密系统的安全性设计也具有一定的参考价值。     

BP神经网络在茶叶病害多分类识别中的应用研究

随着物联网技术的不断发展,农业逐渐走向网络信息化,而利用物联网技术对农作物进行病害识别已经成为当前的一大研究领域。为能科学、精准的识别农作物的病害,本研究利用计算机图像处理技术和BP神经网络算法,以茶叶病害为研究对象,运用图像分割法对病斑图像来进行分割,通过提取经过图像处理后的病害茶叶的形状特征并分类,再利用MATLAB实现BP神经网络模型进行分类检测,最终得到非常高的识别率。     

基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。     

基于改进SIFT 算法的掌纹图像拼接

为解决采集的掌纹图像不完整的问题, 改进了SIFT 特征图像拼接算法, 从而得到完整掌纹图像, 提出LoG-SIFT 特征点匹配拼接算法并设计一种剔除误匹配点对策略。实验结果显示, 改进后算法能增强手掌表面纹线特征, 显著提高特征点对匹配数量, 降低点对匹配错误率。