基于改进的LBG算法的SVM学习策略

针对SVM方法在大样本情况下学习和分类速度慢的问题,提出了利用LBG算法对训练样本进行预处理,然后再使用传统的SVM算法进行训练的策略,并提出了一种改进的LBG算法．通过对仿真数据以及对实际的纹理图像的分类实验表明,这种预处理方法能在保持学习精度的同时减小训练样本以及决策函数中支持向量集的规模,从而提高学习和分类的速度．     

一种基于混沌的图像加密改进方法

在对现有的两类图像加密方法安全性分析的基础上,提出了一种改进的图像加密方法．这种方法基于传统混沌加密算法,利用混沌系统对初始条件的敏感依赖性,在图像加密过程中引入一个辅助密钥,可有效抵抗已知明文攻击．分析及计算机仿真结果表明,该加密方法具有良好的加密效果,运算量小,易于硬件实现。     

实时数字图像融合系统的研究

在像素级图像融合的研究基础上,对实时或者准实时图像融合系统进行技术探讨,设计了一套简单的实时或者准实时工作的图像融合装置,可实现可见光一热红外双通道实时图像融合,整个融合处理系统采用背板结构,由视频采集及显示输出板和融合处理板组成。其突出特点是使用大规模可编程逻辑器件完成了系统的复杂逻辑与时序控制,在视频采集及显示输出板又留有接口,方便板级调试与升级。     

大区域场景下基于无人机视角的目标计数方法

近年来,无人机因其灵活度高、机动性强在人群计数领域得到广泛应用。然而,现有的人群计数方法大多基于单视点,对于大范围、多摄像机场景下的多视点计数研究较少。为了解决这个问题,提出了一种基于无人机视角的目标计数方法以准确统计场景中的目标数量。选择临海区域进行数据采集,利用深度学习技术对采集的图像进行目标检测和图像拼接融合,在拼接后的图像中映射检测信息,并采用计数算法完成区域场景的计数任务。在公开数据集和该文制作的数据集上进行的实验验证了基于目标检测的计数算法的有效性。     

一种基于形态分量的多聚焦图像融合算法

提出一种基于形态分量思想的多聚焦图像融合算法。该方法首先对源图像迭代分解,将其分解为低频和高频两个分量,并用curvelet变换表示低频分量,然后,对低频分量采用高斯差分算子定义图像点的特征活跃度和融合规则,对高频分量的细节特征度量采用加权梯度差的方法来衡量和融合。仿真实验在四组多聚焦图像中进行,除了与传统的图像融合算法做比较外,还与系数绝对值最大法的融合算法进行比较。实验结果表明:该方法在平均梯度、空间频率、信息熵等指标上优于传统的图像融合方法,同时也优于基于系数绝对值最大法的融合规则。     

基于结构相似度的无参考遥感图像质量评价

在深入研究遥感图像与普通图像差别的基础上,对结构相似度算法进行改进,提出了一种新的无参考遥感图像质量评价方法。首先,采用非下采样轮廓波变换进行多尺度分解,将子图像进行K-means边缘检测及细化融合,最终得到边缘区域。采用一阶偏导有限差分计算遥感图像的梯度幅值,设置两个阈值,将满足区间的像素提取出来得到纹理区域。然后,使用边缘计算对比度分量,纹理计算结构相似度分量,对SSIM进行改进得到ET_SSIM方法。最后,采用"再降质"的方式构造出参考图像,将边缘纹理区域与平滑区域分开评价,ET_SSIM对边缘纹理区域评价,SSIM对平滑区域评价,根据人眼对边缘纹理及平滑区域的不同重视程度加权求平均,得到最终结果 VSSIM。实验结果证明,本文方法 VSSIM与主观评价值的线性相关度相对于MSE、PSNR、SSIM、GSSIM、BLIINDS-Ⅱ方法分别提高了22.2%,6.2%,0.8%,0.2%,1.3%。     

一种联合数据常量约束的分数阶光流算法

针对传统HS(HornSchunck)变化光流模型难以应对图像中全局或者局部光照变化、非刚体运动、大位移运动、局部区域内存在多运动目标及难以保留边缘不连续性等实际应用问题,提出一种联合数据约束的分数阶光流模型;该模型分别对传统HS光流模型的数据项及平滑项进行了改进。数据项中,除了包含亮度常量约束外,同时还包含梯度常量约束(应对全局或者局部光照变化)、海森常量约束(应对大位移运动)、拉普拉斯常量约束(应对非刚体运动)。平滑项中,把传统HS的整数阶平滑约束方程改进为分数阶平滑约束方程,以此应对局部区域内的多运动目标问题及保留光流场运动边缘的不连续性。算法的性能体现在能应对各种对亮度常量约束的违反的实际应用;且能获得高准确率的光流场。大量试验验证了算法的优越性。     

不同视角下海量高分辨率视频图像数据挖掘方法研究

当前高分辨率视频图像数据挖掘方法容易受到外界环境的干扰,提取的视频图像特征不可靠,且不同视角下提取的特征值有很大差异,导致视频图像数据挖掘精度大大降低。为此,提出一种新的不同视角下海量高分辨率视频图像数据挖掘方法,通过Harris角点检测方法对待挖掘高分辨率视频图像数据时空特征进行提取,依据高分辨率视频图像数据时空特征,通过自相关矩阵建立相同事物不同视角下的递归图,将递归图看作一幅图像,通过计算像素点的梯度向量构建递归特征描述符,对相同事物不同视角下的关联性进行挖掘,将具有相同递归图梯度特征的高分辨率视频图像数据汇聚在一起,实现数据挖掘。实验结果表明,所提方法挖掘精度高。     

基于三维动态步态的身份识别方法仿真

根据步态识别人身份的研究中,由于二维步态特征无法完全表示人体特有的动态步伐特征,导致识别受限。提出基于三维动态步态的身份识别方法,以连续步态图像帧为单位,通过立体视觉技术从二维图对不同采样时刻的运动人体三维步态轮廓信息进行提取,提取人体步态三维轮廓后,对其进行无关区域分割,获取和人体行走相关的步态特征。通过构建步态特征变换的几何模型,给出动态三维步态特征的转换过程,依据欧氏距离度量,根据结果实现身份识别。仿真实验结果表明,所提方法具有很高的识别精度和识别效率,性能较静态方法有较大的改善。     

多任务深度卷积网络的CT图像方向校正

针对医学电子计算机断层扫描(CT)图像方向校正问题,提出一种并行卷积回归(PCRN)多任务深度学习网络.通过侧旋角度正回归和翻转概率逻辑回归,求得校正参数来精准地校正图像.进一步,针对医学图像训练样本稀缺的情况,提出一种串行回归(SCRN)的深度学习架构,弥补并行卷积回归网络在小样本情况下校正精度不足的问题.实验结果表明:在样本充分,并行卷积回归网络和样本稀缺情况下,串行卷积回归网络对小角度偏转、大角度偏转和翻转的腹部CT图像校正结果都优于传统的配准方法.