一种低复杂度的QR码解码器的图像预处理方法

QR码是一种常见的二维条形码,图像预处理是实现复杂条件下QR码解码器自动识别的重要步骤.在传统的直线检测和边缘检测手段的基础上,提出了一种新的QR码识别图像预处理方法.该方法通过使用校正图形按区域自适应取样来生成码流,可显著提高QR码的识别率.此外,还对QR码识别软件的手机平台移植进行了讨论.实验结果表明,本算法识别速度快,且可以克服QR码识别过程中易受噪声干扰、光照不均和几何失真等影响的问题.     

复杂背景中条码图像识别关键算法的研究

研究了复杂背景图片中条码的定位及识别技术.通过特征提取、形态学的方法在低分辨率图像中对条码进行粗定位,以粗定位的结果为研究对象,采用边缘提取及灰度投影的方法对条码进行精确定位.提出了一种新的二值化算法,算法利用条码的固有特征得到图像的全局信息,利用全局与局部相结合的方法获取子图像块的最优阈值.实验结果表明,本文算法能有效地去除复杂背景对条码识别的影响,且算法具有较低的复杂度,能在嵌入式平台上实时运行.     

自适应分区的色调映射算法

针对HDR图像色调再生提出了一种自适应分区映射算法.首先将HDR图像的色度和亮度信息分离,根据直方图特征对亮度进行自适应分区,并构造分段线性色调调整函数,将显示亮度范围分别分配给不同的亮度分区,以增加再现图像的感知对比度;然后通过双边滤波技术提取图像细节进行补偿,保证了再现图像细节可见;最后将彩色和非彩色信息合成,并对亮度压缩带来的彩度损失进行色彩校正.实验表明:新算法在动态范围压缩、细节保持和颜色表现上均优于传统算法.     

基于SURE-LET和非张量积小波的遥感图像去噪

针对遥感图像中的高斯噪声,提出了基于SURE-LET和非张量积小波的去噪方法,主要包括图像在非张量积小波下的分解、各个子带在不同阈值函数下的处理以及它们最优的线性组合3个步骤．通过选择合适的非张量积小波滤波器参数,使无噪遥感图像和噪声在变换分解中得到的小波系数分离较好,去除噪声对应的小波系数时被去除的无噪图像对应的小波系数较少,从而取得更好的去噪效果．实验结果表明：此方法用于高斯噪声的遥感图像的去噪不仅速度很快,而且去噪效果优于传统基于张量积小波的SURE-LET方法．     

基于流形学习和流形高阶近似的图像距离度量

为克服切距离方法的不足,提出了流形高阶近似距离（HMD）.HMD度量方法通过最大差异延展方法（MVU）学习出非线性图像流形的内蕴变量,然后在原型图像处用基于流形高阶泰勒展开式的非线性曲面来局部近似图像流形.HMD定义为待识别图像与图像流形的高阶近似曲面间的最小距离,通过计算待识别图像与图像流形上多个基准图像间的HMD距离能够实现图像的分类和识别.人脸识别和手写数字识别的结果表明：HMD距离在识别精度和稳定性上要优于切距离和当前一些典型的图像距离度量方法.     

基于MLP&ST模型的空气质量预测

针对目前大多数模型均为对已监测区域的空气质量进行预测,而少有对未监测区域进行预测的问题,综合考虑气象因素、空间相关性和时间依赖性对空气质量的影响,提出了一种联合训练模型MLP&ST （MLP&spatial-temporal）,模拟预测北京市未监测区域未来时刻的空气质量指数（air quality index,AQI）。通过实验结果对比确定最佳历史时间步长P值为29;然后将模型与其他空气质量预测模型进行对比。实验结果表明,MLP&ST模型在3种评价指标下（RMSE,MAE,MAPE）皆优于其他对比模型,验证了所提出模型具有良好的预测效果。     

基于图像分类的鲁棒无载体信息隐藏

针对传统信息隐藏方法须通过修改载体以嵌入秘密信息所带来的安全性问题,提出一种基于图像分类与尺度不变特征转换(scale-invariant feature transform,SIFT)提取无载体信息隐藏的方法。首先通过快速区域卷积神经网络将原始图像库进行分类处理,生成不同种类的子图像库;然后利用图像SIFT特征点的方向信息设计一个感知鲁棒的哈希方案,并使用该方案计算出每个子图像库中图像的哈希值,将所有子图像库中的图像全部映射成相应的二进制哈希值;最后将秘密信息分割成若干个片段,通过对比秘密信息片段与所有的图像二进制哈希值,从子图像库中检索出与秘密信息片段相符的图像,将其作为含密图像传送给接收方,完成信息隐藏过程。接收方接收到全部含密图像后,根据约定的哈希方案提取秘密信息。实验结果和分析表明,该方法对JPEG压缩、高斯噪声、椒盐噪声、图像缩放等攻击具有较强的鲁棒性,且隐藏容量较高。     

基于图像插值技术的可逆数据隐藏算法

针对现有基于插值技术可逆数据隐藏算法具有较高的隐藏容量,但隐秘图像质量不是很高问题的问题,提出一种新的大容量图像可逆数据隐藏算法。首先对输入图像进行插值处理生成载体图像,然后对载体图像进行重叠分块并计算分块中每一个非基准像素能隐藏的数据量,最后采用自适应的方法隐藏秘密数据。在Kodak图像集上的实验结果表明,本文算法能完整地提取隐藏的秘密数据和不会出现像素溢出现象;与相似的算法相比,该算法的秘密数据隐藏容量平均提升了约98%,隐秘图像质量平均提升了约6%。     

基于特征提取的健美操分解动作图像自适应识别方法

为了解决传统方法容易受运动速率、光照情况、遮挡、复杂背景等的影响,导致识别结果鲁棒性较差的问题,通过特征提取方法研究了健美操分解动作图像自适应识别问题。通过时间能量金字塔把视频序列划分成若干段,得到结果中动作并非全为健美操动作,含大量干扰信息,通过背景消减法对进行健美操运动的人体目标进行提取,进行进一步处理,得到人体轮廓的二值图像序列,求出轮廓外界矩形宽度和高度之比,依据宽高比获取关键帧,通过拉普拉斯法求解相邻差异帧与间的光流,降低背景杂波产生的影响。针对关键帧提取特征向量,通过相似性检测对待识别健美操分解动作图像和提取特征进行匹配,设定相似性阈值,将相似性高于阈值的图像作为识别结果。结果表明：所提方法对单人健美操视频数据库的识别准确率高,仅存在一定程度的混淆;所提方法对含不同场景的复杂数据库的识别准确性和其它方法相比最高。可见所提方法受外界环境干扰小,可保证高识别精度。     

基于特征优选和图像相似度的人体动作识别算法

有效提取特征有利于提高后续人体动作识别的准确率。针对人体动作识别时方向梯度直方图(histogram of oriented gradient,HOG)特征维数过高和相似动作不好区分的问题,提出一种基于特征优选和图像相似度的人体动作识别算法。实验对比三种降维方法主成分分析法(principal component analysis,PCA)、PCA+Pearson、PCA+Spearman处理后的动作识别率,证明PCA+Pearson相关系数的降维效果最佳。同时将全局特征八星模型与降维后的局部特征HOG特征组合在一起全面表征人体动作,并计算相邻两帧图像相似度,自适应分配一个判别周期内单帧支持向量机分类结果的统计权值,最后二次分类人体姿态识别结果。在标准数据集KTH上进行实验,该算法识别准确率为94. 5%,较其他方法有所提高,在视频人体动作识别领域有较好应用价值。