一种稳健的自适应IIR陷波器复数级联算法

针对背景噪声中多个复正弦信号的提取问题,提出利用二阶陷波器复数算法的级联来实现,并给出了一种自适应级联算法.基于对软件复杂度和计算量的考虑,在这种算法的基础上又给出一种改进的二阶自适应陷波器级联的复数算法,大大降低了系统复杂度和计算量.仿真实验表明,两种陷波器级联算法均能很好地提取背景噪声中的复正弦信号,并准确估计复正弦信号的频率.     

一种新的基于图像复杂度的掩密分析技术

基于掩密图像与原始图像在图像复杂度上的差异,提出了一种新的针对图像LSB嵌入的掩密分析算法,通过分析待检图像在嵌入测试消息前后图像复杂度均值和方差的变化情况,利用Fisher判决准则,从而准确判断图像中是否嵌入了秘密消息.实验结果表明,文章所提算法不仅能准确检测顺序LSB嵌入,并且能估计出嵌入消息的长度,而且能够以98％的准确率检测随机LSB嵌入,同时具有实现简单,运行速度快等优点.     

马尔可夫随机场中应用蚁群系统的红外图像分割

利用蚁群系统(ACS)的信息正反馈和启发式的搜索特点,针对马尔可夫随机场(MRF)图像模型的局部相关特性和最大后验概率(MAP)估计,可以在较短时间内得到图像分割目标函数的全局最优解,从而可以避免传统模拟退火算法的庞大时间复杂度.通过对军用红外图像的分割实验,可以看出这种算法能够在抗噪声、保留目标边缘和降低时间复杂度方面得到较满意的结果.     

基于相似性传播聚类的灰度图像分割

基于k-Means等聚类算法的图像分割对聚类中心的初始选择敏感,可靠性差.为避免初始聚类中心选择的影响,将相似性传播聚类用于灰度图像分割.另外,为降低该聚类算法输入相似度矩阵的计算时间复杂度.提出用待分割图像中出现过的灰度值代替像素点作为数据点进行聚类.实验结果表明,与基于k-Means聚类的分割算法相比,该算法不需要预设聚类中心,可靠性更高.     

基于SIFT的红外与可见光图像配准方法

介绍了一种基于SIFT的红外与可见光图像配准方法.首先用SIFT算法提取特征点并构造特征描述子,在特征点提取过程中采取了基于SUSAN算子的约束策略,其次用基于k-d树的最近邻方法对特征点进行匹配,用RANSAC算法求解变换矩阵,最后对待配准图像做相应参数的坐标变换及双线性插值,从而实现图像配准.实验表明,该方法具有稳...     

基于边缘重叠的图像全自动拼接技术

针对现有图像拼接方法的缺点提出一种全自动图像拼接算法,该算法综合考虑了图像拼接的精度和速度.利用迭代法自动求得图像的最佳分割阈值,二值化原始图像,经过标记、筛选等处理后快速提取出边缘重叠图像匹配过程中所需的特征模板.通过提取出的特征模板利用基于灰度的方法确定图像的最佳拼接线,从而实现图像正确、平滑的无缝拼接.实验结果证明了该算法的有效性.     

一种基于显著性区域的图像分割算法

针对传统的显著区域的分割方法存在的频谱泄露、无法达到亚像素精度的问题,提出了一种新的基于显著性区域的图像分割算法。利用Lucas-Kanade图像配准算法对大量重复出现模式的最小周期进行估计,从而准确地重建出背景模型;在此基础上,提出了"广义邻域点"的方法,设计自适应尺度的中值滤波器完成前景分量的精确分割;并提出了快速中值滤波器的设计方法,显著降低了计算复杂度。实验证明了该算法能够准确、高效地分割图像,适用于大量重复背景中前景目标的提取。     

基于小波分析的子带特征提取与选择方法

在研究了目标图像多尺度小波分解特性的基础上,提出了基于小波多尺度分解子带主成分的特征提取的算法。该算法利用图像在不同尺度的小波变换域中能量局部集中性,选择各子带能量较集中的局部小波系数构成图像目标特征向量。这种特征包含图像目标的主要边缘、纹理、灰度、结构等多种信息。由于对图像目标的特征信息的分布没有任何限制,因而适用于多种类型的图像的特征提取,可以解决单一特征提取方法中必须面对的所提取特征不明显的难点。这种特征向量对噪声有较好的鲁棒性。     

基于多尺度小波变换的二维图像角点检测技术

提出一种基于多尺度小波变换的二维图像角点检测算法。首先利用二维零交叉边缘检测算子对图像进行边缘提取得到二值边缘图，通过基于边素（边过程）的围线跟踪算法得到图像的边缘围线。对边缘围线的方向曲线进行多尺度小波变换，利用变换结果的局部最大值信息检测和定位出图像角点。仿真结果表明该算法可有效地实现二维图像的角点检测与定位，具有较高的精度     

基于分组测试的小波变换图像编码

将分组测试与基于块结构的小波图像编码相结合,构造了一种具有多种可伸缩能力的编码结构,在保证分辨率和保真度可伸缩性的同时提供了对压缩图像的随机访问能力.结合上述编码结构,提出了一种低复杂度,具有分辨率、保真度可伸缩和随机访问能力的图像无损压缩算法.实验结果表明:该算法的无损编码码率与JPEG2000接近.