数据挖掘在图像信息隐写分析中的应用

提出数据挖掘在图像信息隐写分析中的应用。首先计算原始图像和隐写图像在通用图像质量指标下的失真测度,然后利用数据挖掘技术建立一个预测模型,完成失真测度到已知隐写概率的映射,模型的输出即为预测隐写概率。实验结果表明,使用该方法得到的预测隐写概率和已知隐写概率的相关度,当使用训练样本时达到0.951以上,使用测试样本时达到0.943以上,达到了很好的预测效果。     

谱写民用航天服务民生新篇章 资源三号卫星正式交付

资源三号卫星工程突破了我国遥感卫星的诸多技术瓶颈,实现了卫星遥感图像质量最高、数据传输速度最快、低轨遥感卫星寿命最长、立体测绘成功率百分百等多项国内第一。其投入使用将从根本上解决我国长期采购国外商用卫星影像数据进行测图工作的现状。     

基于频域互信息的全参考图像质量评价

通过在分块DCT域上计算原始图像和失真图像之间的互信息,提出了一种全参考图像质量评价方法。该方法首先将原始图像和失真图像转换到频域,然后在频域上计算其之间的互信息矩阵,并引入了下采样方法来实现对图像的多尺度分析,进而得到最终的反映图像质量的评价指标。实验表明,该方法符合人眼的视觉特性,具有很好的主观一致性。     

边缘信息的红外与可见光图像融合评价

建立能同时结合主观和客观因素的图像融合质量评价方法是目前图像融合中急需解决的问题之一。以反映人类视觉特性的结构相似度为依据,并结合源图像与融合图像的边缘信息,提出了一种新的图像融合质量评价方法,该方法充分反映了人类视觉系统的特性,可以为不同环境下选择不同的图像融合算法提供依据。通过对红外与可见光图像采用多种不同的融合算法进行融合质量评价,实验表明,评价结果与人眼主观评价一致,是一种实用的、有效的图像融合质量评价方法。     

基于细分小波的图像压缩算法研究

层次细节模型LOD(Level of detail)和感兴趣区域模型ROI(Region of Interesting)是静止图像压缩及网络传输技术中两个重要模型.通过将灰度图像网格化,并在图像网格上进行B样条细分小波变换,实现了图像的LOD压缩算法.并通过Gouraud明暗处理技术将网格还原成压缩过的灰度图像;同时,该算法还可方便地通过ROI区域选择,使ROI区域比背景区域获得更好的图像质量.     

基于人眼视觉特性的盲图像质量评价

文中针对含噪图像的质量评价,提出一种基于人眼视觉特性的盲图像质量评价算法。利用人类视觉系统的对比度敏感函数对空间域的噪声检测结果进行加权,得到符合主观评价结果的盲图像质量评价值。利用L IVE图像库的评价图像和主观评价值对算法进行了仿真验证。仿真实验结果表明,该方法具有无参考、运算复杂度低、主客观评价较一致等特点。     

无人侦察机的航迹重规划

用图像质量方程预测各个侦察目标的图像质量,以所有目标图像质量的加权之和最大和总路径长度最小为目标,在传感器观察范围、飞机机动和对目标图像质量要求以及威胁等多个约束条件下进行多目标寻优确定侦察航迹点,得到Pareto最优路径集。以目标总图像质量、总路径长度和路径总威胁为评价因素,专家系统综合当前机上资源、目标特性和威胁等级给出评价因素加权,用模糊选优方法通在Pareto最优路径集中选择加权意义下的唯一最优路径。     

基于分片光滑照度估计的Retinex图像处理框架

Retinex理论是一种图像增强技术,其基本原理是将原图像分解为照度图像和反射图像的乘积.传统的Retinex理论假定照度图像是平滑的,在实际场景中,由于目标的反射特征不同及阴影等的影响,照度图像实际上是分片平滑的,导致反射图像边界附近模糊,产生光晕现象.针对上述问题,提出了一种改进的Retinex理论图像处理框架:采...     

一种离焦模糊图像的约束复原方法

针对离焦模糊图像,提出了一种基于图像质量的约束复原算法.该算法基于平滑约束最小二秉,采用正则化技术以减少高频噪声的放大.使用人类视觉系统(HVS)特性中的对比敏感度函数(CSF)对图像功率谱加权来评价图像质量,通过搜索图像质量的最大值实现对正则参数的自适应选择,使复原结果更符合人的视觉感受.实验结果表明:该算法不需要估计降质图像的噪声水平,却能获得和平滑最小二秉复原方法相当甚至更好的复原结果.     

全信息图像质量评估研究的发展综述

随着图像技术的广泛应用,图像的质量评估问题,即信息的可靠性问题,在自动化系统中的地位日益重要。全信息图像质量评估是针对目标原始图像和被测图像都已知时的被测图像评估。从历史发展角度系统地回顾了20世纪60年代以来全信息图像质量评估研究的发展历程和现状,并从算法的构成角度对代表性的全信息图像质量评估算法进行了分类与分析。由于图像质量评估函数的性能测定在其研究中具有重要的地位,对于图像质量评估函数的性能测定方案给予了说明。最后,从研究的深入角度上讨论图像质量评估研究的未来发展趋势。