基于图像内容和混沌系统的图像认证算法

提出了一种利用离散余弦变换（Discrete Cosine Transform,DCT）系数和混沌系统的可用于检测图像篡改定位的脆弱性数字水印算法.首先将图像进行不重叠的分块,分块后的图像经过DCT变化后,利用中频系数产生水印.同时利用混沌系统构成图像块间信息嵌入和提取的对应关系,并将水印嵌入到相关块的最低有效位.图像篡改检测过程为：将提取的水印和生成的水印进行比较,通过差异的位置对其进行定位.实验结果显示,该算法具有良好的定位精度,混沌系统的采用,使算法具有较高的安全性.     

基于互信息量的医学图像拼合算法

研究了基于互信息量的图像拼合方法，对现有的概率分布估计方法及搜索策略进行了比较，并提出用梯度二值化图像互相关配准做预处理方法，并就融合后图像的显示问题提出一种基于边界法向插值的新方法、应用这些方法拼合实际XA医学图像，实现序列下肢步进图像的准确拼合．     

基于颜色差分特性的图像篡改检测

由于自然场景中目标物体表面的反射特性,以及图像采集过程中的CFA插值算法会使得图像三颜色分量之间具有相关性,特别是颜色分量的高频信息之间有近似相等的关系.拼接篡改操作会降低颜色高频分量的谱间相关性,同时也会给图像带来额外的高频信息.本文利用自然图像颜色通道高频分量之间的相关性,分析颜色差分图像中高频信息的分布情况来检测是否有拼接篡改操作.实验证明本文提取的高频特征分类效果较好,能够检测出图像的拼接篡改边缘.     

能区分图像内容或水印篡改的自恢复脆弱水印

分析了现有算法的缺陷,提出了一种能有效区分图像内容或水印篡改的自恢复安全脆弱水印算法.该方案利用检测水印实现篡改定位和篡改区分的功能,采用恢复水印恢复被篡改的图像内容.理论分析和实验仿真均表明,所提出的算法具有很好的篡改区分、篡改定位和篡改恢复的能力,能够抵抗同步伪造攻击和密钥分析攻击.     

基于多SVM分类器融合的高速公路异常事件检测方法

提出了一种利用多SVM分类器对高速公路中的复杂交通信息进行有效融合的异常事件检测方法.首先,将初始训练集划分为互不重叠的子集,为每个子集训练分类器.给定一个输入向量,利用分类器求得其所属的类别标签,并计算出该向量对特定簇的隶属度.其次,利用概率方法将多SVM分类器分类结果进行融合,得到最终分类结果.接下来,将“车流量”、“行车速度”、“道路占用率”、“相邻监测站的车流量差值”、“速度差值”以及“道路占用率差值”等交通参数表示为特征向量,分别输入到经过训练的SVM分类器,并将多SVM分类器融合后的分类结果作为判别异常事件的依据.最后,从5个具有代表性的高速公路路段采集到的交通数据构造实验数据集.实验结果表明,对比单一SVM和LS-SVM,文章提出的基于多SVM分类器融合的高速公路异常事件检测方法可以有效提高高速公路异常事件检测的准确性和可靠性,弥补了仅使用单一交通参数进行异常事件检测的不足.     

应用小波模历史图像的运动车辆视频检测

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域;然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像;最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后,将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0%,有效率为92.5%;与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.     

接触网几何参数的提取与分析

针对接触网几何参数高速、动态测量的实际需要,提出一种利用改进的Harris角点检测算法对接触网的几何参数进行提取,并计算提取图像中的角点的曲率及梯度.在分析检测结果与接触网几何参数检测的特殊性后,绘制出导高变化曲线和动态拉出值曲线.利用导高的变化曲线对受流参数硬点进行分析.结果表明,该方法可以成功对该段线路内接触网的受流参数硬点进行判别.     

基于多特征检验的三维沥青路面裂缝检测

针对由裂缝对比度低、路面纹理复杂多变等因素引起的沥青路面三维图像的裂缝检测精度低的问题，对原始三维裂缝图像进行尺寸降维、灰度校正、高斯滤波等预处理；然后以图像截面为研究对象，分别对4个方向的截面依次进行特别设计的倾斜度、高斯分布、边缘梯度3种特征检验，从而获得裂缝截面；接着对各个方向的裂缝截面进行融合和去噪，获得完整的裂缝二值图像；最后，根据路面粗糙度的高低，变化高斯分布特征检验中的相关参数，实现裂缝的高精度检测. 研究结果表明:提出的算法能达到89.19%的准确率、93.69%的召回率及91.06%的 F 值，优于基于三维光影、种子识别的典型三维图像裂缝检测方法.      

一种基于贝叶斯特征的视频图像人脸检测

提出了一种基于仿射运动模型和贝叶斯理论的视频图像人脸检测方法.建立仿射运动模型进行运动估计,提取运动对象区域;对训练图像提取人脸与非人脸的统计特征,利用贝叶斯准则建立概率模型;根据贝叶斯分类器和支持向量机分类器将图像特征分为人脸类与非人脸类,从而检测出视频运动图像中的人脸区域.     

基于数字图像技术的沥青路表面三维构造获取系统

为了客观、真实地评价沥青路表面三维构造,利用数字图像技术研制了一种沥青路表面三维构造获取系统.首先基于经典的漫反射模型the Lambertian Model,获取3张红、蓝、绿二维图像;然后根据光度立体法,利用3张图像的反射光强度计算其x、y方向上的梯度数据;最后借助Frankot-Chellappa全局积分算法将梯度数据进行傅立叶变换,计算得到高度值,实现路表面构造的三维重建.研究结果表明,该系统获取的高度值精度达到0.000 1 mm,满足分析构造深度的要求;与传统方法铺砂法的测试结果相关系数R=0.887 5,相关性较好,证明了该系统应用的可行性.      

基于结构光的多投影显示系统图像对准算法

为了解决多投影显示系统的图像对准问题,提出了一种基于结构光投影技术的对准算法.该算法通过求取等相位线的交点来建立投影机图像与相机拍摄图像间的映射关系,对于投影机图像上任一像素点,有水平和垂直2个相位值.在相机图像的水平相位展开图中找出与该点水平相位值相等的离散坐标点的位置,拟合出一条水平等相位线,同理,可以得到它的一条垂直等相位线;求出水平和垂直等相位线的交点,即为该点对应于相机图像中的像素点.该算法无需知道显示墙的解析表达式和相机的内部参数,适用于任意光滑的曲面显示墙.对准后图像与原始图像的对比实验表明:峰值信噪比达到27.904,结构相似度为0.972 4,说明该算法能有效提高图像的对准精度.      

Saliency motivated pulse coupled neural network for underwater laser image segmentation

The detection range of underwater laser imaging technology achieves 4—6 times of detection range of conventional camera in intervening water medium, which makes it very promising in oceanic research, deep sea exploration and robotic works. However, the special features in underwater laser images, such as speckle noise and non-uniform illumination, bring great difficulty for image segmentation. In this paper, a novel saliency motivated pulse coupled neural network(SM-PCNN) is proposed for underwater laser image segmentation. The pixel saliency is used as external stimulus of neurons. For improvement of convergence speed to optimal segmentation, a gradient descent method based on maximum two-dimensional Renyi entropy criterion is utilized to determine the dynamic threshold. On the basis of region contrast in each iteration step, the real object regions are effectively distinguished,and the robustness against speckle noise and non-uniform illumination is improved by region selection. The proposed method is compared with four other state-of-the-art methods which are watershed, fuzzy C-means, meanshift and normalized cut methods. Experimental results demonstrate the superiority of our proposed method to allow more accurate segmentation and higher robustness.     

基于状态参数的安全数码相机模型

现有安全数码相机不能识别二次获取图像且必须直接参与含水印数字照片的认证过程.针对上述问题,本文从含水印数字照片的密钥生成与传递方式入手,提出一种基于状态参数的新型安全数码相机模型.该模型通过设计相机密钥设置函数——级联-混沌映射,隐蔽地生成安全数码相机的相机密钥,然后以相机密钥和照片拍摄时相机的取景模式、焦距、拍摄时间等状态参数为明文数据,利用Hash函数计算出含水印数字照片的密钥,讨论分析了该模型中密钥的保密性和难伪造性,建立了相机与密钥的多对一非线性映射关系.实验结果表明,相机密钥或状态参数改变时,密钥的变化量近似均匀分布.      

基于高斯混合部件模型的铁路扣件检测

针对采集图像中铁路扣件存在形状的变化、扣件图像的光照差异较大和扣件被异物局部遮挡的问题,根据对可变形部件模型算法和高斯混合模型的研究,提出了高斯混合部件模型算法. 结合扣件图像边缘特性及改进的Roberts算子计算图像梯度,将归一化后的方向梯度直方图特征作为高斯混合部件模型算法的底层特征,根据扣件形状划分部件,部件之间的相对位置采用星型连接方式度量,运用余弦相似性度量部件中方向梯度直方图特征的相似度,部件模型使用高斯混合模型并采用期望最大化算法迭代求解. 将高斯混合部件模型算法应用于扣件检测中,最终平均检测效果为漏检率3.16%、误检率9.80%、正确率90.27%.      

全景图生成中圆柱面正投影算法研究

在采用IBMR的方法构造虚拟环境的过程中,全景图的生成是一个重要的环节．在把用普通数码照相机得到的一组相关照片生成全景图时,需要将照片经过投影、拼接和平滑化等步骤生成一幅全景图像．主要把全景图生成中圆柱面正投影算法进行分析、讨论、归纳、总结,并提出一些新观点．最后验证了此算法及其讨论的正确性．     

噪声符合高斯分布的曲面图像分割

针对噪声符合高斯分布的曲面图像分割问题,提出了一种基于变分水平集方法的隐式曲面上噪声符合高斯分布的图像分割模型。为定义隐式曲面上图像区域划分的动态轮廓线,引入另一个动态水平集函数,其零水平集与隐式曲面的交线即为曲面上区域划分的轮廓线。该模型采用N个水平集函数划分2^N个区域的区域竞争策略。通过变分方法得到图像分割空间轮廓线演化的梯度降方程。通过显式差分格式对演化方程进行离散。实验结果表明,该模型对曲面上噪声符合高斯分布的图像具有良好的分割效果,并且在图像分割的同时能够完全保持曲面固有的几何特征。     

MEDICAL IMAGE SEGMENTATION BASED ON A MODIFIED LEVEL SET ALGORITHM

Imagesegmentationplaysanimportantrolein imageanalysisaswellasinhigh levelimageinter pretationandunderstandingsuchasrobotvision, objectrecognition,andmedicalimaging.Numerous segmentationmethodshavebeendeveloped.How ever,medicalimagesareoftencorruptedbyno…     

基于光束法双像解析的森林火点定位技术

利用摄像机获取森林区域立体影像,以三维电子罗盘仪测定摄影瞬间摄影机三维姿态角作为初始值,应用光束法双像解析确定森林火点三维坐标.经过实验验证,火点定位精度能达到100 m以内,能满足森林防火对火点定位精度的要求.该方法无需已知点作为控制点,定位精度主要与同名像点视差精度、摄影基线长度、交向角及摄影距离等因素有关.坐标定位误差随着摄影距离增加而增加,沿摄影方向误差明显大于其他两个方向;随着摄影基线长度的增加,火点定位精度有所提高,交向角对火点定位精度的影响不明显.摄站选择时,摄影基线长度一般为30~200 m,应保证左、右影像重叠度在60%~80%及影像能正常匹配.      

基于视频+数码的电子警察系统的设计与实现

文中提出了基于视频+数码方式的电子警察系统的设计方法,给出了系统的结构图,通过线圈检测器实现车辆的违章检测,利用视频+数码的方式实现对违章车辆进行抓拍,系统不但可以提供违法照片,还可以记录车辆冲红灯的全过程。该方法已在佛山市电子警察系统中得到应用,实践证明具有良好的效果。     

Technique based on image pyramid and bayes rule for noise reduction in unsupervised change detection

In this paper, a technique based on image pyramid and Bayes rule for reducing noise effects in unsupervised change detection is proposed. By using Gaussian pyramid to process two multitemporal images respectively, two image pyramids are constructed. The difference pyramid images are obtained by point-by-point subtraction between the same level images of the two image pyramids. By resizing all difference pyramid images to the size of the original multitemporal image and then making product operator among them, a map being similar to the difference image is obtained. The difference image is generated by point-by-point subtraction between the two multitemporal images directly. At last, the Bayes rule is used to distinguish the changed pixels. Both synthetic and real data sets are used to evaluate the performance of the proposed technique. Experimental results show that the map from the proposed technique is more robust to noise than the difference image.