基于NSCT和Bilateral滤波器的含噪声图像融合

对于含噪声红外与可见光图像的融合,在滤除噪声的同时通常也会损失同为高频信息的边缘细节.为了解决这个问题,提出了一种基于Bilateral双边滤波器和非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)的含噪声图像融合算法.首先采用NSCT方法对图像进行多尺度分解,调整参数使得到的红外图像和可见光图像的高频图像中包含了大部分的边缘信息和噪声,为了保留边缘信息和滤除噪声,采用Bilateral双边滤波器分别对两幅高频图像进行处理,并得到红外高频图像的细节图像.为了将原始图像的边缘细节信息尽可能多地提取到融合图像中,同时增强边缘信息,将红外细节图像与可见光高频图像叠加到一起,提升融合图像的视觉效果.然后,采用局部区域标准方差系数方法作为红外与可见光图像低频图像的融合规则进行融合.最后,将融合后的高频图像和低频图像根据NSCT反向变换进行重构,得到融合后的图像.实验结果表明,该算法在滤除噪声的同时能够很好地保持边缘细节,对于含噪声图像的融合具有很好的效果.     

基于图像表面梯度的翻拍检测

经过翻拍后的篡改图像能够轻易绕过现有的图像篡改检测系统,这对图像真实性的检测构成严重的安全威胁.本文基于翻拍过程中两次使用相机进行拍摄而引入的非线性响应,使用Lib-SVM设计图像分类器判别翻拍图像和真实图像.翻拍后图像表面梯度值与真实图像相比会产生非线性变化,这使翻拍图像表面梯度值产生异常.本文基于图像表面梯度特性提取相关特征值,使用支持向量机分类器进行翻拍图像和真实图像的判别.实验结果表明,本文提出的特征分类效果良好,可以正确检测翻拍图像.     

数字图像隐藏及其保密传输

本文归纳介绍基于图像变换、融合与图像分存等数字图像隐藏技术及其在图像信息保密传输中的应用,讨论了基于FASS曲线、Arnold变换、Magic Square以及复数迭加的图像置乱变换,图像融合与恢复,图像分存的原理和方法,并结合实际应用提出了利用图像隐藏技术实现图像信息保密传输的原理和方案.     

一种基于小波多分辨率特征的彩色纹理图像检索

通过分析图像YCbCr空间的纹理与色彩特征,对色彩图像进行M带小波分解,提出了一种基于小波多分辨率特征和关系函数来计算图像相似度的彩色纹理图像检索方法.将小波分解后的16个子带系数作为图像的原始特征;运用模糊C均值算法对原始特征聚类分析,最后采用关系函数对查询图像和目标图像的模糊特征进行相似度计算,得到用户需求的图像.实验表明,该方法可以实现有效的图像特征提取,并能很好的检索出用户需求的图像.     

二值图像形态操作与结构元素分析

分析了二值图像的形态操作,探讨了二值图像形态操作中结构元素对图像处理结果的影响.在Matlab数字图像处理工具箱中,将索引图像转换成二值图像,给出了运用钻石形结构元素对二值图像进行了膨胀和腐蚀操作的实例.     

二值图像形态操作与结构元素分析

分析了二值图像的形态操作,探讨了二值图像形态操作中结构元素对图像处理结果的影响.在Matlab数字图像处理工具箱中,将索引图像转换成二值图像,给出了运用钻石形结构元素对二值图像进行了膨胀和腐蚀操作的实例.     

基于IHS变换与直方图匹配法的遥感影像融合

针对IHS变换法(彩色空间变换法)对多光谱图像和高分辨图像进行融合会丢失较多的光谱信息,称之为光谱扭曲,文中研究并实践了一种新方法,该方法利用直方图匹配的方法来解决光谱特征扭曲的问题,经过直方图匹配处理后的高分辨图像和多光谱图像的光谱强度分量具有较强的相关性,经IHS反变换后可以得到具有较好空间分辨率和光谱信息的融合图像．文中以TM图像和SAR图像融合为例进行分析,其结果表明,该方法得到的融合图像优于传统的IHS变换法．     

道路标志自动分类方法

为了对道路标志图像进行自动分类,通过图像颜色空间变换,将图像的RGB量值转换为H(色度)S(饱和度)I(亮度)量值,采用Sobel算子进行道路标志图像的边缘检测,利用行扫描法进行区域填充,以获取二值化的道路标志图像区域,提取道路标志二值化图像的不变矩与形状参数作为图像特征值,设计BP神经网络道路标志图像几何形状分类器,以道路标志图像的H、I为特征值,设计了欧式距离分类器,实现道路标志背景颜色的识别。融合道路标志图像几何形状和背景颜色的识别算法,并利用道路标志的分类知识和自动分类方法,能有效实现道路标志图像的自动识别。     

模糊航空图像中的道路自动检测方法

为了在模糊航空图像中精确地检测道路,通过分析图像中道路特性,提出了一种道路自动检测方法。通过多尺度Retinex算法增强模糊图像,用改进的Canny边缘检测算法检测图像中的主要路段,使用交叉熵理论和贝叶斯决策理论自动获取梯度图像中的高低阈值,从而将灰度图像转化为二值图像,并将图像中所有线性目标进行骨架提取。根据线性目标的形状与尺寸参数进行噪声滤除,并根据端点的方向与端点间的距离进行道路间隙缝合,并结合边缘和原始图像信息调节和修正已检测出的道路。将道路自动检测方法与几种常用的图像分割算法进行比较,包括大津阈值分割算法,Canny边缘检测算法与图论最小割算法,并使用道路自动检测方法对模糊图像中的单条道路、交叉道路和多条道路进行检测。检测结果表明:对模糊或光照不均的航空道路图像,Retinex算法增强图像后可以清晰显示主干道路,而常规的图像分割算法无法将主干道提取出来,使用改进的Canny边缘检测算法并附以图像后处理功能较好地提取主干道路。使用道路自动检测方法能够清晰地检测模糊航空图像中单条道路、交叉道路和多条道路,与人工识别的效果接近。     

基于局部自相似的字典学习图像去噪方法

利用图像具有自相似的特点,结合稀疏表示理论,提出了一种新的图像去噪方法.该方法汇集相似的图像块,构造局部字典,能够更好的匹配图像的纹理和复杂结构.实验结果表明,该方法在抑制图像噪声的同时,能很好的保持图像的纹理和细节信息.