显微镜下两层物体的快速自动对焦算法

针对显微镜下两层物体的大规模图像采集问题,提出了基于图像边缘和邻域预测快速自动对焦算法。通过提取成像主体的边缘区域作为对焦窗口,结合线性预测方法,实现了既保持上层成像目标清晰,又有效抑制下层背景干扰的自动对焦系统。实验表明该算法在对焦速度、对焦精度以及抵抗背景干扰方面有突出优点。

对数域中自动色彩均衡化快速算法

对于存在颜色一致区域或低对比度区域的图像,在校正后往往会出现"灰化"现象.尽管自动色彩均衡化(ACE)算法采用整幅图像作为计算子集进行颜色校正,在一定程度上克服了"灰化"现象,但导致了计算量的大幅增加.针对这一问题,提出一种在对数域内融合了局部特征和全局特征的克服"灰化"现象的算法.首先将原图像变换到对数域,实现光照与反射系数的解耦;然后对变换后的图像进行局部特征计算/侧抑制调整,同时计算图像的全局特征;最后利用标准的增益与偏移方法将两者的融合图像映射到正常显示的区域,并改善图像的对比度.实验结果表明,该算法不仅可以大大减少计算量并有效克服"灰化"现象,而且可以获得满意的主观视觉效果.

数字彩色图像拷贝-变换-移动篡改检测

针对拷贝-变换-移动篡改技术,提出基于尺度不变特征变换(SIFT)特征点的检测算法。该算法利用快速匹配方法得到互相匹配的SIFT特征点作为种子点,根据SIFT特征点的尺度和方向信息制定合适的生长策略逐步生长出被篡改区域。实验结果证明,该算法对常用的润色操作和JPEG压缩有较好的稳健性。

电力消费量周期性分析

在经验模式分解的基础上,根据多分量信号的一些特点,分析了多分量信号的数学基础.并从信号的瞬时频率和瞬时带宽出发,提出了基于带宽的停止准则,改进了筛算法.将该算法应用于电力数据分析,得到电力消费分解数据,并在此数据上得到关键性的结论,以指导电力分配.

经验模式分解算法的分析及应用

从窄带信号的定义出发,弥补了经验模式算法由本质模式函数(IMF)作为基础的缺陷,合理解释了经验模式分解算法.并在理论上研究了筛过程的本质特征.应用局部窄带分解算法分析一组电力数据.通过分析分解的结果得到电力消费数据包含几个周期时序组成的结论,以指导电力的分配.

显微镜的快速自动对焦算法

针对平面样品的大规模显微图像采集,提出了一种基于预测的快速自动对焦算法。首先,利用相邻图像的对焦位置估计当前图像的对焦位置,并在其附近做微小调整即可得到最佳对焦位置,从而避免对焦评价曲线的多峰干扰。其次,利用阈值分割方法选择对焦窗口以消除背景干扰,使对焦评价函数满足无偏性。该算法大大减少了自动对焦所需要采集的图像数量,对焦速度、精度以及鲁棒性均有明显的提高。

基于融合的高分辨率彩色图像拷贝—变换—移动篡改检测

拷贝—变换—移动篡改是一种操作简单但非常有效的数字图像篡改方法,现有检测框架无法检测。同时,在处理高分辨率篡改图像时,基于穷举搜索的现有算法框架会有计算量的困难。针对高分辨率彩色图像拷贝—变换—移动篡改提出了基于图像融合和尺度不变特征变换(SIFT)特征点匹配的检测算法。首先利用基于加权多尺度基本形的图像融合方法将降采样后的彩色图像信息融合至单幅灰度图像中,然后设计快速匹配方法得到融合图像中匹配的SIFT特征点作为种子点,最后根据图像处理规则和SIFT特征点的尺度和方向信息制定合适的生长策略逐步生长出被篡改区域。对手动制作的篡改图片和可疑新闻图片的实验结果表明,该算法对常用的润色操作和亮度调整以及JPEG有损压缩有较强的稳健性。