基于光响应非均匀性的WhatsApp压缩视频来源识别

光响应非均匀噪声(photo response nonuniformity,PRNU)是光学成像传感器成像时引入的一种独特噪声,可有效识别压缩视频的来源。针对现有算法提取压缩视频的PRNU效果并不显著的问题,论文提出了一种改进PRNU提取算法。首先,去除视频编解码的环路滤波器,对视频帧使用双密度双树复小波变换进行分解;然后对高频子带使用基于贝叶斯阈值估计的双变量收缩算法进行估计,再使用自适应加窗维纳滤波进行二次估计,得到噪声残差;最后用基于量化参数值加权的最大似然估计法聚合噪声残差,再与视频帧估计得到PRNU。实验结果表明:该文提出的方法在20 s时WhatsApp视频的识别率为75%。

基于双密度双树复数小波变换的图像融合研究

双密度双树复数小波变换综合了双密度小波、双树小波和复数小波的优点,具有平移不变性以及良好的方向性,将其引入图像融合能够更好地提取原始图像的特征,为融合图像提供更多的信息。该文提出一种基于双密度双树复数小波变换的图像融合方法,首先将图像进行双密度双树复数小波变换,然后在相应尺度上利用融合规则将变换系数融合,最后进行重构得到融合结果。采用多组具有不同特征的源图像进行融合实验,并对融合图像进行了主客观评价。实验结果表明,该文方法的融合效果优于传统的小波变换方法。

基于双密度双树复数小波变换的合成孔径雷达图像降噪研究

针对合成孔径雷达(SAR)图像相干斑噪声抑制问题,本文将双密度双树复数小波变换(DD-DT CWT)结合具有局部方差估计的双变量收缩阈值函数(BSF)构成一种新的SAR图像降噪算法实现合成孔径雷达图像降噪.首先将SAR图像用双密度双树复数小波变换进行多尺度分解,考虑小波系数间的相关性,用双变量概率密度函数作为小波系数及其父代系数的统计关性的模型,并通过Bayesian估计理论导出相应的非线性双变量收缩函数对图像不同方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像.分别用仿真SAR图像和实际图像对算法进行验证,并与其它方法的性能进行比较,对不同算法处理后图像进行了主客观评价,分析结果表明,新算法的去噪效果明显优于传统的小波变换方法,不仅有效实现了图像降噪,而且较好保留了图像细节.含噪SAR图像经该算法处理后,图像性能指标均有提高.

双密度双树复小波变换及其在机械故障微弱特征提取中的应用

为改善经典小波变换在机械设备早期微弱故障特征提取中的不足,通过在滤波器组中引入适当的冗余度设计出双密度双树复小波基。双密度双树复小波变换具有两个尺度函数和四个小波函数,其中小波函数构成两组近似希尔伯特变换对,使双密度双树复小波基具有高度正则性、较小频带混叠和近似平移不变性等优良性质。频带分解上,双密度双树复小波变换的子频带中心频率处于经典小波变换相邻子频带的过渡区间上,能对经典小波变换难以处理的过渡带特征进行有效提取。将双密度双树复小波变换应用于重型卧式车床出厂检测,诊断出一处装配缺陷。同时结合平稳双密度双树复小波变换与相邻系数收缩策略提出改进消噪算法,将其应用于热轧机组减速箱齿轮故障特征提取中,检测出同一齿轮上的两处齿面损坏。

双密度双树复小波变换的局域自适应图像去噪

为了改善降质图像质量,提出一种基于双密度双树复小波变换的局域自适应图像去噪算法。分析了双密度双树复小波变换的原理及特点,推导了双变量收缩函数(BSF)。通过并行使用4个2D双密度离散小波变换,且行和列采用不同的滤波器组,实现了对噪声图像的双密度双树复小波分解。根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量收缩函数对小波系数进行处理,并用收缩后的小波系数重构去噪图像。最后,将该算法用于灰度图像和彩色图像去噪实验。实验结果表明:与噪声图像相比,在噪声方差为30时,经该算法去噪后的图像获得的最高峰值信噪比增益达11.72 dB,平均结构相似度最高增加了2.7倍,复合峰值信噪比增益达11.68 dB。此外,对不同噪声方差下的不同噪声图像,该算法在滤除噪声的同时可保留更多的图像细节,极大地改善了去噪图像的视觉质量。

基于小波熵的低误报率人体热释电红外信号识别

提出一种基于双密度双树复小波变换小波熵特征的热释电红外(PIR)信号人体识别方法。首先对人体和狗的PIR探测器输出信号进行去噪预处理,然后提取信号的双密度双树复小波变换的小波熵作为特征,最后采用最小二乘支持向量机对特征进行分类。实验结果表明:所提取的特征及分类方法对人体与狗的热释电红外信号的识别率可达93.6%。因此该识别方法能大大降低PIR探测器的误报率,并可进一步提升PIR探测器在安防和智能家居系统中应用。

一种新的双密度复小波域图像去噪算法

提出一种改进的基于双密度复小波系数组合的图像去噪算法。采用双密度复小波分解噪声图像,将其变换系数按规则重新排列组合,增强了图像的边缘信息。引入贝叶斯最大后验估计理论下的双变量模型,充分挖掘其系数尺度内和尺度间的双重关联性,有效地提高了去噪性能。仿真实验表明,去噪后的图像克服了常见的伪吉布斯现象,与当前一些图像去噪算法相比较,其客观评价指标PSNR以及去噪后图像的主观视觉效果都有明显的提高和改善,且有效地保留了原始图像的纹理和细节信息。

双密度双树复小波域多聚焦图像融合

将双密度双树复小波变换引入多分辨率图像融合中,利用双密度双树复小波变换的多尺度、多方向性和平移不变性特征分解多聚焦图像,对分解后高、低频图像系数采用不同融合策略进行融合,应用双密度双树复小波逆变换重构图像。采用多组多焦距源图像进行融合实验,并对融合结果进行了客观评价。实验结果表明双密度双树复小波域融合方法对多聚焦图像具有更好的融合效果,图像的细节描述更加精确。

基于复小波方向信息的SAR图像斑点噪声抑制

针对一般小波去噪方法在去除合成孔径雷达(Synthetic Aperture Radar-SAR)图像斑点噪声时不能有效保持图像边缘信息的问题,提出结合双密度双树复小波变换(Double-Density Dual Tree Complex Wavelet Transform-DD_DTCWT)方向信息进行边缘检测的SAR图像噪声抑制算法。本文对边缘检测指标进行改进,利用DD_DTCWT方向复小波系数的相对方差作为边缘检测指标,通过相对方差分布密度函数获取阈值处理的自适应门限,由此实现SAR图像的自适应滤波。实验结果表明,本文提出的边缘检测和主方向高频复系数提升方法可以有效保持并增强图像的边缘信息。与SRAD算法和基于DD_DTCWT的双变量收缩函数(Bivariate Shrinkage Function-BSF)算法相比较,本文算法具有更好的边缘保持能力。

一种有效保留图像细节的自适应图像消噪方法

针对更多保留图像细节信息有效滤除噪声的问题,分析了双密度双树复小波的变换原理及特点,推导了双变量萎缩函数,提出一种基于双密度双树复小波变换的局域自适应图像消噪算法。首先对含噪图像进行双密度双树复小波分解;后根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量萎缩函数对小波系数进行处理,并用处理后的小波系数重构图像。实验结果表明:该算法在滤除噪声的同时可保留更多的图像细节,极大地改善了图像的视觉质量。

基于DD-DT CWT和SIFT的体数据数字水印算法

为了确保三维体数据数字模型信息在网络传输过程中的安全性、完整性,对体数据数字水印算法进行研究。提出基于双密度双树复小波变换的体数据数字水印嵌入算法,算法提高了水印的嵌入容量,在兼顾水印不可见性的同时提高了水印抵抗压缩、噪声等攻击的能力;提出基于尺度不变特征变换的体数据数字水印提取算法,实现了水印嵌入和提取时的同步性,提高了水印抵抗旋转、缩放等几何攻击的能力。实验证明:算法不可见性好,实现速度快,在盲检测下能够抵抗压缩、滤波、噪声、平移、旋转、缩放、剪切等攻击,具有较好的鲁棒性。

基于脑电信号间Granger因果关系特征的情感识别

鉴于人情感变化时不同脑区与频段间脑电(EEG)信号会交互作用、形成因果相关信息流,其特征应是情感识别的关键点。因此拟将不同脑区通道、不同频段的EEG信号之间Granger因果系数差值作为特征在愉悦度、唤醒度以及控制度这3个维度上分别进行二分类的情感识别以进一步提升其效果。采用国际情感数据集DEAP,首先小波包变换将脑电信号分解成θ、α、β、γ4个频段,双密度双树复数小波变换对信号去噪,再分别计算每个频段以及每两个频段组合下各脑区之间因果关系值,将它们分别单独作为特征,用支持向量机(SVM)分类,最后将识别率高(>70%)的频段特征送入分类器,情感分类识别对象是单独被试,32名被试的平均识别率为96%,用功率谱密度(PSD)、不对称系数(AI)、能量、熵这4种特征的识别率为80%左右,因此将Granger因果关系用于基于脑电的情感分类与识别是一种有效提高情感识别率的方法。

基于机器视觉的不同类型甘蔗茎节识别

针对不同种类甘蔗表面多样性和复杂性等因素导致甘蔗图像的茎节难以识别问题,提出一种基于机器视觉且适合各种类型甘蔗的茎节识别方法。首先,通过迭代拟合法从原始图像中提取甘蔗目标区域,并估计甘蔗目标与横轴的倾斜角度,根据倾斜角度参数旋转甘蔗目标成近似平行横轴姿态;然后,利用双密度双树复小波变换(DD-DTCWT)对图像进行分解,使用不同层次的垂直和近似垂直方向的小波系数重构图像;最后,运用图像直线检测算法对重构图像进行检测,得到甘蔗茎节部位的边缘线,对边缘线的密度、长度、相互距离信息进一步验证便可实现甘蔗茎节的识别和定位。实验结果显示甘蔗茎节完整识别率达到92%,约80%的茎节的定位精度小于16个像素,95%的茎节的定位精度小于32个像素,所提方法在不同的图像背景下,都能够成功地对不同类型的甘蔗进行茎节识别,并且定位精度高。

一种能保留图像边缘信息的去噪新方法

图像处理的目标是消除噪声的同时能保留图像所固有的信息。针对保留边缘信息有效去噪问题,提出了双密度双树复数小波变换的图像去噪方法,该方法综合了双密度小波、双树小波和复数小波的优点,具有更好的方向性,将双树复数小波的6个方向,提高到12个方向,并采用了自适应软阈值对小波变换的系数进行处理,消除图像干扰噪声。本文对加噪图像进行去噪仿真试验,并进一步进行边缘检测,仿真试验结果表明,该方法能有效消除图像噪声并保留图像原有边缘信息,与双密度双树小波相比,去噪效果明显改善,均方误差减小了2.4%。

基于双密度双树复小波变换的图像压缩

随着多媒体信息技术的高速发展,产生了极其庞大的图像数据。当对这些数量庞大的图像数据进行存储和传送时,利用图像压缩编码技术减少其数据量是很有必要的。本文的研究目的是寻找一种压缩质量较好的图像压缩方法。本文在小波变换与图像压缩的理论基础上进行研究,提出了基于双密度双树复小波变换的图像压缩方法,通过Matlab仿真实验得出了实验结果的比较和分析,最终确认了该方法相比传统的图像压缩方法对图像的压缩质量有明显的优化。

基于双密度双树复小波的结构化CS图像重构

提出了一种基于双密度双树复小波(double-density dual-tree complex wavelet transform,DDDT-CWT)基的结构化CS图像重构算法,该算法将图像在双密度双树复小波变换下的系数呈现的树结构化特征与Co Sa MP重构算法相结合,实现了对原始图像的更精确重构.实验结果表明:在相同压缩比的前提下,与传统使用DWT基且未考虑变换系数结构化特征的重构算法相比,使用DDDT-CWT基和融入结构化特征的重构算法分别可获得2.9～3.2 d B与0.2～1.2 d B的增益,综合两者后的重构算法可获得3.8～4.3 d B以上的增益.

基于双密度双树复小波变换多字典的人脸特征稀疏分类方法

基于超完备字典的人脸稀疏表示方法的难点是其字典构成。针对此问题,首先采用双密度双树复小波变换(DD-DT CWT)提取人脸图像不同尺度的高频子带,然后根据能量平均分布最大原则选择能量较大的部分子带构成对应尺度的超完备字典。同时,将测试样本相应的人脸DD-DT CWT子带特征看成超完备字典中原子的线性组合,并组合多字典上的稀疏表示进行识别。在AR人脸图像库上进行了实验,结果表明该方法是一种有效的人脸特征表示及分类方法。

量子遥感图像数据去噪算法研究

针对遥感图像数据产生和传输过程中的去噪需求,作者提出一种基于量子衍生研究方向的遥感图像去噪算法,并通过实验方法对该算法的精度提升幅度进行了验证。该算法的实验验证过程包括:首先,对已知图像进行噪声添加,对添加噪声图像数据进行对数变换后再进行双密度双树复小波变换;然后,利用贝叶斯理论对变换后的系数进行去噪,再采用最大后验概率(Maxaposterior,MAP)估计双树复小波的方差;最后,通过双树复小波反变换得到去噪后的图像数据,将这些变换过程中得到数据结果与源图像数据进行对比分析,得出该算法的实验结果。实验结果证明该算法的峰值信噪比(Peak Signal to Noise Ratio,PSNR)比其他文献提高2 dB以上,边缘保持指数(Edge Preservation Index,EPI)也高于普通方法的0.1以上。