基于Zadeh-X变换的图像隐藏和挖掘技术

提出了用于底层图像挖掘和隐藏的Zadeh-X变换方法,同时巧妙的运用了人类视觉的对比度分辨率限制(只能分辨大于5个灰度/色度级的图像成份)对图像进行隐藏和挖掘。我们首先通过图像的灰度谱,获取图像的灰度分布信息,然后用Zadeh-X变换对原始图像进行白、黑或其它背景颜色的隐藏,隐藏后的图像具有很好的伪装性。我们同样也可用Zadeh-X变换从隐藏后的图像中把原始图像不失真地恢复出来。

基于分段Zadeh-x变换的图像挖掘技术

Zadeh-x变换是底层图像挖掘的重要技术之一。在用VC++实现了基于Zadeh-x变换的底层图像挖掘的基础上,分析了Zadeh-x变换的局限性,并从而提出了分段Zadeh-x变换。实验结果表明分段Zadeh-x变换在挖掘效果上更好,其适用范围更广。

基于Zadeh-x变换的法医学底层图像挖掘

目的:利用Zadeh-x变换对法医学中在恶劣的条件下获得的、被强背景干扰掩埋人眼无法辨认而实际却存在的图像信息进行底层图像挖掘,为法医学提供尽可能清晰的图像特征信息作为物证。方法:利用VC++编程实现Zadeh-x变换(Zadeh-x transformation)对法医学图像资料中背景与目标图像信息有差异的底层图像进行挖掘。结果:通过与传统算法如直方图均衡化比较,实现了对暗背景、电泳图、车标和衣服等图像中隐藏信息的特征提取。结论:Zadeh-x变换的方法具有较强的提取图像隐藏信息的能力,其处理结果明显优于直方图均衡化,甚至可以处理用直方图均衡化无法处理的图像信息。

基于Zadeh-X变换的视频图像挖掘

现有夜视系统主要是依靠图像增强器来改善夜间视觉图像的质量,成本比较高。借助Zadeh-X变换理论,利用DirectShow开发平台实现了暗视觉视频底层图像的挖掘。通过2级灰度平坦化分析,该实现方法使图像层次更清晰,对暗视觉视频底层图像的挖掘取得了较好的效果,可以作为传统夜视系统后端处理的有效工具。

基于Zadeh推理的故障空调噪音识别

通过声音来实现故障诊断在工业领域应用比较广泛;工业应用的主要目标是给出故障空调在运行状态下的声音,使用某种方法推断出具体故障原因;这里采用了Zadeh推理的方法对故障空调的声音进行识别,进而推断出空调内部具体哪个部件或零件发生故障;主要思路如下:首先对声音进行快速傅里叶变换,根据三分之一倍频程对整个频率进行划分,并对生成的频率进行标准化处理;当空调内部的零部件发生损坏时,噪音峰值就会在某一段或几段频率中有升高,从而提取每个频程的峰值作为特征向量;通过"专家经验"得出一个逻辑关系R矩阵,使用Matlab软件将特征向量与R矩阵进行点积运算得到故障诊断的结果,最后GUI界面呈现出结果;实验表明,这个方法对空调噪音的识别诊断效果比较理想;最后给出使用Zadeh推理的方法的一些适用条件;Zadeh推理的方法在空调噪音故障诊断应用领域可以有一定的应用空间,而且实现比较简单。

基于分割与增强方法的红外与微光图像融合

为更好地保留原始红外图像的目标信息,挖掘更多微光图像的细节信息,提出一种结合分割红外图像与增强微光图像的融合方法。首先对原始红外图像进行二维最大熵法分割以提取红外目标信息,对原始微光图像进行Zadeh变换以增强其细节信息,依据红外分割图,将增强后的微光图像与原始红外图像进行一次融合;然后,在非下采样contourlet变换(NSCT)域,对原始红外图像、微光图像和一次融合后的图像进行二次融合,得到最终融合图像。通过试验对比,所提出的二次融合方法得到的融合图像视觉效果明显优于其它方法。最后,利用多个指标进行客观评价。结果显示,该方法可有效突出目标信息,提高图像清晰度与对比度,挖掘更多细节信息。

科研院所科技成果转化能力的模糊评价

科技成果转化问题是当前我国学术界的热点课题 ,科技成果转化的优劣目前还难以定量描述 按照科学性、完整性、准确性、可操作性和易度量性的原则建立了科技成果转化的评价指标体系 通过实例 ,针对问题的模糊性 ,运用多层次模糊综合评判理论进行定量研究 ,所得结果与实际吻合 ,且具有计算简便、分辨率高和便于计算机处理的优点 。

彩色图像质量自适应最佳化方法

光照度过低或过高,都会对图像的质量产生很大的影响.针对该问题,提出了一种自适应求取彩色图像质量最佳化的方法.该方法通过人类视觉感知图像质量的四参数(信息熵、平均灰度、平均对比度、层次因子)对彩色图像质量评价,继而建立了基于Zadeh-X变换的最佳变换参数自动寻优模型,最后实现了自适应于不同光照条件下的彩色图像的最佳化效果.实验表明,处理后的彩色图像的质量得到明显的改善,具有更好的视觉效果,同时明亮区域或黑暗区域的可视细节显著提高,实现了彩色图像质量最佳化.

DirectShow框架下流媒体底层图像挖掘的实现

论述了基于Zadeh-X变换的流媒体底层图像挖掘的基本原理,以及底层图像挖掘Filter组件的设计.并在DirectShow框架下的实现了该算法.从实验结果可以看出,封装的Filte切实可行,能很好地实现本地视频文件的底层图像挖掘.