基于多尺度滤波器的空域图像隐写增强算法

隐写是一种利用图像、视频、音频等多媒体载体实现隐蔽传输的技术.如何在尽可能减少对载体影响的情况下嵌入尽可能多的信息一直是隐写算法的研究重点.随着双层校验格码(syndrome tellis codes,STC)的引入,隐写算法的嵌入效率能够达到理论上界.因此,隐写算法的设计重心变为了设计用于衡量图像像素嵌入安全性的失真函数.失真函数是自适应隐写算法的核心.对于空域图像隐写而言,失真函数通常是基于图像的复杂性原则,即载体图像中的纹理区域通常具有较低的失真代价,而平坦区域通常具有更高的失真代价.然而,基于图像内容的多样性,这种准则并不能适用于一幅图像中的所有像素点.提出了一种适用于空域隐写算法的隐写增强算法,通过多尺度滤波器对载体图像进行增强,使得在增强不同尺度的纹理区域的同时减少对图像平坦区域的增强.增强后的失真代价遵循了复杂性原则,并解决了失真代价分配不当的问题.实验结果表明:所提出的算法能够适用于现有的空域隐写算法,并且能够提升它们的抗隐写分析检测能力.

基于多尺度Wiener滤波器的分形噪声滤波

针对淹没在 1/f噪声中的有用信号恢复问题 ,本文提出了一套基于双正交小波变换与Wiener滤波的多尺度滤波算法 ,并设计出多尺度Wiener滤波器 .首先 ,利用双正交小波变换将带有 1/f噪声的信号分解成多尺度的子带信号 ,通过小波变换对 1/f噪声的白化作用 ,消除了 1/f噪声的非平稳性、自相似性和长程相关性 .其次 ,在小波域内 ,利用Wiener滤波 ,实现了噪声和有用信号的分离 ,估计出了各子带中的有用信号 .最后 ,利用双正交小波的精确重构性 ,较好地恢复出淹没在 1/f噪声中的有用信号 .仿真实验表明 ,该滤波器能有效的抑制分形噪声 。

粒子群优化的多尺度形态滤波器消噪方法

针对传统的形态学滤波器难以适应机械设备振动信号的冲击、非线性和背景噪声较大等特点,提出了基于粒子群优化的多尺度形态滤波器构造方法。根据形态学算法的特性,构造了多尺度形态学滤波器,对于形态学滤波运算中的重要参数形态结构算子,采用具有全局优化性能的粒子群算法根据信号的特点自适应选取,实现了最优滤波器的构造;将噪声信号通过不同尺度的形态学滤波器进行滤波,将获得的多个滤波信号根据权值运算获得最终的去噪信号。通过仿真实验和轴承故障信号的分析表明,该形态学滤波器能够实现较好的滤波效果,可以有效地对机械设备的故障信号进行消噪。

探测因子优化的多尺度形态滤波器去噪方法

采用形态滤波器对信号进行去噪,结构元素尺寸的确定是最重要的一环。然而绝大多数的确定方法都是凭借经验或者同理想波形对比来优化结构元素尺寸,前者缺乏精确性,后者则缺少实际意义。针对这些问题,提出了一种通过探测因子函数来确定结构元素尺寸的新方法。首先,通过一个探测因子函数获得信号的尺寸信息。然后,对获得信息求导以找到合适的结构尺寸。最后采用多尺度金子塔形态滤波器来实现去噪。随机信号的仿真去噪以及激光脉冲雷达回波信号的去噪实验表明,该方法有着比较好的去噪效果,并且与其他常用形态滤波方法相比,既不依赖经验,也不引入理想波形。因此该方法有着非常好的前景。

基于多尺度Gabor滤波器的彩色图像边缘检测

为了更好实现对彩色图像进行边缘提取,并保证算法具有更好的稳定性,文章使用多尺度Gabor滤波器的方法,来提取彩色图像边缘和轮廓。构建了3个尺度、16个方向的Gabor滤波器。首先将彩色图像灰度化,利用多尺度Gabor虚部滤波器提取图像灰度变化信息。通过非极大值抑制,并通过高低阈值获取边缘像素点及其候选边缘,最后利用局部边缘连接获取图像边缘轮廓。并将本算法与常用边缘检测算法进行实验性能比较,实验结果表明:提出的算法既能获得较高的定位准确度,又具有很好的噪声鲁棒性,该算法与常用的Roberts等一系列算法相比,检测效果更好,稳定性更强。

基于系数相关性的多尺度Kalman滤波器组的GPS共视观测数据算法

运用基于小波系数相关性的多尺度Kalman滤波器组算法处理GPS共视观测数据。在假设GPS共视钟差数据具有1/f分形特性的条件下,用基于小波变换的算法估计GPS钟差数据的自相似参数H。当0<H<1时,GPS共视钟差数据是一个具有1/f分形特性的高斯、零均值、非静态随机过程。在此条件下,在多尺度Kalman滤波器参数估计过程中讨论小波系数列的相关性。并在考虑相关性的基础上进行钟差数据的估计。分别对单通道和多通道共视数据进行处理,并与C ircular T数据进行了比对。结果表明本文方法是可行的、有效的。

基于多尺度Gabor滤波器的兴趣点检测

为了提高兴趣点的定位准确性,提出一种基于边缘轮廓的兴趣点检测算法。首先利用Canny边缘检测器提取边缘,将提取的边缘进行间隙填补。然后利用多尺度Gabor滤波器的虚部与输入图像卷积运算较好的提取灰度变化信息,并获得不同尺度下边缘轮廓线上像素点的归一化信息熵值。最后利用不同尺度下边缘轮廓线上像素点归一化信息熵的乘积作为新的兴趣点测度提取兴趣点。与Harris,CPDA,He&Yung三种经典算法相比较,实验结果表明论文提出的算法是最优的,图像经过加噪后仍能很好的提取到兴趣点,具有较好定位准确性。

多尺度复数滤波器及PI值相结合的奇异点检测

为了有效检测指纹奇异点,提出了一种结合多尺度复数滤波器及PI(Poincare Index)值的奇异点检测算法.首先,计算多个尺度下的指纹图像方向场并对每个尺度的方向场进行复数滤波;其次,计算各个尺度的方向场的中心点和三角点滤波器响应,若响应值是邻域内的极大值且大于某一阈值,则进一步计算PI值,并依据PI值是否满足奇异点判定条件,则将其标记为候选奇异点;最后,将多个尺度下的奇异点进行信息融合,检测出指纹的奇异点.将提出算法和同类算法进行主客观的实验比较,对公用指纹数据库FVC2004DB1检测的实验结果表明:算法能很好地应用于低质量指纹图像中,正确的奇异点检测率为93%,高于同类算法,且检测到的奇异点位置不发生偏移.

基于多尺度Gabor滤波器的角点检测

为了克服在不同图像上的尺度选择问题,提出了一种基于边缘轮廓线的多尺度Gabor滤波器的角点检测算法。该算法首先利用Canny边缘检测算子提取图像的边缘轮廓;进而用一组构建好的4个尺度8个方向Gabor滤波器的虚部对图像进行平滑,并计算每个像素在其相同尺度下各个方向上Gabor滤波器虚部响应的归一化的和;最后将每个边缘像素点在所有尺度下的乘积作为新的角点测度,当角点测度大于预设阈值时,则认定该点为角点。将实验结果与经典的Harris、CPDA和He&Yung角点检测算法进行比较,提出的算法在检测准确率、定位误差、噪声稳健性性能指标上,都取得了更好的结果。

基于多尺度可变曲率Gabor滤波器的指静脉识别

韦伯局部描述子(Weber Local Descriptor,WLD)被广泛用在多个领域,但由于其所具有的局限性使它对图像中的位移和旋转不具有较好的鲁棒性。因此,本文对WLD进行改进,首先,提出一种多尺度可变曲率Gabor滤波器对指静脉图像进行滤波,得到多尺度能量图和几何特征图;然后,用能量图计算差分激励,在计算时采用多尺度局部窗口,并加入方向信息;最后将几何特征图和差分激励结合形成特征。该方法的有效性将在FV-TJ和FV-USM数据库上进行验证,结果表明本文方法的识别性能要优于其他方法。

基于多尺度形态滤波的分水岭图像分割方法

采用多尺度形态滤波器对输入噪声图像及滤波后图像的梯度图像进行平滑 ,实现了消除噪声、简化图像、保持物体重要轮廓信息的作用 最后 ,给出一种改进的快速区域合并算法优化分割结果 实验证明 。

基于多尺度形态学滤波的火电机组一次调频控制方法

高比例新能源并网给电力系统的频率稳定带来了严峻的挑战。相比风光储等并网新能源,火电机组惯量更大,一次调频可挖掘潜力更大。根据机组惯性作用、一次调频、二次调频的不同响应时间尺度,基于多尺度形态学滤波方法对火电机组一次调频负反馈通道的频率信号进行快速分解,通过对各频段信号设置合理的调差系数,实现分频段调频控制,并有效提高机组对全频段功率波动的频率调节能力。在MATLAB/Simulink中搭建含风、水、火电的电力系统调频模型,多场景下仿真结果表明该方法可以明显提高系统一次调频能力,改善系统频率概率分布,从而促进风电消纳。

基于多尺度圆周频率滤波与卷积神经网络的遥感图像飞机目标检测方法研究

针对遥感图像飞机目标检测因目标尺度不一存在漏警、虚警等问题,该文基于遥感图像中飞机目标形状特征和灰度变化特点提出了一种多尺度圆周频率滤波(MSCFF)与卷积神经网络(CNN)相结合的MSCFF+CNN飞机目标自动检测算法。该算法首先采用多尺度圆周频率滤波器滤除遥感图像复杂背景,实现不同尺度飞机目标候选区域提取;然后,通过构建卷积神经网络(CNN)模型实现候选区域有效分类,最终精确确定飞机目标位置。最后,基于获取的真实遥感图像进行目标检测算法实验验证,经统计该算法的飞机目标检测率为94.38%,虚警率为3.76%,实验结果充分验证了该文算法的有效性,该算法可为机场监管、军事侦察等应用提供重要的技术支持。

基于多尺度相关和机理建模的炉膛压力分析

借鉴小波分析思想,设计了简单滤波器组,将信号分解为不同频率尺度的分量,对不同信号的各个分量之间进行相关分析,比较不同频率尺度下频率分量间的相关性特征,从而大致判断出信号间的影响关系及类型.利用多尺度频率相关分析方法对电站锅炉炉膛压力等信号进行分析,发现炉膛压力低、中频段分量分别与燃料量、送风量的中、高频段分量呈现出明显的正相关性.建立了燃料量、送风量和引风量与炉膛温度和压力间的简化动态模型,并进行机理分析.结果表明:炉膛压力信号与锅炉燃烧率之间具有带通滤波特性,炉膛压力能够在较宽的负荷范围和频带内反映锅炉燃烧强度的变化.

基于多尺度近端特征拼接网络的高光谱图像分类方法

针对基于传统卷积神经网络模型的高光谱图像分类算法细节表现力不强及网络结构过于复杂的问题,设计了一种基于多尺度近端特征拼接网络的高光谱图像分类方法。通过引入多尺度滤波器和空洞卷积,在保持模型轻量化的同时可以获取更丰富的空间−光谱判别特征,并提出利用卷积神经网络近端特征间的相互联系进一步增强细节表现力。在3个基准高光谱图像数据集上的实验结果表明,所提方法优于其他分类模型。

一种改进多尺度三维残差网络的高光谱图像分类方法

针对高光谱图像训练样本较少、光谱维度高导致分类精度较低的问题,提出一种利用改进多尺度三维残差卷积神经网络的高光谱图像分类方法。选择合适的卷积步长对网络首层光谱降维并提取浅层特征,使用三维卷积滤波器组中最大池化层减少整体网络训练参数量,改进多尺度滤波器组和三维残差单元提取图像深层局部空间-光谱联合特征,并将其输入Softmax函数层预测类别标签样本。实验结果表明,该方法在Indian Pines和Pavia University高光谱数据集上的总体分类精度分别为99.33%和99.83%,与SVM、SAE等方法相比,分类判别特征提取更准确,具有更高的图像分类精度。

抗遮挡的相关滤波目标跟踪算法

针对传统的核相关滤波目标跟踪算法遮挡判断失败的问题,提出一种抗遮挡的核相关滤波目标跟踪算法.首先,在核相关滤波器框架上根据最小二乘分类器获得目标位置.然后,引入一个多尺度滤波器,并通过计算滤波器的响应最大值进行尺度预测.最后,在目标模型更新方面,根据目标位置置信图峰值尖锐度的差异性,正确更新模型.实验结果表明:文中算法的平均位置误差为6.18px,在阈值为20px时,平均距离精度为97.68%,平均帧率为30.8帧·s^(-1);其能在复杂背景下有效地解决目标尺度变化、完全遮挡等问题,具有更高的鲁棒性和精确性.

基于小波多分辨滤波特性的结构损伤识别

小波分析作为一个很好的损伤识别工具,可以看作是传统傅立叶变换的扩展,小波变换采取了可调整的时频窗口,因此小波变换的优势是它具有了“可变焦”性能对局部信号进行多尺度的刻画。小波基的伸缩和平移系列,使小波变换可看作是一组带通滤波器,本文全面分析了小波变换多尺度带通滤波器特性以及在结构在线损伤识别中的应用。结构损伤的出现体现在结构物理参数的改变,相对应的动力响应信号将会产生局部时变特性,利用小波分析的多尺度带通滤波器在不同尺度下对结构振动信号作滤波分析,通过观察不同带宽内振动信号的时频变化来判断结构损伤的存在。

基于多尺度柔性形态学滤波器的图像融合

提出了一种基于柔性数学形态学的图像融合新方法。首先,对源图像进行柔性形态学多尺度开闭滤波,得到源图像的低频平滑图像。其次,应用了柔性的多尺度top-hat变换和bottom-hat变换,提取小于相应尺度的图像细节特征。最后,对于以上两步骤得到的低频平滑图像和多尺度高频细节图像分别进行图像融合,应用形态学重建过程生成融合图像。多聚焦图像融合和红外可见光图像融合实验表明,这种融合方法优于相应基于多尺度标准形态学滤波器(MSMF)的图像融合方法,特别适用于受噪声污染的图像融合处理。

基于多尺度形态学滤波器的图像融合新方法

提出了一种保持图像细节和高抗噪性的图像融合新方法。这种方法首先对源图像进行多尺度形态学开闭滤波,得到源图像的低频平滑图像;然后应用多尺度Top-hat变换和Bottom-hat变换来提取小于相应尺度的图像细节特征。因为在较小的尺度特征中包含噪声颗粒的可能性较大,据此修正了Top-hat变换和Bottom-hat变换的相应系数;最后对以上两步骤得到的低频平滑图像和多尺度高频细节图像分别进行图像融合,应用形态学重建过程生成融合图像。实验表明,这种融合方法具有图像细节保持完整和噪声消除效果好的优点,处理效果优于传统的图像融合方法。