奇异值分解域差异性度量的低景深图像显著性目标提取方法

针对低景深图像(DOF)目标提取过程中,容易出现目标提取不完整或背景被误识为目标等现象,该文提出一种奇异值分解(SVD)域差异性度量的低景深图像目标提取方法。先对低景深图像进行高斯模糊,以图像中每一个像素点为中心,利用滑动窗口分别截取模糊前后图像上相同位置的图像块并进行奇异值分解,再构造两奇异值之间的差异特征向量,针对此向量定义低中高全频段信息加权的差异性度量算子,计算对应像素点的显著性特征值,逐像素处理得到显著性结果图并进行阈值化处理,实现低景深图像目标的有效提取。对大量低景深图像进行处理,并与几种现有方法进行比较,提出方法的F度量值最大可提高54%,平均绝对误差减少76%~87%,可完整提取目标并有效去除背景,具有较强的可靠性。

基于SIFT的NSCT-SVD域水印算法

提出一种利用尺度不变特征变换(SIFT)关键点对图像几何校正的非抽样Contourlet变换-奇异值分解域(NSCT-SVD)彩色图像水印算法。该算法利用蓝色与绿色分量的NSCT域低频子块的最大奇异值的关系,在蓝色分量上嵌入经过混沌加密的水印信息。水印检测时,先利用红色分量NSCT域低频系数上匹配的SIFT关键点信息对被检测图像进行几何攻击校正,恢复了水印的同步信息后再提取水印。实验结果表明,该算法对于噪声、滤波、压缩以及各类几何攻击具有较好的鲁棒性。

叠前非局部平均滤波压制随机噪音

非局部平均滤波方法的去噪性能优异,但其在地震资料处理中的应用刚刚起步。该方法利用数据具有的结构冗余,以包含局部结构的小窗口或邻域为单元,利用局部结构相似性进行加权运算,增强有效信号,压制随机噪音。针对叠前地震资料数据量大、噪音背景强、局部结构简单;原始非局部平均算法对每一点滤波,需要对数据体内所有点计算权系数后进行加权计算,计算量大,对强噪音背景适用性差等不足,对原始非局部平均算法进行了改进,主要包括:基于速度谱的搜索窗口分割;基于梯度域奇异值分解的局部结构相似集选择方法;基于相似集大小的自适应滤波参数选择方法。试验结果表明,该方法改进后对于叠前地震数据的随机噪声具有较好的压制作用。

有效保持细节特征的快速非局部滤波方法

非局部均值滤波方法具有优异的去噪性能,但该算法计算复杂度太高,且滤波后图像有大量结构残留。研究了基于预选择的非局部均值滤波方法,并指出已有方法在提取图像子块特征方面的不足。利用梯度域奇异值分解提取图像子块的结构特征,提出一种有效保持细节特征的快速非局部滤波方法。主要贡献有:(1)基于局部结构特征的鲁棒预选择方法;(2)相似集大小与滤波性能的关系以及相似子块的自动选取;(3)结构相似权系数的构造。利用欧氏距离的对称性进一步提高运行速度。实验结果表明,该方法在去除噪声的同时能有效地保持图像细节信息,取得滤波性能与运行速度之间较好的平衡。