灰度变换在图像隐藏领域的应用

在提出基于灰度变换图像隐藏算法的基础上,分析并比较了几种常用的图像隐藏方法及特点。

多特征的灰度反转和旋转不变直方图

针对图像发生反向灰度变化时,传统局部二值模式及其派生的纹理描述符分类性能会明显下降问题,提出了一种灰度反转和旋转不变的直方图方法。该方法通过高斯导数滤波获得更加细微的图像微分结构,再构建具有旋转不变性的多种互补特征,最后利用主导思想对多种互补特征进行联合编码,获得具有灰度反转和旋转不变性的特征直方图。使用Outex、CUReT和KTH-TIPS等3个纹理图片数据库验证所提出方法的分类性能。实验结果表明:在旋转和灰度反转情况下,提出的方法能够显著提高分类性能,有效改善灰度反转问题,并对图像的旋转变化具有一定的鲁棒性;从算法复杂度来看,该方法取最佳尺度及特征时,运行时间适中,整体分类精度高。

基于灰度-梯度不变矩的水下目标识别系统

针对水下图像增强问题,提出了一种基于最小交叉熵的模糊增强方法,该方法定义了一种新的S形隶属度函数,可以减少图像在增强之后灰度信息的丢失;结合最小交叉熵准则自适应确定增强阈值,达到了快速有效的增强效果.针对水下图像光照不均匀问题,提出了基于结合色调的灰度动态线性变换不变矩图像分割算法,结合色调的灰度动态线性变换,抑制受光照不均影响的背景,降低了光照不均对图像分割结果的影响.在图像增强和分割基础上,提取目标的灰度-梯度共轭不变矩特征,以像素梯度特征弥补灰度特征空间信息不足,目标识别率达到94.4%,比灰度不变矩识别提高了6.4%.

基于方差约束与几何不变特性的图像匹配算法

为解决较多图像匹配算法主要通过测量关键点之间的距离来实现特征匹配,忽略了图像的结构信息,使其存在较多的误匹配的问题,本文设计了方差约束耦合几何不变特性的图像匹配算法。借助于Forstner算子计算像素点的兴趣值,以检测图像的特征;计算图像的梯度信息,获取图像的方向值,并切割图像特征的圆形邻域,从而获取扇形子域;以图像的方向值为基础,通过计算扇形子域中的灰度不变矩,输出对应的特征向量;引入区域方差函数,获取图像的结构信息,将其加入至图像特征的匹配过程,以约束欧式距离的测量结果,实现图像特征匹配;最后利用匹配点间的几何不变特性,对匹配特征去伪求真,优化匹配结果。测试数据表明:相对于已有的匹配技术,在对无变换图像、缩放图像以及旋转图像匹配时,所提算法拥有更高的匹配准确度,分别达到了96.56%、95.38%和93.52%。

基于灰度跃变的脸部器官定位方法

文章介绍了一种利用器官周边存在灰度跃变的物理现象实现脸部器官定位的方法。其原理是将多次微分运算施加于肖像的脸部区域,从而突显出脸部的高亮度分布区。对这些高亮度区域运用基于脸部几何特征的筛选规则排除干扰区域后,获得脸部器官所在的几何中心,为下一步通过"器官挪移""、挤眉弄眼""、假面易容"等手法,创作具有漫画风格的手机动画脸谱奠定基础。

基于棒状像素的前景障碍物识别算法

障碍物分类是智能交通应用的核心功能。本文提出了一种探测和识别道路场景下车辆与行人的算法。首先,建立棒状像素(Stixel)并由图像坐标转换至世界坐标,投影生成鸟瞰图;然后,借助聚类算法,得到原图像中待识别区域;之后,提取灰度稠密尺度不变特征变换(gray-DSIFT)特征并利用费歇尔向量(FV)编码;最后,选用随机森林(RF)分类器区分前向车辆与行人。实验结果表明:提出的方法能够有效地区分前景障碍物中出车辆与行人,提高了前期探测障碍物的效率。

基于毛羽补偿与自适应中值滤波的纱线主体图像识别算法

为解决纱线参数识别与计算过程中毛羽对纱线主体图像识别的干扰问题,提出了基于毛羽部分图像灰度补偿与自适应中值滤波的算法。采用R数据将影像扫描仪采集到的RGB图像二值化处理为灰度图像;然后根据毛羽形态上垂直方向灰度值的变化规律识别毛羽(白色背景黑色纱线),并进行由小及大的3层推抹补偿,同时根据毛羽像素灰度值特点识别毛羽(黑色背景白色纱线),并用背景灰度值补偿;最后将补偿后的2种图像各自进行最大窗口小于11的自适应中值滤波。MatLab仿真结果表明,该算法可较快地识别并补偿毛羽部分像素得到清晰的纱线主干图像,处理结果可达到检测精度要求。

数字散斑相关方法的全场优化表述

从图像运动估计中的基本假设——灰度不变假设出发,用优化方法建立了基于整幅图像匹配的数字散斑相关方法(也称为数字图像相关方法)求解模型,即全场优化求解模型.从建立的全场求解模型出发可引申出常用的两类数字散斑相关方法的求解思路,即基于离散的子区匹配的数字散斑相关方法求解模型和基于有限元的数字散斑相关方法求解模型.从模型建立及求解分析中可知,位移表征模式是数字散斑相关方法求解模型的关键,不同的位移表征模式可构成不同的数字散斑相关方法求解方法.

二元光学器件激光直写技术的研究进展

二元光学器件的激光直写技术可克服传统的半导体工艺 (掩模套刻法或多次沉积薄膜法 )所带来的加工环节多、对准精度难以控制、周期长、成本高等问题 ,可进一步提高二元光学器件的制作精度和衍射效率。分析了二元光学器件激光直写的基本原理 ,对已有的各种激光直写方法和最新研究成果进行了综述 。

基于脉冲耦合神经网络金属拉链缺陷检测方法的研究

针对人工金属拉链缺陷检测效率低、稳定性差、误检率高缺点,本文提出一种基于改进型脉冲耦合神经网络(PCNN)金属拉链缺陷检测方法。利用改进型PCNN对金属图像进行二值分割、特征图像提取、区域像素统计与灰度跃变实现金属拉链缺陷自动检测;设计自动检测系统进行实验研究。实验表明本文提出的检测方法快速、准确、可行。

PCNN在金属拉链缺陷检测中的应用

针对传统金属拉链缺陷人工检测方法效率低、稳定性差、误检率高等缺点,提出一种基于脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)和灰度跃变检测的金属拉链缺陷检测方法。针对拉链图像的特点,通过对传统PCNN进行改进以提高金属拉链图像二值分割处理速度;将传统PCNN和形态学理论相结合,提取链齿特征图像;采用区域像素统计与灰度跃变检测的方法实现金属拉链缺陷自动检测;完成检测系统的设计并进行实验研究。实验结果表明提出的检测方法快速、准确、可行。

泄漏蒸汽红外温度场静动态锤尾特性表征与辨识

针对复杂工业现场泄漏蒸汽智能识别需要,文中提出红外温度场表征与辨识方法。利用模拟分析对蒸汽泄漏过程进行研究,揭示其温度场发生发展规律,即扩散特性、锤尾特性、动态特性,中心向源特性为一体的静动态锤尾特性。通过对温度层划分后的蒸汽温度场进行研究,提取蒸汽温度分布细节特征,提出变尺度灰度处理方法,实现了蒸汽红外温度场的高清化表征。为提高辨识速度和精度,建立Mask R-CNN网络模型,对泄漏蒸汽的锤尾特征进行学习和动态挖掘,对单张锤尾样本的识别准确率达到90.71%,总体算法识别准确率达到了99.93%,实现了蒸汽以及泄漏特性的有效辨识。现场实测表明,该算法对连续5帧图像处理时间为0.48s,对于复杂工业现场的蒸汽泄漏辨识达到了快速准确的辨识效果。

基于频域高斯函数的多光谱全数字对焦算法

针对多光谱图像的性质,构建了一种多光谱图像的细节增强滤波器.通过主客观的评价表明,该滤波器作用于多光谱图像之后,在保证图像灰度分布基本不变的前提下,可以增强离焦图像的细节、降低高频噪声.