航空发动机性能图像纹理片段划分方法

为了解决深度学习在航空发动机性能异常检测中出现的数据不平衡的问题,在高频次纹理片段对应性能稳定状态、低频次纹理片段对应异常波动状态的合理假设下,提出了一种航空发动机性能图像纹理片段划分方法。通过研究性能数据空间与RGB彩色空间的映射,提出高维性能数据图像化。引入分形盒维理论,定义纹理特征维数表征性能图像纹理特征,提出基于高频次生长树的图像纹理片段划分方法,实现性能图像按纹理出现频次的精细划分,建立正常样本和异常样本数量接近的数据集。选取多个航段发动机性能数据,与时频图和采样法生成的数据集进行对比验证。验证结果表明:该方法可以生成数量相当且真实客观的正常样本和异常样本,在ResNet50模型上的准确率达91.72%,减小了数据不平衡对准确率的影响。

自适应纹理区域的多尺度融合立体匹配算法

针对传统立体匹配算法匹配精度低,且单一代价函数不能同时应对强纹理区域、弱纹理和无纹理区域的问题,提出一种自适应纹理区域的多尺度融合立体匹配算法。首先设置自适应阈值,将图像划分为强纹理区域、弱纹理和无纹理区域,采用不同的尺度信息融合计算代价,在强纹理区域采用AD与Census相结合计算代价,在弱纹理和无纹理区域采用AD与梯度相结合计算代价;在代价聚合部分,为了解决传统十字臂区域构建过程不能根据不同像素点动态调整臂长的问题,弱化灰度值约束条件,同时添加多阈值梯度约束条件,增加弱纹理和无纹理区域的十字臂长,显著优化弱纹理和无纹理区域聚合过程,达到降低误匹配率的目的;最终通过视差计算和多步视差优化得到视差图。在Middlebury测试平台上进行实验,选择不同光照、不同曝光和无失真三种情况,对比不同代价函数的匹配精度,从而提出多尺度融合代价函数;同时和其他七种主流算法对比代价聚合后的匹配精度,实验结果表明,所提算法较于ELAS,最终平均误匹配率下降3.57个百分点;相较于LESC,实时性相对更强。相比单一的代价函数和聚合方式的立体匹配算法,此算法对不同纹理区域的适应性强,具有很好的鲁棒性。

一种基于距离加权帧内预测的纹理块划分方法

提出了一种基于距离加权帧内预测的纹理块划分方法。这种帧内预测的方法能很好地描述纹理的方向,可以为方向变换编码和图像检索等应用提供准确的边信息。实验表明,该方法能准确地采用较大的块来描述纹理简单的图像区域,采用较小的块来描述纹理复杂的区域,且很好地反映了预测方向和纹理方向之间的一致性。

基于明文伪装加密与对比度增强的医学图像可逆信息隐藏

常态化疫情防控形势下,远程医疗成为首选。5G网络在为远程医疗提供更优网络能力的同时,也给医学图像安全传输带来巨大威胁,如何保护患者隐私、提高医学影像在云端的安全性越发重要。针对非法攻击医学图像、患者隐私泄露等问题,提出一种基于明文伪装加密的医学图像可逆信息隐藏算法。首先,为增强对比度,将原始医学图像进行直方图拉伸,以提高嵌入容量和图像质量;然后,依据复杂度将医学图像划分为复杂纹理区域和简单纹理区域,并利用不同的方法将病人的隐私数据隐藏到不同的纹理区;最后,将载密医学图像进行明文伪装加密,伪装成另一幅完全不同的医学图像,在明文伪装加密中,对K-means分类信息作进一步排序,提高目标图像与标记图像像素块的适配度,使图像视觉效果更好。实验结果表明,该算法安全性高,明文伪装加密极大提高了医学图像保护效果,相比其他算法,该算法在可逆信息隐藏的PSNR、SSIM和RCE等方面具有一定优势。

多参数梯度稀疏正则化图像非盲去模糊

自然图像在不同纹理区域具有不同的梯度特性,通过对图像梯度进行合理分层规划将图像纹理划分为5个区域,对各纹理区域梯度进行l_p范数约束,且每个区域对应1个合适的p指数值,建立多参数正则化模型,有效避免了全局单一p指数的缺陷.最后结合GISA稀疏编码框架,得到更加稳固的复原结果.通过实验对比,发现提出的多参数梯度稀疏正则化方法可以有效地提升图像纹理细节部分视觉质量,同时也能取得更高的信噪比.