为了充分利用图像的显著特征来生成鲁棒哈希,并提高其生成效率,提出基于边缘映射抽样与多维尺度压缩的紧凑图像哈希算法。联合双线性插值与高斯低通滤波,对初始图像进行预处理操作;引入双阈值Canny算子,提取预处理图像的显著边缘映射。...为了充分利用图像的显著特征来生成鲁棒哈希,并提高其生成效率,提出基于边缘映射抽样与多维尺度压缩的紧凑图像哈希算法。联合双线性插值与高斯低通滤波,对初始图像进行预处理操作;引入双阈值Canny算子,提取预处理图像的显著边缘映射。将预处理图像与边缘映射分割为一系列的非重叠子块;计算每个子块的像素值总和,找出其中元素值最大的子块,从中进行选择性抽样,确定对应的包含结构信息最丰富的子块。基于SVD(Singular Value Decompostion)机制,将子块的奇异值视为鲁棒特征;利用Fourier变换与残差机制,提取预处理图像的全局显著特征。将两种特征组合,形成中间哈希序列,再引入多维尺度机制压缩获取紧凑哈希,并通过Logistic映射来实施加密,形成最终的哈希。测试数据表明:较已有的哈希方案而言,该方案具备更高的鲁棒性与哈希生成效率,呈现出更好的ROC曲线。展开更多
该文结合边缘强度映射(Edge Strength Map,ESM)对SAR图像等效视数(Equivalent Number of Looks,ENL),提出一种自适应非监督估计方法。该方法先利用各向异性高斯核平行窗通过比率运算生成ESM,进而在简单的图像分块处理基础上,利用一种有...该文结合边缘强度映射(Edge Strength Map,ESM)对SAR图像等效视数(Equivalent Number of Looks,ENL),提出一种自适应非监督估计方法。该方法先利用各向异性高斯核平行窗通过比率运算生成ESM,进而在简单的图像分块处理基础上,利用一种有效的非监督估计方法分别估计各分块图像在比率ESM下的区域阈值,并由各分块图像的阈值化ESM操作完成对SAR图像的区域划分,然后对非边缘区域中的所有像素在ESM的两次约束下,通过施加大尺度不规则窗完成局部ENL估计,最后通过直方图统计方法从局部ENL中获得全局ENL估计。实验表明:该文方法可有效克服传统空域估计方法 ENL估计值受局域统计方法选择影响大的不足,同时也可避免基于统计模型的估计方法需要相干斑先验信息且对抑斑后SAR图像估计失效的弊端。展开更多
目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averagi...目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averaging)滤波器和边缘的图像融合算法。首先,利用BMA滤波器分别对红外与可见光图像进行多尺度分解;其次,分别利用显著性提取和边缘权值映射算法,计算各基层和细节层的融合权值矩阵;最后通过图像重构获得融合图像。实验证明,该融合算法优于传统的图像融合算法。展开更多
文摘为了充分利用图像的显著特征来生成鲁棒哈希,并提高其生成效率,提出基于边缘映射抽样与多维尺度压缩的紧凑图像哈希算法。联合双线性插值与高斯低通滤波,对初始图像进行预处理操作;引入双阈值Canny算子,提取预处理图像的显著边缘映射。将预处理图像与边缘映射分割为一系列的非重叠子块;计算每个子块的像素值总和,找出其中元素值最大的子块,从中进行选择性抽样,确定对应的包含结构信息最丰富的子块。基于SVD(Singular Value Decompostion)机制,将子块的奇异值视为鲁棒特征;利用Fourier变换与残差机制,提取预处理图像的全局显著特征。将两种特征组合,形成中间哈希序列,再引入多维尺度机制压缩获取紧凑哈希,并通过Logistic映射来实施加密,形成最终的哈希。测试数据表明:较已有的哈希方案而言,该方案具备更高的鲁棒性与哈希生成效率,呈现出更好的ROC曲线。
文摘该文结合边缘强度映射(Edge Strength Map,ESM)对SAR图像等效视数(Equivalent Number of Looks,ENL),提出一种自适应非监督估计方法。该方法先利用各向异性高斯核平行窗通过比率运算生成ESM,进而在简单的图像分块处理基础上,利用一种有效的非监督估计方法分别估计各分块图像在比率ESM下的区域阈值,并由各分块图像的阈值化ESM操作完成对SAR图像的区域划分,然后对非边缘区域中的所有像素在ESM的两次约束下,通过施加大尺度不规则窗完成局部ENL估计,最后通过直方图统计方法从局部ENL中获得全局ENL估计。实验表明:该文方法可有效克服传统空域估计方法 ENL估计值受局域统计方法选择影响大的不足,同时也可避免基于统计模型的估计方法需要相干斑先验信息且对抑斑后SAR图像估计失效的弊端。
文摘目前基于多尺度分解的图像融合算法存在以下问题:1)多尺度分解时,图像边缘被平滑;2)融合结果中红外显著区域的对比度降低;3)小尺度细节受到抑制,在融合图像中显示不清晰。为解决上述问题,本文提出了一种基于BMA(Bayesian model averaging)滤波器和边缘的图像融合算法。首先,利用BMA滤波器分别对红外与可见光图像进行多尺度分解;其次,分别利用显著性提取和边缘权值映射算法,计算各基层和细节层的融合权值矩阵;最后通过图像重构获得融合图像。实验证明,该融合算法优于传统的图像融合算法。
基金Supported by NSFC(Nos.11801254,11471153)the Natural Science Foundation of Fujian Province of China(No.2017J01507)the Science Research Project of Ningde Normal University of China(No.2017T01)