使用混合DCT特征检测空域隐写术

文章研究了一类流行的混合DCT特征对空域隐写术的检测能力。通过该特征对6种常见的空域隐写算法的隐写检测实验,得到以下新结论:①尽管该特征是针对JPEG隐写术设计的盲检测特征,它们也能有效检测常见的空域隐写术;②仅使用混合特征中的共生矩阵和Markov特征能够获得较混合特征更高的检测性能;③共生矩阵特征和校准技术的应用可以提升特征对产生分块效应的空域隐写术的检测能力。

基于DCT域特征和Bayes语义分类的教学图像资源库检索技术

提出了一种根据DCT域特征提取和Bayes语义分类结合的图像检索技术。针对图像库数据结构的语义需求,采用朴素Bayes算法对图像库进行分类;其中视觉特征提取部分,采用改进的DCT域的边缘空间分布概率特征提取方法,获取目标对象边缘信息,建立20个特征值;通过Bayes分类器的分类,获取每类的索引特征向量,用于初次语义类别过滤,提高了检索效率。通过实验,建立教学需要的图像资源库,与其它检索算法进行查准率对比试验,证明了本算法的优越性。

基于图像非平坦区域DCT特性和EGRNN的盲图像质量评价

对图像的质量进行评价有着广泛的应用,为定量的衡量图像的降质水平,文中在无指定图像失真类型的情况下,提出了一种通用的盲图像质量评价(Blind Image Quality Assessment,BIQA)方法.该方法首先提出了图像平坦区域和非平坦区域及视觉屏蔽的概念.将分割图像的平坦和非平坦区域引入评价系统中,从图像的非平坦区域中提取出能反应图像质量的视觉特征(Visual Features,VF),视觉特征涵盖了图像空域特性和DCT变化后的频域特性.利用非平坦区域中提取的空域与频域的联合VF和差分平均意见得分(Difference Mean Opinion Score,DMOS)训练提出的均衡广义回归神经网络(Equalization General Regression Neural Network,EGRNN).最后用LIVE的IQA数据库Release2测试了该方法.实验表明,分割图像非平坦区域,降低了平坦背景对图像质量评价的干扰,提升了预测的稳定性和准确性.此外,EGRNN通过均衡层的引入解决了视觉屏蔽现象,对图像质量的预测效果高于GRNN(General Regression Neural Network).该BIQA方法较其他方法预测更准确、更稳定.

基于非线性DCT鉴别分析的人脸识别

有效的特征提取是人脸图象识别的关键技术。该文提出了一种非线性DCT鉴别特征提取方法并将其应用到人脸识别中。首先对人脸图像做DCT变换并选择合适的频段,然后使用广义KDCV方法来提取这些频段中的非线性鉴别特征。在FERET人脸库上的实验证明了该方法的有效性。

基于DCT域奇异值分解的图像检索技术

提出一种在DCT域获取图像的代数特征——SV特征矢量进行图像检索的方法。在图像解压到量化的DCT域时,提取粗糙纹理矩阵I,对I进行奇异值分解,根据图片库的特点选取部分或全部奇异值表征图像的纹理特征,试验了该特征提取技术在图像检索中的应用。

神经网络在图象压缩编码中的应用

讨论神经网络在图象压缩编码领域中的应用.针对图象矢量量化存在的分块效应问题,对Kohonen自适应模型进行了研究.应用了两个DCT的余弦变换域的特征值,结合Kohonen的自组织特征映射(SOFM)算法对图象元素分类压缩编码.计算机模拟实验表明,和单纯用神经网络直接进行矢量量化相比,应用这种技术的图象编码压缩比和译码图象质量都有明显的提高.

一种三维空间手写数字的融合识别方法

在三维空间手写数字识别研究中,特征的选取和融合直接决定最终的识别率.空间手写数字特征一般包括时域特征和频域特征两大类,时域特征又包括加速度相关特征、旋转特征及短时能量特征;频域特征又包括DCT变换特征及FFT变换特征.针对这一特点,文章提出一种融合多种特征的识别方法.首先,对三维空间手写识别的各种子特征进行提取;然后选取最能反映字符特点的两种子特征进行融合并对融合后的特征向量进行降维处理;最后进入分类器进行识别.实验结果表明,本方法相比采用单一特征进行识别时,其识别率有显著提升.

ADAPTIVE RECONSTRUCTION TECHNIQUE FOR THE LOST INFORMATION OF THE RECTANGULAR IMAGE AREA

The adaptive reconstruction for the lost information of the rectangular image area is very important for the robust transmission and restoration of the image. In this paper, a new reconstruction method based on the Discrete Cosine Transform (DCT) domain has been put forward. According to the low pass character of the human visual system and the energy distribution of the DCT coefficients on the rectangular boundary, the DCT coefficients of the rectangular image area are adaptively selected and recovered. After the Inverse Discrete Cosine Transform (IDCT), the lost information of the rectangular image area can be reconstructed. The experiments have demonstrated that the subjective and objective qualities of the reconstructed images are enhanced greatly than before.