应用数字全息解决数字水印技术中采用log-polar变换后水印的提取问题

log-polar(对数-极坐标)变换是目前数字水印在抵抗几何攻击时常常采用的手段,但是此种算法存在的主要问题是采用不同的坐标变换带来的数字图像信息的丢失,导致水印可提取性下降或者原图质量的下降。本文应用了数字全息的方法,解决了以上的两个由于log- polaf变换带来的主要问题。仿真实验证明,该方法解决了数字水印图像信息的丢失,大大提高了数字水印的可提取性。

基于双向Log-Polar变换的高阶网目标识别方法

具有大小、位移、旋转不变性（TRSI）的目标识别是一个三阶问题,如果采用三阶神经网可以使问题得以解决,但最大难点就是互连权矩阵的组合爆炸问题,在本文中,我们将视觉生物物理学的研究成果应用到高阶神经网的研究中,首次提出双向Log-Polar变换与高阶网（HONN）结合的方法,有效地解决了权系数的组合爆炸问题,进一步提高了识别率。取得了突破性进展。使得将高阶网用于自动目标识别成为可能。

基于Log-Polar和DT-CWT的旋转不变纹理分类算法

提出了一种基于对数-极坐标变换(Log-Polar)和双树复数小波变换(DT-CWT)的旋转不变纹理分类算法。该方法首先对纹理图像进行对数-极坐标变换将旋转转化为平移,再用具有平移不变性的双树复数小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机算法实现纹理图像的分类。将该方法与其它旋转不变纹理分类算法进行比较,实验结果表明,提出的算法能有效地提高正确分类率。

改进的LOG算子与小波变换融合的边缘检测方法

传统的LOG算子在高斯滤波方差的选择上不具备自适应能力,方差的大小会直接影响到去噪和边缘保持效果.针对此问题给出了一种改进的LOG算子方法,并对原图像分别采用改进的LOG算子和小波变换两种方法进行边缘提取,最后将这两种方法检测出来的边缘图像进行融合.实验表明,融合后的图像结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果.

结合LOG算子和小波变换的图像边缘检测方法

针对目前常用的边缘检测方法对噪声比较敏感,测得的边缘比较粗糙等现象,在传统边缘检测方法的基础上提出了一种基于数据融合的边缘检测方法。该方法分别采用改进的LOG算子和离散小波变换对原始图像进行边缘检测,建立相应的融合原则,并将两种方法检测出来的边缘进行数据融合,得到最终的图像边缘。实验证明,该方法结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果。

结合小波变换和Log-Gabor滤波的虹膜识别方法

提出了一种将小波变换和Log-Gabor滤波结合起来进行虹膜识别的方法:小波分解后的低频子带包含了虹膜图像的主要信息,而Log-Gabor滤波能有效提取图像的纹理信息。将归一化的虹膜图像进行两层小波分解,再取其低频子带进行Log-Gabor滤波并量化生成虹膜模板,采用汉明距进行快速分类。实验结果验证了本算法具有很好的识别率和等错率。

基于近端凸差分方法的多层卷积变换学习算法

卷积变换学习(CTL)结合了无监督学习与卷积神经网络的优点,通过无监督的方式训练卷积核,是一种新兴的稀疏表示方法.现有的单层CTL模型仅通过一层稀疏编码,不仅难以有效提取输入信号的深层语义信息,并且,基于l0范数的CTL模型得到的稀疏解虽然稀疏度强,但它的求解是一个NP-hard难题,而基于l1范数的CTL模型则存在稀疏度不足和参数过度惩罚的问题.针对以上问题,本文提出了一种基于log正则化函数的多层CTL模型(CTLlog):为了提取输入信号更具鉴别性与丰富语义的稀疏特征,对单层的CTL模型进行多层拓展,同时使用稀疏度强,偏差性小的非凸log正则化函数作为CTL模型的稀疏约束方法.通过使用近端凸差分方法对模型的非凸优化问题进行优化求解,开发出基于近端凸差分方法的多层卷积变换学习算法.实验表明,本文提出的基于近端凸差分方法的多层卷积变换学习算法所使用的log正则化稀疏约束效果优于现有的CTL模型,且多层CTL-log的特征提取效果相较于单层取得了提升,在支持向量机(SVM)分类器的分类精度提升了2个百分点左右.

采用小波变换与LOG算法的肝脏区域提取法的研究

本文提出了采用小波变换与LOG算法的肝脏区域自动提取方法的研究方案.这种方法由3个阶段构成,首先,基于小波变换将原图像分解成高周波成分与低周波成分;其次,对低周波成分使用Sobel算子与LOG算法求取近似的肝脏区域;最后,基于动态阈值方法精密地提取肝脏区域,而且,对肝脏区域的高周波成分予以强调.本文将提案方法应用于实际的腹部MRI进行肝脏区域提取,展示了本方法的有效性.

非线性时空正则化的相关滤波目标跟踪算法

针对目标跟踪过程中跟踪模型容易漂移,以及对于多样性形态变化的目标不能进行鲁棒跟踪的问题,结合生物视觉感知规律提出了非线性时空正则化的相关滤波目标跟踪算法。在目标函数中提出贴近人类视觉感知幂定律的非线性滤波更新的时间正则项,相比于时空正则相关滤波器(spatial-temporal regularized correlation filters,STRCF)中固定的时间正则项,非线性滤波更新的时间正则项可以根据跟踪的时间变化进行自适应更新,同时采用交替乘子法降低算法复杂度。提取非线性的梯度方向直方图(histogram of oriented gradient,HOG)特征,使用符合生物映射的对数极坐标进行尺度适应。根据最大响应值与平均峰值相关能量的关系进行遮挡异常检测,降低模型漂移的机率,增强算法的抗遮挡能力。实验结果表明,该算法在OTB2015数据集上的精确率和成功率分别达到89.8%和83.3%,该算法相比于STRCF在精确率上提升了2.5%,在成功率上提升了3.2%,在OTB2013与OTB2015数据集上的11种属性的分类对比中,该算法在旋转、低分辨率、背景杂乱、光照变化等因素干扰下的目标跟踪中具有较高的精确率和较强的鲁棒性。

对数极坐标变换识别算法在成像制导中的应用

图像匹配是成像制导系统中常用的目标识别算法,但实时目标图与基准目标图存在的尺度差异以及旋转不可避免,这也导致失配率提高。针对这个问题,引入对数极坐标变换运算,根据对数极坐标图像的尺度、旋转不变性提出了新的目标匹配识别算法,一方面保证了在尺度变化及旋转下的高匹配率;另外新算法结合了变换图目标区域的轴向投影统计策略,保证了匹配运算量的降低;文中仿真实例验证了算法的优势与有效性。

基于Contourlet变换的抗旋转攻击零水印算法

为了提高变换域零水印算法抵抗图像旋转攻击的能力,提出了一种基于Contourlet变换的抗旋转攻击零水印算法。对于旋转造成的几何攻击,可以通过对数极坐标系将笛卡尔坐标系中的旋转变换转换为循环平移的性质;对于循环平移后的图像,在水印检测时可以使用穷举遍历的方法来检测测试图像是否包含水印信息。实验结果证明,该方法可以获得良好的图像视觉效果,同时对于加噪、滤波、JPEG压缩、剪切攻击也有很好的鲁棒性。

改进的Wallis变换在特征提取中的应用

经典的Wallis变换能在增强原始影像局部反差的同时压制噪声,但它在运算过程中需要对影像进行分块,并对每一块进行独立的处理,这会导致块效应现象。提出了一种双线性插值的Wallis变换方法,视觉分析表明,它有效避免了块效应现象,并将改进的方法应用于Blob特征提取。对比实验证明,由于块效应现象,经典的Wallis变换会在特征提取时提取不少伪Blob特征;而改进后的方法显著减少了提取的伪Blob特征,保证了提取特征的准确性。

一种改进的Log-Gabor滤波和SVM的虹膜识别方法

特征提取和分类是虹膜识别中的关键部分。由于小波分解后的低频子带包含了虹膜图像的主要信息,而Log-Gabor滤波能有效地提取出图像的纹理信息,将这两种方法结合是一个提取虹膜识别信息的有效途径。本文先对归一化的虹膜采用小波变换的方法细分图像,再用Log-Gabor滤波器对低频通道的子带图像进行更进一步的特征提取并量化,形成特征码本,最后采用支持向量机的分类器来进行分类。实验结果表明,分类器能很好地分离各类虹膜,识别率提高到了99.6%,等错率则降低为0.3%,比传统汉明距的分类方式有更优异的性能。

基于相位一致性和Hough变换的多源图像配准方法

由于红外图像与可见光图像对比度不同,常用基于梯度幅值的特征匹配方法难以正确配准。在分析红外图像与可见光图像成像机制的基础上,提出了一种结合相位一致性边缘检测与Hough变换的多源图像配准新方法。该算法首先采用高通滤波和平台直方图均衡方法对红外图像进行预处理以提高红外图像的对比度,再利用具有图像对比度不变性的相位一致性边缘检测法提取两幅图像的边缘,结合Hough变换选取图像空间中最长的线作为特征,采用改进相位相关法作为相似性度量,在对数极坐标域下计算出两幅图像的几何变形参数。仿真实验结果表明,该方法能够以较高查准率实现红外与可见光图像自动配准,并具有较强的鲁棒性。

基于自适应极坐标变换的景象匹配算法

对数极坐标投影变换以其对旋转及尺度的不变性而在景象匹配中广泛应用,但这种方法计算复杂且对图像的遮挡非常敏感。自适应极坐标投影变换,一方面保持了对数极坐标投影变换的旋转及尺度不变性,同时对图像间的局部遮挡具有鲁棒性且计算量相对较少。为此,把自适应极坐标投影变换应用到景象匹配中,提出了一种基于自适应极坐标变换的景象匹配算法。结合景象匹配辅助导航系统的实际给出了进一步的改进措施:根据自适应极坐标投影变换的特点,设计了一种新的相似性度量方法;创建虚拟圆索引模板,实现了在基准图上圆形子图的快速截取;在多分辨率匹配技术的基础上,进一步采用跳跃式搜索,有效缩减了匹配耗时。仿真实验表明,所提算法在实时性及鲁棒性方面优于传统的对数极坐标匹配算法。

一种抵抗几何变换攻击的数字图像水印方法

在水印嵌入的过程中 ,首先在原图像经过对数极坐标变换后的图像中寻找水印嵌入的特定区域 ,并在该特定区域所映射的原图像经过离散傅立叶变换后的图像区域中随机选择像素点嵌入水印 ,保证了水印嵌入位置的不重复和不可侦测性。在水印提取的过程中 ,提出了获得图像旋转角度与缩放比例的方法 ,简化了水印的提取过程。实验证明 ,将对数极坐标变换和离散傅离叶变换结合后 。

基于对数极坐标变换的灰度投影稳像算法

常规的灰度投影稳像算法仅能对存在平移运动的图像进行稳像,而对具有旋转和尺度变化的图像无能为力。为了克服灰度投影算法这一局限性,提出了基于图像对数极坐标变换(LPM)的灰度投影稳像算法,把具有尺度和旋转变化的图像进行对数极坐标变换,这样笛卡儿坐标系下图像的旋转和尺度变化在对数极坐标系下表现为平移变化,从而能够用灰度投影算法处理旋转和尺度变化问题。

对数极坐标变换在景象匹配制导中的应用

针对成像制导中对实时性和准确性的要求,提出了一种基于对数极坐标变换的图像抗旋转和尺度变化的LMA算法。在图像匹配过程中用LMA算法对两幅图像透视变换矩阵的8个未知参数进行拟合。匹配过程中用多分辨率金字塔法对图像进行分解,采用由粗到精的搜索策略,减少计算量并避免了误匹配。通过对照片进行匹配测试,证明了这种方法的有效性和实用价值。

矩形非均匀采样算法和对数级坐标变换算法的比较分析

针对对数极坐标变换引起的图像周边模糊和图像细节丢失等现象,提出了矩形非均匀采样方法。图像中心采样区的大小可根据实际需要进行选取,对其进行均匀采样,对周边区进行分层均匀采样,随距采样中心距离的增大,采样率逐渐降低。对矩形非均匀采样、经典LPT和变参数LPT三者的运算量进行了比较,总体上说,矩形方法具有最少的运算量,而且可以克服对数极坐标变换图像的扭曲,并便于硬件实现。

基于级联变换的光学和SAR图像配准算法

针对光学和SAR(Synthetic Aperture Radar)图像配准中存在明显辐射和几何差异的问题,提出了一种基于级联变换的多源遥感图像配准方法.首先,利用灰度变换提取光学和SAR图像间的稳定结构特征,去除辐射差异性;然后,提出一种新的加权对数极坐标变换算法,解决图像间全局几何差异性,保证算法的尺度和旋转不变性,并初步得到整体的平移量;最后,通过局部几何变换,得到一系列的匹配点对,构建薄板样条模型,实现图像的精确配准.实验验证了算法去除辐射差异性和获得全局几何变换参数的能力,与传统的多源图像配准算法相比,基于级联变换的配准算法鲁棒性好,配准精度高.