基于小波分解和高低帽变换的在线掌纹识别

用于身份鉴别的掌纹识别为信息安全提供了一种新的方案。为减少对图像采集的限制,提出在小波变换的基础上,利用高低帽变换寻找低频子图像中的灰度槽,获取对比度增强的图像。把此子图像所有的变换值组合起来作为图像的特征向量用于识别;运用UST掌纹图像库,对本算法进行了测试。从实验的结果看,此方法解决了在线掌纹图像低对比度问题,图像识别率得以提高,能够满足对采集图像无过多要求的认证系统的使用。

基于CA和OTSU的电气设备红外图像分割方法

针对电气设备红外图像中需要对目标进行识别和诊断的需求,提出了一种基于元胞自动机(CA)与最大类间方差(OTSU)法的图像增强与分割算法。首先采用高帽、低帽变换结合的方法对电气设备红外图像进行增强,对增强后的图像采用CA法进行边缘提取,并进行二值化处理,最后与经过OTSU算法分割后的红外图像进行融合。实验结果表明采用该算法后,红外图像目标细节清楚,适合人眼观测。

目标增强的红外与微光图像融合算法

对于红外与微光图像融合,虽给为观察者提供了更多的图像信息,但是同时由于过多的背景信息反而掩盖了重要的目标信息,为了兼顾背景信息丰富和增强目标的需求,提出了一种新的目标增强的融合算法,首先改进了传统的顶帽变换算法,用来增强红外图像的目标信息,同时去除一些冗余的红外背景信息,然后利用人眼对颜色的敏感特性,将微光图像与红外图像通过色彩映射公式映射到相应的色彩空间进行融合,结果显示,该算法不但能提供丰富背景信息,同时也增强了重要的目标信息。

多特征检测耦合混沌映射的红外图像加密算法

为克服当前选择性加密技术易外泄密文目标的形状,导致其不能有效实现红外图像的安全传输的问题,设计基于多特征检测模型与低维复合映射的红外目标选择加密算法。引入形态学梯度,增大真实目标与背景的对比度差异;考虑红外目标与背景的灰度差异,改进Top-Hat变换,对其完成检测;构建多特征检测模型,获取包含红外目标的感兴趣区域;将一维Logistic映射作为触发器,联合sine映射、Tent映射,设计复合映射,改变感兴趣区域内的像素位置;改变复合映射的初值,输出新的混沌数组,设计加密函数,输出扩散密文。测试结果表明,与当前选择性加密技术相比,该算法能够更好地用于红外目标的加密,且其安全性更高。

基于高低帽变换的图像迭代分割方法

针对现有的迭代阈值分割算法作用于一些低对比度或一些变化较大的图像时精度不高、存在过度分割难以识别目标区域的问题,引入数学形态学模型,提出一种基于形态学中高低帽变换预处理后再进行迭代分割的改进优化算法。该算法利用高低帽变换来增大原始图像的灰度动态范围同时锐化图像,使图像清晰,再通过迭代阈值分割出目标区域,针对一些难以分割的目标,可以再次采用低帽变换凸显目标区域,最后通过二值图像连通区域标记,按面积擦除噪声区域完成分割。实验结果表明,不论是针对较小目标物体或是较大目标物体都能取得良好的分割效果,改进后算法的稳定性、适应性和分割精度都得到提升,具有广阔的应用前景。

基于高低帽变换的优化边缘检测算法研究

在印刷图像的质量检测中,常用的技术手段是对印刷图像边缘特征信息进行提取。在算法检测中图像边缘更容易实现检测,可以通过图像的边缘信息判断图像的特征,从而更容易引起关注。论文通过对经典的Sobel算子增加检测模板的改进,将四个模板进行卷积得到边缘检测图,同时嵌入形态学高低帽变换算法增加检测图像边缘的细节和对比度,使改进的Sobel算子对图像边缘的检测得到优化,便于分析印刷图像的边缘信息。

基于图像增强与分水岭分割的隧道低对比度裂缝提取方法

在实际的隧道裂缝检测中,存在细小、对比度低且有污渍点干扰的隧道裂缝,利用常规方法很容易漏检裂缝。为了解决此问题,提出一种基于图像增强与分水岭分割的裂缝提取算法,该算法有效利用背景信息补偿了污渍点,均衡了图像背景对比度。结合高低帽变换方法对图像进行增强,然后根据分水岭算法获取分水岭分割线;比较分割线所在位置的灰度值与其周边灰度值,并通过灰度值差异判断裂缝边缘,从而提取裂缝。实验结果表明,所提算法能够准确、有效地检测出完整的隧道裂缝,且对噪声具有鲁棒性。

基于引导滤波的低照度图像增强算法

针对于低照度的图像的对比度、色彩饱和度较低以及细节模糊等问题,本文提出了一种综合性的改进低照度图像自身缺点的算法。该算法首先将低照度图像进行色彩空间转换,由RGB色彩空间转换到HSV色彩空间,并对HSV色彩空间中的亮度分量V进行对数变换,饱和度分量S进行线性变换;其次,利用顶帽变换的原理使图像背景的明暗提取功能得到增强,图像细节部分得到改善;最后,利用引导滤波的算法原理,把增强低照度图像时所模糊、丢失的边缘细节给重新弥补。实验结果表明,该算法对明显的弥补了低照度图像的缺陷,使低照度图像的亮度、色彩饱和度提高,图像细节边缘变得更加清晰,综合的提升了图像的质量。