基于对数Gabor的超复数视觉显著性检测算法

为在没有先验知识的情况下准确获取图像显著性目标,提出一种基于对数Gabor滤波器和超复数傅里叶变换的视觉显著性检测算法。利用对数Gabor滤波器模仿人类视觉感受野,对输入图像进行预处理,提取颜色、纹理方向等特征。根据所得特征构造各尺度下的超复数图像,并求其傅里叶变换相位谱,将多尺度超复数相位谱反变换后进行归一化,从而获得视觉显著图。实验结果表明,该算法与传统的算法相比具有更高的准确率,应用于复杂场景下的交通标志检测能取得较好的检测效果。     

模拟注视眼动的多聚焦彩色图像融合

多聚焦图像存在聚焦和离焦区。通常聚焦区吸引人的注意力,具有突出的视觉显著性。提出一种模拟人类视觉机制的彩色图像融合方法。利用超复数傅里叶变换改进传统显著性检测算法,直接检测彩色图像显著度;模拟人类视觉的注视眼动机制对图像尺度稍微扰动,并对不同尺度下获得的图像显著度进行累加;选择累计显著度最大的源图像像素构建融合图像,并采用颜色相似性准则处理边界带像素。相关仿真实验表明,超复数傅里叶变换充分利用了源图像的颜色信息,累加显著度能提高峰值信噪比并减少均方根误差。实验结果表明该方法可得到超过36 dB的峰值信噪比和小于个位数的均方误差,在图像融合中可得到相对好的主观视觉效果。     

分数阶小波变换的性质

小波变换是对信号时域-频域(Fourier域)的多分辨率分析,是一种线性时不变伸缩带通滤波.分数阶小波变换将小波变换的多分辨率分析理论推广到时域-广义频域(分数阶Fourier域),对信号分析处理有更大的灵活性.分析了分数阶小波变换的线性时变特性、存在正交分教阶小波的条件、分数阶Fourier域传递函数,以及分数阶小波变换在分数阶Fourier域的伸缩带通滤波.     

分数阶小波变换

小波变换是对信号时域-频域(Fourier域)的多分辨率分析,也可看作是一种Fourier域伸缩带通滤波.分数阶Fourier变换是对传统Fourier变换的推广,对信号分析处理有更大的灵活性,为了将多分辨率分析理论推广到时域-广义频域(分数阶Fourier域),提出了一种分数阶小波变换,分析了分数阶小波变换在广义频域伸缩带通滤波特性,分析信号时的时域-广义频域平面的多分辨率分析网格划分.分数阶小波变换是传统小波变换的推广,在对原小波变换核作一定改动后增加了小波变换对信号处理的灵活性.可以看到,将分数阶小波变换的变换角度取为π/2,便得到与传统小波变换多分辨率分析理论完全一致的结果.理论分析和计算机仿真表明了所提理论的正确性和有效性.     

奇异目标信号的多尺度定位识别方法

在复杂环境下检测微弱目标信号是信号检测技术中关键问题。基于奇异目标信号和噪声干扰在多尺度小波变换下表现出截然不同的特性,利用奇异目标信号的小波变换模极大值随尺度增大而增大,而随机白噪声小波变换模极大值随尺度增大而减小,进行复杂环境中的目标定位识别。理论和实验表明该方法特别适合弱信号的定位识别。     

一种背景抑制改进的显著性目标检测方法

针对显著性目标检测在复杂背景下准确率低的问题,提出超复数傅里叶变换改进的条件随机场显著性目标检测方法。首先,建立图像无向图并提取节点特征;然后重构超复数傅里叶变换得到平滑振幅谱与相位谱,获得无向图节点背景抑制权值,从而初步确定多尺度高斯核背景抑制图;最后输入到训练后的条件随机场中,通过增强目标表示得到最终显著性目标区域。实验表明,本文方法在准确率上较现有流行方法有显著提高,且能够在抑制复杂背景的同时,准确锁定指定目标位置区域。实验验证本文方法在复杂背景下显著性目标检测具有较好的准确性和鲁棒性。     

奇异目标信号的多尺度定位识别方法

在复杂环境下检测微弱目标信号是信号检测技术中关键问题。基于奇异目标信号和噪声干扰在多尺度小波变换下表现出截然不同的特性，利用奇异目标信号的小波变换模极大值随尺度增大而增大，而随机白噪声小波变换模极大值随尺度增大而减小，进行复杂环境中的目标定位识别。理论和实验表明该方法特别适合弱信号的定位识别。     

复合域的显著性目标检测方法

目的 针对显著性目标检测方法生成显著图时存在背景杂乱、检测区域不准确的问题,提出基于复合域的显著性目标检测方法。方法 首先,在空间域用多尺度视网膜增强算法对原图像进行初步处理;然后,在初步处理过的图像上建立无向图并提取节点特征,重构超复数傅里叶变换到频域上得到平滑振幅谱、相位谱和欧拉谱,通过多尺度高斯核的平滑,得到背景抑制图;同时,利用小波变换在小波域上的具有多层级特性对图像提取多特征,并计算出多特征的显著性图;最后,利用提出的自适应阈值选择法将背景抑制图与多特征的显著性图进行融合,选择得到最终的显著图。结果 对标准测试数据集MSRA10K和THUR15K中的图像进行显著性目标检测实验,同目前较流行的6种显著性目标检测方法对比,结果表明上述问题通过本文方法得到了很好地解决,即使在背景复杂的情况下,本文算法的准确率、召回率均高于对比算法,在MSRA10K数据集中,平均绝对误差（MAE）值为0.106,在THUR15K数据集中,平均绝对误差（MAE）值降低至0.068,平均结构性指标S-measure值为0.844 9。结论 基于复合域的显著性目标检测方法,融合多个域的优势,在抑制杂乱的背景的同时提高了准确率,适用于自然景物、生物、建筑以及交通工具等显著性目标图像的检测。     

一种新的彩色图象边缘检测方法

通过对HSV彩色视觉模型的分析,充分利用边缘信息的多尺度特性、小波变换和多尺度基本形式的特性,提出了基于HSV色度空间的,应用小波多尺度基本形式对彩色图象进行多尺度边缘检测的新方法.实验结果表明,该方法能准确检测出彩色图象的边缘,效果较好.     

结合边缘颜色与形状特征的图像检索方法

小波变换具有良好的局部特性与多尺度特性, 能多尺度逼近边缘, 这使得它在图像奇异性检测和特征提取方面得到了广泛的应用. 通过三次样条二进小波变换模极大值法提取图像彩色边缘, 用彩色边缘的环形颜色直方图表示颜色特征, 用小波模极大值的环形直方图表示形状特征; 最后利用上述两种直方图计算图像间的相似度, 并进行彩色图像检索. 实验结果表明该算法不仅具有较好的查准率和查全率, 而且对图像中存在的光照变化和几何变化(尺度, 平移, 旋转等)具有较强的鲁棒性.     

基于多尺度分析的红外图像边缘特征融合算法

针对红外图像特点 采用基于正交小波变换的多尺度边缘检测方法,利用小波变换天生的多尺度特性,检测出不同尺度、不同精度下的边缘特征,融合形成图像边缘。     

一种新型分数阶小波变换及其应用

小波变换和分数Fourier变换是应用非常广泛的信号处理工具.但是,小波变换仅局限于时频域分析信号;分数Fourier变换虽突破了时频域局限能够在分数域分析信号,却无法表征信号局部特征.为此,提出了一种新型分数阶小波变换,该变换不但继承了小波变换多分辨分析的优点,而且具有分数Fourier变换分数域表征功能.与现有分数阶小波变换相比,新型分数阶小波变换可以实现对信号在时间-分数频域的多分辨分析.此外,该变换具有物理意义明确和计算复杂度低的优点,更有利于满足实际应用需求.最后,通过仿真实验验证了所提理论的有效性.     

复数Curvelet 变换域复数高斯尺度混合图像降噪

提出了一种基于复数Curvelet 变换域复数高斯尺度混合（CGSM）模型的图像去噪方法．指出Curvelet 变换重构图像存在“划痕”和“嵌入污点”的主要原因是Curvelet 变换域存在频谱混叠,为此,采用复数小波变换和 改进的Radon 变换分别代替原Curvelet 变换中的实小波变换和Radon 变换．构造了具有抗混叠性能的复数Curvelet 变换．本文同时把高斯尺度混合（GSM）模型扩展到复小波域,形成对复小波系数的幅值和相位信息具有有效捕捉 能力的复数GSM 模型,并在复数Curvelet 变换域,采用贝叶斯最小平方（BLS）估计器对CGSM 模型下含噪复系数 进行有效估计,从而实现降噪．实验结果表明,无论是用PSNR 指标评估,还是在视觉效果上,本文方法的去噪性能 均好于传统Curvelet 去噪、Curvelet 域HMT 去噪和小波域BLS-GSM 去噪．本文方法在有效去噪的同时,具有很好 的图像边缘和细节保护能力．     

基于相位相关的小波域图像配准方法研究

小波变换是一种多尺度信号分析方法，近几年在图像处理领域受到广泛关注，它克服了傅立叶变换的固定分辨率的弱点，既可分析信号概貌，又可分析信号的细节。相位相关是一种频率域的图像配准参数估计方法，是利用傅立叶变换的平移、旋转等特性进行参数估计的。在研究多尺度小波分析和相位相关理论的基础上，提出基于小波系数的像素级相位相关图像配准方法：首先对待配准图像进行小波分解，获得低频小波系数后，再对小波系数应用相位相关进行配准参数估计。实验结果表明了该方法的可行性和有效性。     

方向小波变换及其在运动弱目标检测中的应用

定义了一种新的小波变换即“方向小波变换”，它不仅保持了传统小波变换良好的时频局部分析能力，还具有良好的方向分析特性，研究了它在运动弱目标检测中的应用，提出一种多尺度的运动弱目标检测方法，其可以充分利用目标的不稳定“面”信息，迅速有效地检测出运动弱目标的轨迹。     

图像多尺度边缘检测算法研究

通过检测二维小波变换的模极大值线可以确定图像的边缘点.由于小波变换在各尺度上都提供了图像的边缘信息,所以称为多尺度边缘检测.沿着边界方向将任意尺度下的边缘连接起来,可形成该尺度下沿着边界的模极大线.小波变换能够把图像分解成多种尺度成分,并对大小不同的尺度成分采用相应的时域或空域取样步长,从而能够不断地聚焦到对象的任意微小细节.小波变换具有的多尺度特性,正好可以用于图像的边缘检测.     

基于频域多尺度分析的显著性检测

针对现有显著性检测方法得到的显著区域不完整以及缺乏生物学依据的不足,提出一种基于频域多尺度分析的图像显著性检测方法.首先利用小波变换将输入图像的离散余弦变换(DCT)系数的幅度谱进行多尺度分解,计算得到多尺度下的空间域视觉显著图,然后依据显著性评价函数选出较优显著图,最后以自适应权重合成输入场景的视觉显著图.对不同类型数据集进行实验,包括心理物理学模板数据集、人眼注视轨迹数据集及显著目标分割数据集(包括ASD和ECSSD数据集),该方法对于多类型数据集在P-R曲线、ROC曲线及AUC指标等客观评价标准上均取得较高精确度,且在计算速度统计中计算较快,表明该方法优于其他经典的显著性检测方法.     

基于SWT和FRFT的脉冲星TOA估计算法

提出了一种基于平稳小波和分数阶傅立叶变换的脉冲星超分辨率TOA估计算法。首先,对一个周期内的脉冲星信号进行多层平稳小波分解。然后,估计出与各层低频系数分数阶傅立叶变换相对应的TOA。最后,对脉冲星信号到达时间进行复合估计。实验结果表明,在低采样率,强噪声背景的情况下,该算法能获得稳定、准确的脉冲信号到达时间。     

结合分数Hartley变换和复用技术的图像加密算法

通过初等数学运算对彩色图像的RGB三个分量进行复用,并结合基于分数哈特莱变换的双随机相位对其进行单通道加密。加密算法的密文不是一幅彩色图像,而是一复数矩阵。研究表明,该加密算法加密过程简单,密钥选择性大,且有较大的密钥空间和较高的安全性。     

一种起始点无关的小波系数形状匹配

小波变换的多分辨率特征使其在计算机视觉中得到广泛的应用,在形状匹配中,小波变换对起始点的依赖制约了小波变换的应用。为了克服小波变换对起始点的依赖,引入Zernike矩,提出一种起始点无关的小波系数形状匹配算法。对输入图像进行预处理后提取目标轮廓,生成具有平移、尺度不变的形状链状表达,并通过小波变换进行多尺度分析。最后计算各个尺度下的各阶Zernike矩,来解决小波变换的起始点问题,实现形状表达的旋转不变性。实验结果表明该算法适用于轮廓较明显的目标,同时具有速度快、精度高、鲁棒性强的优点。