基于保局映射的图像纹理聚类

为了解决图像检索中的聚类问题,提出一种改进的图像纹理聚类算法.在纹理特征提取阶段,采用双树复小波对图像进行分解,然后对每个高频段提取直方图签名作为纹理特征;在聚类阶段,根据数据分布的密度来动态地计算数据点的邻接矩阵,再采用保局映射进行降维,对降维后的数据进行k-means聚类.通过采用直方图签名的方式能有效地表示图像纹理在各个方向上特征信息,同时根据数据密度构建的邻接矩阵,能够和保局映射一起更有效地发掘数据之间的局部相关性.实验表明:相对于传统方法,该算法具有更高的聚类正确性.     

基于双树复小波和广义高斯密度的纹理图像检索

提出了一种基于双树复小波变换结合广义高斯密度和Kullback-Leibler距离的纹理图像检索新方法。该方法运用双树复小波变换对检索图像和目标图像进行分解,在每层生成6个方向子带的小波系数,并对小波系数的边缘分布函数进行高斯建模,生成纹理特征,再通过计算相应子带间纹理特征的Kullback-Leibler距离度量图像的相似性。实验表明,该方法比基于能量特征和欧氏距离的检索方法以及在3层分解层数下比基于小波变换、Contourlet变换等结合广义高斯模型的检索方法有更高的检索率。     

基于双树复小波和灰度共生矩阵的纹理图像检索

传统的DWT小波变换在提取图像纹理特征时存在震荡、平移变化、混频和缺乏方向性四种缺陷。为了克服这些缺陷,本文采用双树复小波变换对图像检索中的查询图像和目标图像进行分解,提取6个方向上的纹理特征,为了弥补双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷,又利用这两种图像的灰度共生矩阵提取4个统计量特征;最后用Canberra距离进行相似性度量并输出图像检索的结果。通过对Brodatz纹理图像库的各种纹理图像的检索实验表明,该方法对纹理图像有较好的检索效果。     

多格式音频感知哈希算法

提出一种基于双树复小波变换的多格式音频感知哈希算法,解决了现有音频认证算法音频格式单一、算法不通用、效率低的问题. 首先对预处理后的音频信号进行全局双树复小波变换,获得信号的实小波和复小波系数,对它们分别分帧,帧数相同;对实小波系数计算每帧信号Teager能量算子的模值,作为实小波系数的帧间特征,接着对每帧信号再分帧,提取再分帧帧信号的短时能量作为实小波系数的帧内特征;对复小波系数求取每帧信号的熵值作为复小波系数的帧间特征;最后对上述特征分别进行哈希构造,生成感知哈希序列. 实验结果表明,该算法对5种不同格式的音频都具有强鲁棒性,且区分性好,效率高,并能实现小范围篡改检测.     

骨髓细胞图像的小波变换与K-means聚类分割算法

为了能准确地分割出骨髓细胞涂片中的各类细胞,提出一种基于小波分析的聚类分割方法.首先采用小波变换消除散焦噪声,然后通过对彩色图像G分量进行小波系数多尺度分解,提取特征参数信息,根据图像G分量与S分量的差异性并结合得到变换图像STG,二值化处理提取白细胞胞核,最后为K-means聚类方法提供优化的初始聚类中心,从而对各类红细胞、白细胞进行分割和分离.通过对比分析和实验测试,该算法有效克服了骨髓细胞显微图像的复杂散焦、细胞种类繁多以及目标区分度低而导致图像分割的困难,准确率达94.15%.     

基于混沌的小波域二维工程图数字水印算法

针对数字工程图的版权保护问题,提出了一种基于混沌的小波域数字水印方法,该方法通过从工程图中提取特定顶点构造出复值信号量再进行离散小波变换,通过对变换后的小波细节系数幅值进行调制嵌入一32×32像素的二值水印图像。为了加强水印信息的安全,采用复合混沌序列技术对原始水印图像进行了加密。实验结果证明这种方法对平移、旋转、缩放、镜像以及添加或删除部分实体攻击具有良好的鲁棒性。     

一种基于小波去噪的遥感图像显著性区域检测算法

传统的图像检测方法未获取遥感图像亮度、色度、饱和度信息,图像显著性区域检测效果较差,为此,论文提出一种基于小波去噪的遥感图像显著性区域检测算法。利用小波变换的正交方式将遥感图像转换为一维图像,采用二进小波变换获取遥感图像边缘信息,根据新阈值函数去除图像边缘噪声;依据IHS变换（Intensity-Hue-Saturation）方式计算遥感图像亮度、色度、饱和度信息,并经离散小波变换计算遥感图像高、低频系数向量,通过模糊C均值聚类获取低频系数聚类数据后,利用显著性因子完成遥感图像显著性区域检测。实验结果表明：本文方法能够有效提取图像边缘信息,去除噪声能力强,所检测到的图像显著性区域层次分明,对比度较高,检测效果好。     

双树复小波包和谱峭度在齿轮故障诊断中的应用

针对故障齿轮振动信号的非平稳和调制特性,提出了基于双树复小波包变换和谱峭度的齿轮故障诊断方法.首先,利用双树复小波包变换将原始振动信号分解为若干个不同频带的信号分量,选择与原始信号相关系数大的分量进行阈值降噪并重构;然后,对降噪后的信号利用谱峭度所得的峭度图选择最佳的带宽和频带中心进行相应的带通滤波处理;最后,将带通滤波后的信号作平方包络和傅里叶变换,即可得到信号的包络解调谱,从而提取故障特征信息.通过对试验和工程实际的齿轮故障信号分析表明:双树复小波包变换和谱峭度结合的方法可有效地提取齿轮故障特征信息,进而实现故障识别,验证了方法的可行性和有效性.     

多光谱与高分辨率图像融合的新算法

提出了一种多光谱与高分辨率图像融合的双树复数小波分维算法．充分利用双树复数小波变换良好的方向选择性,对多光谱的I分量和全色图像进行小波分解,进而在不同子带中进行图像融合,低频采用基于区域能量的融合算法,高频定义不同的分形分维作为权系数进行融合,最后将得到的灰度融合图像进行线性拉伸并替代原来的I分量,得到最终的融合图像．实验结果表明,与经典的IHS变换和小波变换相比,该算法光谱扭曲度仅为前两者的30.31％和50.66％．     

基于局部相似性测度的SAR图像多层分割

针对谱聚类算法计算复杂度高,不适用于合成孔径雷达图像分割的问题,利用谱聚类算法与权核k均值之间的等价性,提出一种基于局部相似性测度的SAR图像多层分割算法．首先提取图像中每个像素的小波纹理特征,利用每个像素点的纹理特征计算各自的局部尺度参数,进而构造像素点之间的邻接关系,然后利用最近邻规则对此邻接关系进行逐层合并,进行基础聚类和逐层细化实现像素点聚类,最终得到图像的分割结果．对人工纹理图像和SAR图像的分割结果表明了新算法避免了传统谱聚类算法对尺度参数的敏感性,获得了更优的分割性能．     

基于B样条小波变换极大模的织物多组织识别算法研究

提出了一种新的基于B样条小波变换极大模的织物多组织识别算法:首先由B样条小波对织物图像进行分解,利用分解后的经向和纬向子图像建立正常织物图像和待检测织物图像的极大模边缘图像;然后由它们的差值结果提取特征参数识别织物组织的位置并检验结果的准确性;最后由组织矩阵绘制织物的组织图.仿真结果表明:本文方法能够精细准确刻画织物组织点位置并具有效率高、稳定性能好等优点.     

基于多尺度小波的图像增强算法

提出了一种基于多尺度小波的图像增强算法。首先对图像做小波分层,利用散布矩阵对分层后的图像提取更丰富的局部结构信息,最后对每一个子图像进行局部直方图均衡化,就可将这些子图像合成为一个完整的输出图像。实验结果表明该方法的增强效果明显优于传统的直方图均衡化方法,既提高了图像的整体对比度又突出了图像的局部细节,同时还抑制了噪声。     

Recognition of Group Activities Using Complex Wavelet Domain Based Cayley-Klein Metric Learning

A group activity recognition algorithm is proposed to improve the recognition accuracy in video surveillance by using complex wavelet domain based Cayley-Klein metric learning. Non-sampled dual-tree complex wavelet packet transform (NS-DTCWPT) is used to decompose the human images in videos into multi-scale and multi-resolution. An improved local binary pattern (ILBP) and an inner-distance shape context (IDSC) combined with bag-of-words model is adopted to extract the decomposed high and low frequency coefficient features. The extracted coefficient features of the training samples are used to optimize Cayley-Klein metric matrix by solving a nonlinear optimization problem. The group activities in videos are recognized by using the method of feature extraction and Cayley-Klein metric learning. Experimental results on behave video set, group activity video set, and self-built video set show that the proposed algorithm has higher recognition accuracy than the existing algorithms.     

基于加权小波分解和PCA的人脸识别

小波分解可以大幅度降低人脸图像的维数,图像的基本信息不丢失,可以很好地表征人脸特征.用低频分量和加权高频分量分别结合PCA进行特征提取,分别计算待测试人脸与低频、高频训练人脸的欧式距离,加权计算出新的距离系数,然后利用k-近邻法分类.实验表明此方法的识别率高、训练的时间短.     

广义局部图像距离函数下的图像分类与识别

针对当前常用的局部特征算子,提出广义的局部图像距离函数用于计算图像间的距离.广义局部图像距离函数主要由2部分组成：特征到图像的距离以及图像到图像的距离.其中图像到图像的距离定义为特征到图像距离的线性组合.特征到图像的距离与该特征在图像中的k个最邻近特征距离相关,在不同的约束假设下具有不同的表达形式.该距离函数可以通过求解基于相对约束的二次优化问题进行学习.学习后的距离函数通过Adaboost方法集成为强分类器用于图像分类.广义局部图像距离函数克服了简单线性距离函数下特征统计信息丢失的问题,实验数据证明,该方法有效提高了图像分类的性能.     

基于FTMP特征的小波域非监督纹理分割新算法

为了能够在非监督环境下利用有限纹理混合模式(finite texture mixture pattern,FTMP)特征进行图像分割,提出了一种基于两步聚类的小波域非监督纹理分割算法。该算法通过两步Kmeans聚类来实现多尺度纹理分割。第一步Kmeans聚类计算每一子带的PLVP及对应的FTMP特征;第二步Kmeans则对每一尺度的FTMP特征进行聚类,从而计算各尺度的分割结果。为了获取更为可靠的分割结果,算法考虑了不同尺度之间的交互。合成纹理影像和遥感影像的分割实验验证了该算法的有效性。     

基于半色调图像的邻域相似性描述子方法

局部二值化模式是对局部信息进行特征提取,适合解决纹理特征不明显的图像特征提取问题,但这种方法存在特征维数高的问题。针对此问题,提出一种适用于半色调图像特征提取的邻域相似性描述子方法。该方法将8个邻域分别与中心像素值进行比较运算,然后求这8个运算值间的相似性指标。相似性指标的统计量进行归一化后作为图像的纹理特征向量。试验中,采用BP神经网络对提取图像特征进行分类试验。试验结果表明,在计算复杂度、识别精度等方面,本研究提出的方法优于单纯使用局部二值化模式算法。