一种基于图像显著特征点的检索算法

提出一种基于图像显著特征点的检索算法.首先给出一种具有一定自适应能力的显著特征点的提取算法,即采用改进的图像的块逆概率差模型来提取原图像的块逆概率差图像(DBIP图像).在此基础上,根据BDIP图像中像素的分布特点来提取图像的显著特征点.然后以它们为线索,把图像的形状特征和空间颜色分布特征有机结合起来进行检索.该算法不仅克服利用兴趣点检索时的缺点,而且降低传统显著点提取算法的复杂度,又包含一定的形状信息,具有较好的检索效率.实验结果表明,该算法是有效的.     

基于Haar小波域自学习的图像超分辨率方法

图像超分辨率重构是指由低分辨率图像来获得高分辨率图像的过程.为了能够有效的重构出高分辨率图像,提出一种基于Haar小波域自学习的图像超分辨率重构算法.该算法将高分辨率图像通过Haar小波变换后得到的近似子块L与已知的低分辨率图像联系起来,然后通过Bp神经网络来自学习Haar小波变换细节子块之间相近的自相似性,从而预测出高分辨率图像通过Haar小波变换后的三个细节子块H,V和D.最后由逆Haar小波变换重构高分辨率图像.实验表明由该算法重构的高分辨图像有很好的视觉效果和峰值信噪比.     

基于分块形态Haar小波变换的盲水印算法

提出了一种基于形态Haar小波变换的数字水印算法。该算法对载体图像按分块进行形态Haar小波变换,水印的嵌入和提取在子块的形态小波域中完成,每个子块嵌入水印的一个像素信息。该算法能实现水印的快速盲提取。实验证明,与分块DCT法和分块DWT法相比,算法不仅简单快速,而且大大提高了水印的不可觉察性和鲁棒性,在抵抗噪声攻击方面更有优势。     

基于GHM和FCM的自适应图像水印算法

提出一种基于GHM多小波变换域上的模糊自适应水印算法。利用多小波系数块的能量、重要系数对小波块进行分类,结合图像自身的局部特性,在多小波系数中的两个相关的细节子图像中自适应地嵌入一幅二值水印图像;为了增强水印的鲁棒性,采用冗余嵌入方法;水印的提取不需要原始图像。实验结果证明,该算法对剪切、JPEG压缩、锐化等多种图像处理具有很好的鲁棒性。     

一种加窗的双重局部维纳滤波图像去噪算法 ——基于SWT和DTCWT

提出了一种基于静态小波变换和对偶树复小波变换的加窗的双重局部维纳滤波图像去噪算法。在第一次局部维纳滤波中,用静态小波变换对含噪图像进行分解,然后利用椭圆方向窗来估计不同方向子带的各点信号的方差;在第二次的局部维纳滤波中,第一次局部维纳滤波恢复后的图像被对偶数复小波变换分解后,利用由子带能量自相关函数确定的自适应窗来估计不同方向子带的各点信号的方差,然后利用逆对偶数复小波变换对图像进行恢复。实验结果及分析表明了该去噪算法的有效性。     

自适应对偶树复小波－Curvelet变换的遥感图像融合

Curvelet变换克服了小波变换在处理高维信号时的不足,比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能。因此将Curvelet变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Curvelett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种基于对偶树复小波-Curvelet变换的自适应遥感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和所提算法进行主观和客观的对比,结果表明,基于对偶树复小波-Curvelet变换区域特征自适应的图像融合算法是一种有效可行的图像融合算法。     

基于图像特征的小波域自适应水印算法

提出了一种基于图像特征的小波域自适应水印算法。该算法选用有意义二值图像为水印,把宿主图像分成互不重叠的图像块,用分数盒维数分析各块的特征,提取特征块和次特征块,对它们分别进行一级小波分解,先将水印以不同强度自适应地嵌入到特征块的小波域低频子图中,在保证隐蔽性的前提下,再次将水印以不同强度自适应地嵌入到次特征块的小波域低频子图中,该算法较好地实现了水印的隐蔽性和稳健性。为增强水印的安全性和稳健性,在嵌入前利用Arnold迭代变换将水印置乱。实验结果表明,该算法对JPEG压缩、加噪、剪切、滤波等具有较强的稳健性。     

基于复小波-Contourlet变换的高维信号处理

Contourlet变换克服了小波变换在处理高维信号时的不足,相对于小波变换具有较好的方向性、较高的逼近精度和较好的稀疏表达性能。因此将Contourlet变换用于多维信号处理,能更好的提取图像信号边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Contourlett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种自适应对偶树复小波-Contourlet变换的多传感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和本文所提算法进行了主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。     

基于奇异值加权的图像复制粘贴伪造盲检测

提出了一种基于小波变换和奇异值分解的盲检测算法来识别图像的复制粘贴伪造。该算法用小波变换降低计算量,用奇异值表示图像特征。图像经过小波变换,提取出低频分量和高频分量。因低频部分保留图像的纹理信息,高频部分保留图像的轮廓信息,该算法分别从低频部分和高频部分提取图像奇异值,并把提取出的奇异值进行加权处理,以加权值作为图像块的特征。图像块之间做两两比较,根据图像块的特征相似度,判断是否存在图像复制粘贴伪造区域。在丰富层次和清晰细节轮廓的图像中,该算法能达到比较理想的检测效果,准确率较高。     

基于平稳小波变换的SAR图像海岸线提取

阐述了一种利用平稳小波变换(SWT)从SAR图像中提取海岸线的方法。该方法首先利用基于局部统计特性的自适应滤波算法对SAR图像进行滤波,然后利用SWT对SAR图像进行分析处理,计算SWT系数的小波梯度信息,通过模极大值搜索检测边缘点,最后利用阈值化和形态学方法对局部极大值图像进行细化处理。实验结果证明,这种方法是对于SAR图像海岸线提取是有效的。     

一种基于显著点和SVM相关反馈的图像检索方法

针对传统基于全局特征的图像检索方法存在的不足,提出一种基于显著点特征和SVM(support vector machine)相关反馈相结合的图像检索方法.显著点提取方法是对图像进行小波分解,选择粗分辨率下绝对值较大的小波系数,它们对应原图像中变化较大的区域,然后在细分辨率下跟踪这些小波系数,提取原图像中的能代表这些变化的点,即显著点;然后利用显著点的空间分布信息,提取显著点周围局部区域的特征进行检索,并对检索结果进行SVM相关反馈.实验结果表明,引入反馈的方法可有效地检索更多的相关图像,明显提高了检索的准确性.     

基于显著区域的图像检索方法

研究基于显著区域的图像检索,对小波域显著点提取方法进行改进,解决提取图像特征内容有限、不能有效表达图像内容的问题。提出由显著点作为线索提取显著区域的方法,该方法能实现背景图与对象图的区分。对于对象图,仅对显著区域进行检索,有效减少图像检索过程中背景区域的干扰,提高了检索的速度和准确率。     

基于小波特征点的图像检索算法

点匹配技术在基于内容的图像检索中已被广泛使用.提出了一种新的基于小波变换和Barnard算子的彩色特征点检测算法.首先,将彩色图像分解为3个通道并分别对每个通道作小波变换;其次,对一给定的小波系数,通过模极大值可以在高分辨率子图像中找到与之最相关的一个系数,对于第1层小波系数,通过Barnard算子在原始图像数据中查找潜在特征点;最后,通过自适应门限和连续点集约减算法得到最终的特征点.实验表明,该方法提取的特征点具有很强的鲁棒性并能对图像进行有效的表示,可以有效提高图像检所的准确率.     

结合微分特征和Haar小波分解的鲁棒纹理表达

针对传统的局部二值模式算子缺乏像素间深层次的相关性信息，且对图像中常见的模糊及旋转变化的鲁棒性较差的问题，提出了一种结合微分特征和Haar小波分解的鲁棒纹理表达算子。在微分特征通道上，通过各向同性的微分算子提取图像中的一阶和二阶微分特征，使图像的微分特征在本质上具有旋转不变性且对图像模糊具有较强的鲁棒性；基于小波变换在时域和频域同时具有良好的局部化的特点，在小波分解特征提取通道上采用多尺度的二维Haar小波分解提取图像中的模糊鲁棒特征；最后，串联两个通道上的特征直方图来描述图像的纹理特征。在特征判别性实验中，该算子在较复杂的UMD、UIUC和KTH-TIPS纹理库上的准确率分别达到了98.86%、98.2%和99.05%，与中值稳健扩展局部二值模式（MRELBP）算子相比，准确率分别提高了0.26%、1.32%和1.12%；在对旋转变化和图像模糊的鲁棒性分析实验中，该算子在仅存在旋转变化的TC10纹理库上的分类准确率达到99.87%，在添加了不同程度高斯模糊的TC11纹理库上的分类准确率降幅仅为6%；在计算复杂度实验中，该算子的特征维度仅为324维，在TC10纹理库上的平均特征提取时间为30.9 ms。实验结果表明，结合微分特征和Haar小波分解的方法具有很强的特征判别性，对旋转和模糊的鲁棒性较强，同时具有较低的计算复杂度，在样本数据较少的场合具有很好的适用性。     

结合微分特征和Haar小波分解的鲁棒纹理表达

针对传统的局部二值模式算子缺乏像素间深层次的相关性信息,且对图像中常见的模糊及旋转变化的鲁棒性较差的问题,提出了一种结合微分特征和Haar小波分解的鲁棒纹理表达算子。在微分特征通道上,通过各向同性的微分算子提取图像中的一阶和二阶微分特征,使图像的微分特征在本质上具有旋转不变性且对图像模糊具有较强的鲁棒性;基于小波变换在时域和频域同时具有良好的局部化的特点,在小波分解特征提取通道上采用多尺度的二维Haar小波分解提取图像中的模糊鲁棒特征;最后,串联两个通道上的特征直方图来描述图像的纹理特征。在特征判别性实验中,该算子在较复杂的UMD、UIUC和KTH-TIPS纹理库上的准确率分别达到了98.86%、98.2%和99.05%,与中值稳健扩展局部二值模式（MRELBP）算子相比,准确率分别提高了0.26%、1.32%和1.12%;在对旋转变化和图像模糊的鲁棒性分析实验中,该算子在仅存在旋转变化的TC10纹理库上的分类准确率达到99.87%,在添加了不同程度高斯模糊的TC11纹理库上的分类准确率降幅仅为6%;在计算复杂度实验中,该算子的特征维度仅为324维,在TC10纹理库上的平均特征提取时间为30.9 ms。实验结果表明,结合微分特征和Haar小波分解的方法具有很强的特征判别性,对旋转和模糊的鲁棒性较强,同时具有较低的计算复杂度,在样本数据较少的场合具有很好的适用性。     

DWT域抗几何攻击水印算法研究

鲁棒水印面临的最大问题就是几何攻击.小波变换域不具有几何不变性,一个微弱不可察觉的几何攻击就能使小波域水印算法失效.提出了一种新的以特征点作为模板、有效抵抗几何攻击的图像水印算法.它包括:(1)根据小波变换空间各子带呈树形结构的特性,选择每棵小波树中纹理最强的方向子树的树根作为水印嵌入点;(2)根据嵌入点在低频对应位置的能量和该方向子树高频叶子结点的纹理信息确定一种自适应嵌入水印策略;(3)利用Harris-Laplace算子从含有水印的图像中提取出具有几何形变鲁棒性的特征点,将其作为模板;(4)水印检测时,先利用特征点模板通过线性变换恢复几何形变的图像.然后通过统计图像的相关性来验证水印的存在,无需原始图像.仿真实验表明,所提出的水印算法不仅具有很好的透明性,而且对常见的图像处理和几何变换具有很好的鲁棒性.     

基于显著点和关键块相结合的图像检索方法

提出了一种基于小波变化显著点和基于关键块相结合的图像检索方法。首先利用小波变换提取图像的显著点，然后将图像划分成均匀的图像块，将图像块分为有显著点的和无显著点两类。提取块的低层次特征矢量，将两幅图像之间的匹配转换成图像块之间的匹配。在图像检索时，通过对这两类图像块分别进行相似性度量，对得到的结果加以不同的权重，以实现对图像局部或全局不同要求的检索。     

基于双通道卷积神经网络的图像单失真类型判定方法

针对图像单失真类型判定算法对部分失真类型判定精度低的问题,提出了一种基于双通道卷积神经网络（CNN）的图像单失真类型判定方法。首先,对图像进行裁剪以得到固定尺寸的图像块,并对图像块进行Haar小波变换从而得到高频信息图;然后,将图像块与对应的高频信息图分别输入到不同通道卷积层中以提取深层特征图后,对深层特征进行融合并输入到全连接层中;最后,将全连接层最后一层的值输入到Softmax函数分类器中得到图像单失真类型概率分布。LIVE数据库上的实验结果表明,所提方法的图像单失真类型判定准确率达到了95.21%,并且对JPEG2000和快速衰落失真这两种失真类型的判定精度相较用于对比的其他五种图像单失真类型判定方法分别提升了至少6.69个百分点和2.46个百分点。所提方法能够准确地判定出图像中存在的单失真类型。     

Content-Based Image Retrieval Using Multiresolution Color and Texture Features

In this paper, we propose a content-based image retrieval method based on an efficient combination of multiresolution color and texture features. As its color features, color autocorrelograms of the hue and saturation component images in HSV color space are used. As its texture features, BDIP and BVLC moments of the value component image are adopted. The color and texture features are extracted in multiresolution wavelet domain and combined. The dimension of the combined feature vector is determined at a point where the retrieval accuracy becomes saturated. Experimental results show that the proposed method yields higher retrieval accuracy than some conventional methods even though its feature vector dimension is not higher than those of the latter for six test DBs. Especially, it demonstrates more excellent retrieval accuracy for queries and target images of various resolutions. In addition, the proposed method almost always shows performance gain in precision versus recall and in ANMRR over the other methods.      

基于改进小波变换的农村集体土地测绘图像高分辨率自适应重建方法

为提高农村集体土地测绘图像的分辨率,改进在重建图像的过程中发生的灰度偏移的情况,研究了基于改进小波变换的农村集体土地测绘图像高分辨率自适应重建方法。采集农村集体土地测绘图像,对差值处理后的测绘图像进行Haar小波变换,高分辨率重建测绘图像,校正图像灰度化偏移的同时保证重建测绘图像的质量;采用基于贝叶斯估计的自适应小波去噪方法,去除重建测绘图像噪声,使重建的高分辨率测绘图像更清晰。实验结果表明：PSNR值接近30dm,SSIM值接近1;不同噪声方差下,PSNR值最高。提高了重建测绘图像的清晰度和分辨率,得到高分辨率的农村集体土地测绘图像。