基于QR分解的彩色图像自嵌入全盲水印算法

针对彩色图像的版权保护问题,基于 QR 矩阵分解提出了一种自嵌入全盲水印算法。先将原始图像的G通道分量进行非下采样剪切波变换,再对得到的低频分量分块QR分解,通过判断各子块R矩阵中第一行元素向量的l1范数与所有子块R矩阵第一行元素l1范数均值之间的大小关系生成特征水印。然后对B通道分量DWT变换后的低频分量进行分块QR分解,并通过修改该子块QR分解后R矩阵中第一行最后一列元素来嵌入特征水印。特征水印的生成和嵌入在两个通道内独立完成,水印检测无需原始载体图像,算法无需借助外加水印信息即可完成对图像版权的鉴别。实验结果表明,该算法在经历添加噪声、JPEG压缩、缩放、剪切和行偏移等常见攻击时,具有很强的鲁棒性。     

基于压缩感知的强鲁棒性彩色图像双水印算法

目的为了解决图像的鲁棒性和透明性之间的矛盾,依据压缩感知理论的计算保密性提出一种基于压缩感知的强鲁棒彩色图像双水印算法。方法首先将水印图像RGB分解后,对G,B分量分块压缩感知获得测量值,再对载体图像G,B分量NSCT分解,对低频分量非重叠分块后LU分解、奇异值分解,将每个分块的水印测量值按不同嵌入强度对应嵌入载体奇异值矩阵中,经过一系列逆变换得到含水印图像。最后用含水印图像R分量分块压缩感知测量值生成零水印,发往IPR中心注册保存。结果该算法在水印的嵌入和提取仿真实验结果中峰值信噪比大于40 d B,重建的水印图像与原图像相似度极高,且能抵抗剪切、高斯噪声、椒盐噪声、高斯低通滤波和JPEG压缩等类攻击。结论算法具有很强的鲁棒性和较好的透明性,实现较简单具有切实的可行性。     

基于纹理特征与最优稀疏表示的图像修复算法

目的解决当前图像修复算法忽略了对修复块后续的优化处理,导致修复图像易出现不连贯效应以及块效应等的不足。方法提出基于纹理特征与稀疏表示的图像修复算法,首先利用像素点对应的数据项,构造了优先权模型。然后,利用像素点在R,G,B分量上对应的像素值来构造纹理特征度量模型,对待修复块中像素点对应的纹理特征进行度量,并根据度量结果,选择其对应样本集的大小。引入SSD型,从样本集中搜索与待修复块最相似的最优样本块,对待修复块进行填充。最后,利用最优样本块函数,构造最优稀疏表示模型,从而实现图像修复。结果仿真结果显示,与当前图像修复算法相比,所提图像修复算法具备更高的复原质量,能有效克服修复图像中出现的不连贯效应以及块效应。结论所提算法具有较高的修复视觉质量,在数字图像处理领域具有较好的应用价值。     

R/G/B直方图对比算法判别红茶发酵适度

提出了一种基于R/G/B直方图对比算法判别红茶发酵适度的方法.设计了一套采集红茶发酵图像采集系统采集红茶发酵叶的颜色图像.通过计算红茶发酵叶在制品图像颜色分量直方图与标准直方图的匹配度判别发酵适度,设定发酵适度的标准图像与阈值T,并实时采集分析红茶发酵过程中在制品图像的R/G/B三种颜色分量直方图,计算其与标准图像的Manhattan距离.当Manhattan距离D的均值小于设定阈值T时,则判别为发酵适度,并输出信号停止红茶继续发酵.研究结果表明,基于R/G/B直方图对比算法判别红茶发酵适度状态是可行的,与感官评审结果对比,其判别准确率达到93.2%.     

多颜色空间的内窥镜图像血管增强方法

为了提高医用电子内窥镜所获图像的血管与组织的对比度,针对内窥镜血管图像的特点,提出了一种基于多颜色空间非线性对比度拉伸的血管增强处理方法。首先在RGB颜色空间利用非线性映射函数对绿色(G)分量进行自适应对比度拉伸;接着依据G分量的拉伸结果,相应地调整红色(R)和蓝色(B)两个分量的灰度值;然后将图像转换到HSV颜色空间,并对图像的饱和度(S)分量进行自适应对比度拉伸;最后将图像转换回RGB颜色空间,最终达到血管增强的目的。在本文中,利用所提出的算法对多幅电子内窥镜图像进行处理,结果表明,算法对于原始特征不明显的细小血管也具有较好的增强效果。通过与其它的增强方法相对比,增强后图像的细节方差(DV)显著大于其它方法。将算法嵌入到分辨率为1280×800的内窥镜软件中,其处理速度可达26 f/s。     

基于高斯滤波的扫描图像去网

运用高斯滤波基本理论,通过对RGB图像进行分通道处理,即对R,G,B等3个通道分别进行高斯滤波处理,再经通道合并为彩色图像,并对经过处理后的彩色图像进行锐化处理。用本去网算法与扫描仪自带的去网算法进行了比较,在主观的基础上结合清晰度值,提出的去网算法所达到的效果更好。     

自适应插值算法在图像修复中的应用研究

针对BSCB模型速度慢、整体变分模型易产生阶梯效应的缺点,提出了一种基于扩散率函数的自适应插值算法。该算法利用待修复像素点周围的已知像素点的梯度权函数和距离权函数,对未知像素点进行赋值。实验结果显示: 将该算法应用到灰度图像和彩色图像的修复中,与传统算法相比所需运算时间短,视觉效果较好,定量评价指标(峰值信噪比)也证明了该算法的有效性。     

一种基于Curvelet变换的彩色图像融合算法

针对图像传感器的多聚焦成像问题,提出了一种基于YIQ颜色模型和第二代Curvelet变换的图像融合方法.通过将待融合图像转换到YIQ颜色模型,考虑到图像的颜色各分量相关性和算法的计算复杂度,对亮度分量Y和色度分量I、Q分别采用了不同的融合策略:亮度分量Y进行Curvelet变换,分解后的高频系数采用区域梯度和能量加权相结合的融合准则,低频系数采用能量自适应加权的融合准则,再进行Curvelet逆变换重构得到分量Y,色度分量I、Q分别通过区域信息熵取大的方法得到.将融合得到的三分量进行YIQ逆变换,从而实现多聚焦彩色图像的融合.通过实验对比,算法取得较好的融合效果.     

基于结构相似度的彩色图像质量评价算法

目的研究在Matlab中度量彩色图像之间结构相似度的评价算法,用以评估彩色图像的质量。方法以灰度图像的结构相似度评价模型(SSIM)为基础,在Matlab中将以RGB色空间存储的彩色图像转换到亮度信息和色彩信息分别度量的YUV色彩空间中,设计算法度量彩色图像之间的亮度比较值、对比度比较值和结构比较值,综合三部分后可得彩色图像之间的结构相似度。结果实验结果表明,利用彩色结构相似度算法可以计算彩色图像与参考图像之间的相似度数值,用作质量评价,且其评价结果与人类视觉感知评价(即主观评价)结果保持一致。结论该方法可作为一种新型的彩色图像质量评价准则。     

一种基于颜色恒常性的低照度图像增强方法

目的在彩色图像采集过程中,光源偏暗或曝光不足等因素常导致图像亮度和对比度偏低。提出一种基于颜色恒常性的低照度图像增强方法。方法利用HSV颜色空间消除颜色分量之间的相关性。保持色调分量不变,避免颜色失真;一方面使用改进后的MSR(多尺度Retinex)算法对亮度分量进行增强,提高图像的亮度和对比度;另一方面对饱和度分量进行自适应非线性拉伸以提高颜色的饱和度。结果提出的方法能够有效提高图像的对比度和信息熵,获得较好的视觉效果;将文中方法同传统MSR算法和MSRCR算法进行对比,文中方法各项客观评价指标均优于其他2种算法,并且具有更快的运行速度。结论文中方法能够快速有效地提高低照度图像的亮度和对比度,并且具有较强的颜色保真和细节再现能力,实验结果证明了文中方法的有效性。     

彩色图像的复变函数模型及其边缘检测

本文在彩色图像的HSI颜色空间中,根据其分量的不相关特性,针对H、S分量建立了彩色图像的复变函数模型,并给出其边缘检测方法,得到H、S分量的边缘图像.抽取彩色图像的1分量构造灰度图像,利用当前成熟的灰度边缘检测方法(基于小波的多尺度边缘检测方法)得到1分量的边缘图像.最后,利用信息融合技术,将上述获得的两幅边缘图像进行信息组合得到最终的边缘检测结果.从试验的结果来看,本文所采用的方案充分利用了彩色图像所包含的信息,对图像的彩色边缘比较敏感,获得了满意的边缘检测结果.     

基于混合幅度-相位检索技术与二维耦合混沌映射的光学图像加密算法

目的为了解决当前光学图像加密算法主要将单色光束直接作用于明文,使其在解密过程中易出现丢失颜色信息等问题。方法文中设计基于混合幅度-相位检索技术与二维耦合混沌映射的光学图像加密算法。首先,提取彩色图像的R, G, B分量;随后,引入Logistic映射与Sine映射,通过对二者进行非线性耦合,形成二维复合混沌映射;利用彩色图像的像素信息来迭代复合映射,获取3个混沌序列,通过构建位置引擎混淆机制,对R,G,B分量进行置乱;基于Logistic映射,利用明文像素生成的初值条件对其进行迭代,输出一个混沌随机掩码;最后,基于幅度-相位截断方法和Gyrator变换,设计混合幅度-相位检索技术,利用单向二进制相位函数和随机掩码,对置乱后的R, G, B分量进行加密,获取相应的检测振幅,再将其进行组合,形成实值函数的加密密文。结果实验结果显示,与当前光学图像加密机制相比,所提算法具有更高的安全性与解密质量,具备较强的抗明文攻击能力。结论所提加密技术具有较高的抗攻击能力,能够安全保护图像在网络中传输,在信息防伪等领域具有较好的应用价值。     

基于人眼视觉特性的彩色图像增强算法

针对多尺度Retinex算法(MsR)计算复杂度过高的缺陷,本文提出了模拟人眼视觉特性的Retinex图像时比度增强方法.该方法根据Retinex计算模型分离彩色图像的照射分量和反射分量,并引入非线性变换函数对其进行修正.基于对数变换的非线性函数拉伸图像照射分量,改善了全局视觉效果,再利用考虑人眼灰度分辨能力的变换函数对反射分量值进行调整,从而改善了图像局部对比度.实验结果表明,算法直接在RGB彩色空间和其它分离色度亮度的彩色空间的处理效果都很好,没有出现明显的彩色失真现象,处理速度也快于MSR算法.     

基于感知器的快速彩色图像无损压缩算法

针对彩色图像像素和颜色分量之间存在的相关性，将神经网络中的感知器技术引入彩色图像的无损压缩算法中，提出了一种新的预测模型。应用感知器的自学习和自适应能力，对预测值进行自适应调整，使算法在运行过程中具有很小的预测残差并具有较小的动态范围。同时应用颜色空间变换来减小颜色分量间的相关性。相对于新的国际标准JPEG—LS，这种预测模型具有较低的计算复杂性。对比实验结果说明，这种算法的性能明显优于传统算法，在压缩比损失很小的前提下，其执行速度高于JPEG—LS。     

基于NSST与IHS的红外与彩色可见光图像融合

目的 鉴于传统的红外与彩色可见光图像融合算法得到的融合图像,无法很好兼顾清晰度、对比度和色彩是否失真等,提出一种新的基于NSST和IHS颜色空间的彩色图像融合算法。方法 首先将源彩色可见光的RGB图像变换到各通道相关性最小的IHS颜色空间,分离出亮度分量和色度分量。其次对彩色可见光的亮度分量和红外图像分别进行NSST分解,对分解得到的低频系数采用基于自适应高斯模糊逻辑函数的系数选择方案,对高频系数则采用基于像素点的绝对值取大的系数选择方案,然后对经过选择的低、高频系数进行NSST逆变换,得到的融合图像作为新的亮度分量,结合已有的色度分量将其进行IHS逆变换,得到最终的RGB融合图像。结果 通过2种场景的红外与彩色可见光图像进行仿真实验,将提出的算法与LPT,SWT和NSCT等算法对比,通过主观评价和客观评价指标IE, AG, SF和SD等,可知新算法的融合结果图像场景细节最清晰,红外隐藏目标对比度最高,且色彩未出现明显失真现象,图像融合质量最高。结论 提出的算法相较于传统的红外与彩色可见光图像的融合质量,全面提升了效果,表明该算法具有优越性。     

基于平均加权四元数卷积的岩石节理裂隙检测

为了检测彩色岩石节理裂隙边缘,同时抑制由其它色彩引起的噪声.本文将彩色图像像素的R,G、B分量作为彩色空间矢量的三个分量形成纯虚四元数,利用四元数卷积及旋转相关知识,得到彩色图像边缘检测方法并运用于岩石节理裂隙的检测中.同时,本文提出了一种简化的四元卷积方法.为了抑制噪声并对边缘准确定位,本文将不同尺度下的四元数卷积进行平均加权.实验结果表明,本文提出的方法针对岩石节理裂隙检测有较好的效果,具有重大的工程实用价值.     

基于PCNN的车牌分割技术

近几年,随着神经网络理论的深入研究,神经网络技术的并行性计算能力、非线性映射和自适应能力等优点得到了充分的认识,各种神经网络模型在图像处理领域中得到了广泛的应用.脉冲耦合神经网络(PCNN)是20世纪90年代发展起来的新一代神经网络模型,特别适合于图像处理的各个方面.对PCNN在彩色图像分割上的应用进行了研究,将彩色图像空间变换成三个独立的分量作为PCNN的输入,实现车牌的定位分割,实验表明,该方法对于车牌的定位分割是有效的.     

包装机械手轨迹规划和控制系统设计

目的 针对常见分区域图像修复算法中,对于待修复目标的分离效果不佳而导致的修复效果较差等问题,提出一种基于改进K均值聚类的图像修复方案。方法 首先将待分割图像转换到CIELab颜色空间,对a,b分量进行聚类运算,得到K个聚类中心,通过改变聚类迭代次数,得到粗分割结果;然后采用数学形态学对分割结果进行细化处理,精确分离得到目标对象和背景;最后,采用Reinhard算法对目标和背景分别进行色彩迁移,得到图像修复结果。结果 所提模型中的区域分割算法,其分离效果均优于经典的分水岭算法、最大类间方差法和基于Lab通道的最大类间方差算法,采用Reinhard色彩迁移算法图像修复结果比较接近理想修复效果。结论 由最终结果可知,提出修复法的整体效果较为理想,且优于传统的分区域图像修复算法,可为生产实践提供必要的理论依据。     

彩色片的加色法与减色法

加色法光的三原色是红(R)、绿(G)、蓝(B)。这三种色光以不同的比例相加,可以得到各种不同的颜色。红、绿、蓝三个色光的波长分别为单色光,彩色照片所用的色光波长范围为:R,600～700nm;G,500～600nm;B,400～500nm。人们把光的三原色混合称之为加色混合。两种色光等量混合即成为剩余原色的补色。三种色光等量混合则成为白色光。     

基于CEEMDAN的人工蜂群算法优化LSTM深度网络的西江溶解氧预测

为提高溶解氧含量预测的精度,提出一种基于添加自适应白噪声的完备集成经验模态分解法(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和人工蜂群算法(Artificial Bee Colony, ABC)改进长短时记忆网络(Long Short-term Memory, LSTM)的水质溶解氧组合预测模型。首先,运用CEEMDAN算法将溶解氧含量序列分成若干个不同固有模态分量和趋势分量;之后,运用R/S类分析法计算不同固有模态分量和趋势分量的Hurst指数H,并根据H的大小将不同固有模态分量和趋势分量重构成微尺度、中尺度和宏尺度分量;最后,针对三种尺度分量分别运用ABC-LSTM模型进行预测并线性加权重构获得溶解氧最终预测值。该模型以西江中山横栏水质监测站点数据采集系统为研究对象,试验结果表明,本文模型可以有效提高西江溶解氧预测精度,预测精度高达1.6978%,较LSTM、支持向量机(Support Vector Machine, SVM)、ABC-SVM和人工蜂群算法优化前馈神经网络(Back Propagation Neutral Network, BPNN) ABC-BPNN分别提高1.2867%、2.7544%、2.3756%和2.4448%,从而说明本文模型较传统模型精度上有明显提高,具有更强的预测性能和泛化能力、误差更低,为西江水质监测管理和维护提供科学决策的依据。