基于混沌PSO或分解的二维Tsallis交叉熵阈值分割(英文)

The segmentation effect of Tsallis entropy method is superior to that of Shannon entropy method, and the computation speed of two-dimensional Shannon cross entropy method can be further improved by optimization. The existing two-dimensional Tsallis cross entropy method is not the strict two-dimensional extension. Thus two new methods of image thresholding using two-dimensional Tsallis cross entropy based on either Chaotic Particle Swarm Optimization (CPSO) or decomposition are proposed. The former uses CPSO...     

基于复Contourlet域的支持向量机和Krawtchouk矩的双水印算法

为了进一步提高基于支持向量机(SVM)水印算法的 鲁棒性,提出了一种 基于复Contourlet域的SVM和Krawtchouk矩的双水印算法。首先从RGB宿主 图像中提取B 分量和G分量,并且充分利用Krawtchouk矩不变量的平移、旋转、缩放不变性 和Krawtchouk矩良好 的局部重构特性,计算B分量图像的Krawtchouk低阶矩不变量 ,由此构造鲁棒水印;然后对G分量图 像进行两级复Contourlet分解,在其低频分量中,利用SVM建立图像尺度内的 局部相关性训练模型, 并根据预测结果自适应地实现数字水印图像的嵌入和提取。大量实验结果表明,本文算法不 仅具有较好的 不可感知性,而且对中值滤波、加性噪声和JPEG压缩之类的常规图像处理,以及缩放、旋转 和剪切等几 何攻击,均具有较好的鲁棒性能,其性能优于基于小波域的SVM和基于Contourlet域的SVM水 印算法。     

广义核或混合核FLICM畜肉图像分割方法

针对传统核模糊C均值聚类(Kernel Fuzzy C-Means,KFCM)畜肉图像分割方法对噪声适应能力不强的问题,提出基于广义核函数或混合核函数的模糊局部信息C均值聚类(Fuzzy Local Information C-Means,FLICM)畜肉图像分割方法(KFLICM_UG方法和KFLICM_MG方法)。首先利用广义核函数或混合核函数可以有效兼顾学习能力和泛化能力的优势,将图像的每一个像素映射到高维的特征空间,扩大像素有用特征的类间差异,使像素在高维特征空间中拥有更优的线性可聚性;然后结合像素的局部空间和灰度信息,确定其模糊隶属度,在高维的特征空间中依据图像特征对像素进行模糊局部信息C均值聚类,最终实现畜肉图像的分割。大量的实验结果表明,相比现有的模糊C均值(Fuzzy C-Means,FCM)分割方法、KFCM分割方法和FLICM分割方法,本文提出的KFLICM_UG方法和KFLICM_MG方法可以获得更好的分割效果,更低的分割错误率,且具有更强的噪声适应能力和鲁棒性。     

基于SRAD和NSCT的数字全息再现像像质改善方法

针对数字全息再现像存在的散斑噪声干扰严重、对比度低等问题,提出了基于散斑去噪各向异性扩散(SRAD)模型及非下采样Contourlet变换(NSCT)的数字全息再现像像质改善方法。采用SRAD模型消除再现像中的散斑噪声,然后进行NSCT分解,产生一个低频子带和若干高频子带。基于非线性增益函数和图像分割方法调整低频子带系数,并利用改进的NSCT模极大值法对高频子带进行边缘增强。大量实验结果表明,与近年来提出的非线性扩散去噪方法及NSCT增强方法相比,所提出的方法能更有效地消除散斑噪声、提升再现像的对比度,并得到光滑清晰的边缘,从而提高后续数字全息识别与测量的准确度。     

利用快速W变换计算偶离散cosine变换-Ⅳ的新算法

偶离散cosine变换-Ⅳ(EDCT-Ⅳ)的快速算法是计算各类EDCT的关键。本文系统地导出了常用的四种类型离散W变换(DWT-j,j=Ⅰ,Ⅱ,Ⅲ,Ⅳ)与EDCT—Ⅳ的关系式,从而构造了用快速W变换(FWT-j)计算EDCT-Ⅳ的四种新算法。文中给出了四种算法的运算量,并与EDCT-Ⅳ的其它快速算法进行了比较。     

An Effective Method of Threshold Selection for Small Object Image

The image segmentation difficulties of small objects which are much smaller than their background often occur in target detection and recognition. The existing threshold segmentation methods almost fail under the circumstances. Thus, a threshold selection method is proposed on the basis of area difference between background and object and intra-class variance. The threshold selection formulae based on one-dimensional (1-D) histogram, two-dimensional (2-D) histogram vertical segmentation and 2-D histogram oblique segmentation are given. A fast recursive algorithm of threshold selection in 2-D histogram oblique segmentation is derived. The segmented images and processing time of the proposed method are given in experiments. It is compared with some fast algorithms, such as Otsu, maximum entropy and Fisher threshold selection methods. The experimental results show that the proposed method can effectively segment the small object images and has better anti-noise property.     

基于二维直方图斜分的最小类内方差阈值分割

本文提出一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的最小类内方差阈值分割快速迭代算法,在实验结果和分析中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他三种改进算法进行了比较.结果表明本文提出的二维直方图区域斜分方法可以运用于几乎所有的基于二维直方图的阈值分割,使分割后的图像内部区域均匀,边界形状准确,更有稳健的抗噪性.基于区域斜分的最小类内方差阈值分割快速迭代算法的运行时间与二维Otsu原始算法和文献[12]中的改进算法相比减少了4个数量级,约为区域直分Otsu快速递推算法的1/4,不到文献[11]中快速算法的4%.     

基于蜂群优化投影寻踪的高光谱小目标检测

为了进一步提高高光谱遥感图像小目标无监督检测方法的运算速度,并降低其虚警率,提出了一种基于改进蜂群优化投影寻踪与K最近邻的检测方法。首先,采用核主成分分析法对原始高光谱遥感图像进行降维;然后,提出以邻域像元联合定义峰度与偏度的方法,并将两者结合作为投影指标,再以改进后的蜂群算法作为寻优方法,使用投影寻踪从高光谱图像中逐层获取投影图像,再根据其直方图提取小目标;最后,利用线性判别分析进一步提取像元特征,并结合加权K最近邻方法对小目标的检测结果进行提纯。大量实验结果表明,与RX方法、独立分量分析法、混沌粒子群优化投影寻踪法相比,本文方法不但可以更精确地检测出高光谱遥感图像中的小目标,而且具有更快的运算速度。     

基于二维Renyi交叉熵的刀具磨损图像分割

为了快速准确地完成刀具磨损检测系统中刀具磨损图像的分割,提出了分解的二维Renyi交叉熵刀具磨损图像阈值分割方法。首先引入Renyi交叉熵的定义,给出一维Renyi交叉熵阈值选取公式。然后推导出二维Renyi交叉熵阈值选取公式,并采用快速递推公式来降低阈值选取准则函数的计算复杂度。最后提出了二维Renyi交叉熵的分解算法,将二维Renyi交叉熵的运算转化为两个一维Renyi交叉熵的运算,使算法的运算量从O(L4)降为O(L)。针对不同类型的刀具磨损图像的实验表明,所提出的方法与基于粒子群优化的二维最大Shannon交叉熵法、基于粒子群优化的二维Renyi熵法、二维最小Tsallis交叉熵法相比,在分割效果和运行速度上均具有很大优势。     

基于支持向量回归的Contourlet域盲水印算法

为进一步提高基于支持向量机(SVM,support vector machine)水印算法的性能,提出了基于支持向量回归(SVR,support vector regression)的Contourlet域盲水印算法。首先对宿主图像进行Contourlet分解,然后利用SVM建立图像尺度内的局部相关性模型,根据模型的预测结果自适应地嵌入水印。实验结果表明,所提出的算法不仅具有较好的不可感知性,而且对叠加噪声、JPEG压缩、锐化、平滑滤波和对比度增强等常规图像信号处理以及旋转、剪切等几何攻击均具有较好的鲁棒性,其性能明显优于基于SVM的空间域和小波域的水印算法。