一种用于证件防伪的鲁棒图像水印算法

数字水印是上世纪九十年代发展的一门多媒体保护技术，证件防伪是防伪技术研究的重要组成部分，将数字水印技术应用到证件防伪方案中去，是当前一个新的研究方向，具有很强的理论性和实用性。本文研究了一种新的鲁棒图像水印算法，它具有一定的抗旋转和抗剪切性能，可以较好地用于印刷证件的防伪方案。     

一种快速人体图像检测算法

给出一种实时的从场景的图像中自动检测和识别出人体并进行跟踪快速检测算法，以区别于以前的研究者提出的一些复杂的识别与跟踪方法。该方法从二值化的差异图中给出水平方向与垂直方向的投影，将二维图像转化为一维信号，由投影可以进一步得到宽度的频率图，结合投影与频率图的特征，即能判断场景中是否存在人体。     

一种快速二维熵阈值分割算法

在二维熵阈值基础上，利用量化图像直方图概念讨论了一种快速二维熵阈值分割算法，这种算法能够递推运算和自动寻找阈值，将计算复杂性大大降低。 实验表明，该算法将每一幅图像运算时间降到2秒以内，提高了计算效率。     

一种用于复杂二维图像矩的快速算法

本文给出一种新的求矩快速算法。该算法用扫描方法求图像各行各线段的左外边界和右内边界;将所有线段转换为标准线段,从而使所有可能的线段数目由N^2减少为N;定义了一组N维数组,将求矩过程中大量重复计算的一些算式的结果储存于数组,需要时查数组即得,从而极大地减少了计算量。该算法原理简单,计算结果准确。不同于有些文献给出的算法只适用于无凹图像或不适用于图像中有空洞的情形。本算法适用于任何复杂的有任意多个空洞的图像。从对各种算法求矩运算量比较来看。本算法要优于其他算法。     

一种实用的规则矩快速算法

对规则矩快速算法了进行了综述,包括图像变换、Delta方法、拐点方法、Green定理法和图像块表示法。提出了一种实用的规则矩快速算法－－截线段法,该方法可对任意二值图像计算精确。以三个图像求解Hu的矩不变量为例,对各种算法进行了分析与比较。     

一种新的基于边界的几何矩快速分割算法的研究

在计算机视觉中，利用不变矩实现几何形状体的识别具有十分重要的意义^[1,2]，几何矩的算法实现在其中起着关键的作用，寻找图像的几何矩的有效快速算法一直是研究的热点。本文提出了一种新的基于边界的几何矩快速分割算法，其主要思想是对不依赖于图像中的具体几何形状体的那部分矩计算，预先分割出来，这样在处理一组实际图像之前，这部分计算可以被预先完成；然后对依赖于图像中的具体几何形状体的剩余部分矩计算，可以快速地求得；最后分别用经典几何矩算法，文献[5]的算法和本文的新算法，对一组阶梯轴的二值图像进行几何矩的求解，结果表明此算法的有效性和快速性。     

一种快速均值滤波算法

针对超声图像的噪声过大、质量很差的问题引入了一种快速均值滤波算法,它能够很好地对大噪声斑点进行抑制,为后续图像分割提供了条件。     

一种基于EM算法的图像分割改进技术

图像分割是计算机视觉的基础,该文结合EM算法和PCA降维技术,给出了一种有效快速的进行图象分割的方法。该方法利用高斯混合模型对原始图像进行建模,通过EM算法将分割问题转化为参数最大似然估计的问题,同时采用PCA降维技术和随机采样来降低计算量。通过人工合成图象及真实图象的实际测试结果,验证了该算法的有效性和快速性。     

一种车牌图像的快速定位算法

在分析车牌一维图像变化特征的基础上，本文提出一种基于自适应遗传算法理论的车牌定位方法。该算法简单，定位准确，运算速度快，适用于白天和夜晚复杂环境中的车牌定位。     

Legendre矩的一种有效算法

Ｌｅｇｅｎｄｒｅ正交矩的模式识别、图像分析等许多领域有成功的应用,然而,由于正交矩的复杂性,目前有关正交矩快速算法的研究很少,从而在一定程度上影响了它的应用,对此,作者对Ｌｅｇｅｎｄｒｅ多项式进行了研究,获得了一些新的有效的性质,它们能够显著地减少矩计算中的运算量。     

一种应用于身份证字符精确切分的算法

针对身份证图像的特点:干扰强烈、信息排列有规律,该文提出了一种分割算法,该算法利用Sobel算子进行局部阈值化,结合投影法与平均字符中心距对字符进行精确切分。实验结果表明,该方法定位效果好,分割精度高,适用于身份证图像的自动识别。     

一种使用计算机提取人脸图像特征的阈值最优分层法

在人脸识别中,人脸图像对光照环境变化非常敏感,并严重地影响人脸图像的识别率。针对这一问题,提出了一种使用计算机提取人脸图像特征的阈值最优分层法。该方法依据定义的图象空间分割原理,将图像阈值的选取问题转化为阈值的最优化问题,对所设计的目标函数引入加权系数,并利用单纯形法进行寻优,使问题的求解更符合实际。采用ORL人脸数据库进行仿真实验,利用阈值最优分层法将人脸图象空间划分成不相重叠的子图象空间,使每层子图象空间象素数均匀分布。结果表明,该方法具有阈值自适应调节的特性,避免了固定阈值选取对光照环境变化非常敏感的缺点,对人脸图像的识别具有一定的意义。     

基于感兴趣区域函数优化的静脉图像分割算法

提出一种基于局部感兴趣区域中熵与梯度函数优化的近红外手背静脉图像分割算法。该算法首先基于压缩感知理论对图像进行去噪。其次,通过条带波变换提取存在静脉信息的感兴趣区域,在这些区域中对建立的关于熵和梯度的函数进行约束与优化,实现静脉与背景分离。最后,融合所有区域的分割结果,完成静脉图像的分割。实验表明在处理近红外静脉图像分割问题时,该算法相对其它算法能保留更完整的静脉特征。此外,该算法对于具有纹理特征的指静脉、掌静脉图像的分割具有较好的借鉴价值。     

一种粘连颗粒图像的快速分割方法

对于工业和医学中常见的颗粒图像，提出了一种快速分割粘连颗粒的方法。利用颗粒图像的轮廓特征，找到若干拐点，从拐点中进一步提取出分割点。然后利用分割点的相互距离等因素，为每个分割点找到相匹配的分割点。连接每对分割点即可分开相粘连的颗粒。这种方法快速有效，取得了良好的效果。     

一种图像多阈值快速选取算法

该文利用灰度共生矩阵定义二阶局部熵来选取多阈值,给出了一种多阈值熵快速选取的算法,实现了灰度图像的多个目标的分割,且运算量减少,效果令人满意。     

最大模糊熵阈值法的快速算法

针对最大模糊熵图像阈值分割算法计算量太大的问题,文中在分析S型隶属函数特点和模糊熵性质的基础上,提出一种最大模糊熵阈值法的快速算法。该算法将最大模糊熵阈值分割算法的时间复杂度由O(L⁴)降到O(L³),同时避免优化算法易于陷入局部极值的缺陷。该快速算法可在提高算法速度的同时保证最大模糊熵阈值法的分割性能。     

动态核医学图象的自适应平滑增强算法

核医学图象是指采用特殊的探测装置通过在人体外探测体内放射性核素分布而形成的图象，医学上常用这种图象来反映器官组织的形态与变化，由于其信噪比明显低于其他医学图象（X-ray,CT及MRI），图象粗糙，分辨率低，因此核医学图象处理方法显得比其他医学图象更为重要，为了获得较好的图象处理结果，针对动态核医学图象的特点，提出了一种用于动态核医学图象处理的自适应增强算法，用该算法进行图象处理不仅可增强图象的对比度和提高图象的视觉效果，而且可较好地滤除图象噪声，处理后的核医学图象判读效果很好，实验证明，该方法对处理灰度较低，噪声干扰较大的动态核医学图象是一种行之有效的方法，而对静态核医学图象则要依据γ图象的统计特性，采用适当的处理方法。     

一种快速车牌定位算法

提出一种快速的车辆牌照定位算法,对获取的车辆图像进行相应预处理后,根据图像的纹理特征,分析牌照区域字符分布情况及变化规律,利用车牌号码区域像素值的变化频率,在一个特定范围内进行水平和垂直方向上的定位,从而准确地得到车牌区域。实验结果表明,本文提出的算法能够较好地快速定位车辆图像中车牌区域。     

基于双随机场能量函数的区域化图像分割*

为了提高图像分割算法的抗噪性,并充分利用特征场和标号场在能量函数分割模型中的作用,提出基于双随机场能量函数的区域化图像分割方法.首先,利用几何划分将图像域划分为一系列子区域.在此基础上,采用多值高斯分布的负对数定义区域化特征场能量函数,用于描述同质区域内像素颜色的统计分布一致性.扩展传统建模邻域像素标号关系的Potts模型至邻域子区域,定义区域化标号场能量函数,用于表征各子区域标号之间的相关性.联合特征场和标号场,采用KL散度定义异质性能量函数,用于刻画同质区域间颜色统计分布异质性.利用非约束吉布斯表达式将定义的特征场和标号场能量函数转换为描述图像分割的概率分布函数.最后,在最大化上述概率分布函数准则下,设计合适的M-H采样算法,获得最优图像分割.在合成图像、遥感图像和自然纹理图像上进行分割实验,验证文中方法的有效性和准确性.     

FP-CNNH:一种基于深度卷积神经网络的快速图像哈希算法

在大数据时代,图像检索技术在大规模数据上的应用是一个热门的研究领域。近年来,大规模图像检索系统中, 图像哈希算法 由于具备提高图像的检索效率同时减少储存空间的优点而受到广泛的关注。现有的有监督学习哈希算法存在一些问题,主流的有监督的哈希算法需要通过图像特征提取器获取人为构造的图像特征表示,这种做法带来的图像特征损失影响了哈希算法的效果,也不能较好地处理图像数据集中语义的相似性问题。随着深度学习在大规模数据上研究的兴起,一些相关研究尝试通过深度神经网络进行有监督的哈希函数学习,提升了哈希函数的效果,但这类方法需要针对数据集人为设计复杂的深度神经网络,增大了哈希函数设计的难度,而且深度神经网络的训练需要较多的数据和较长的时间,这些问题影响了基于深度学习的哈希算法在大规模数据集上的应用。针对这些问题,提出了一种基于深度卷积神经网络的快速图像哈希算法,该算法通过设计优化问题的求解方法以及使用预训练的大规模深度神经网络,提高了哈希算法的效果,同时明显地缩短了复杂神经网络的训练时间。根据在不同图像数据集上的实验结果分析可知, 与现有的基准算法相比,提出的算法在哈希函数训练效果和训练时间上都具有较大的提高。