自适应图像处理算法及应用研究

目录
前言
第1章 绪论 1
1.1 背景 1
1.2 BEMD理论国内外研究现状 4
1.2.1 插值方法及端部效应 4
1.2.2 停止条件及模式混叠 6
1.3 图像处理应用现状 7
1.3.1 图像去噪 7
1.3.2 图像特征提取 8
1.3.3 图像融合 9
第2章 传统BEMD方法及相关理论基础 14
2.1 引言 14
2.2 一维经验模式分解 14
2.3 BEMD方法 15
2.3.1 基本原理 15
2.3.2 极值点提取方法 16
2.3.3 二维插值技术 17
2.3.4 BEMD方法存在的主要问题 17
2.4 相关理论 19
2.4.1 支持向量机基本原理 19
2.4.2 粒子群算法基本原理 20
2.4.3 分形理论 21
2.4.4 镜像闭合 27
第3章 BEMD插值算法和端部效应消除算法 29
3.1 基于分形理论的BEMD插值算法 29
3.1.1 一维布朗运动 29
3.1.2 分形布朗函数 30
3.1.3 图像的分形特征 31
3.1.4 随机中点位移法 31
3.1.5 基于分形理论的BEMD插值算法 32
3.1.6 BEMD算法插值的具体实现过程 34
3.2 分形插值参数粒子群优化 35
3.3 BEMD算法分形粒子群插值实验分析 36
3.3.1 图像质量评价 36
3.3.2 实验分析 37
3.4 混沌粒子群优化的自适应支持向量机回归模型 43
3.4.1 支持向量机回归模型 43
3.4.2 混沌优化 45
3.4.3 支持向量机参数自适应混沌粒子群优化步骤 45
3.5 端部镜像闭合延拓 47
3.6 图像信号回归模型与外推延拓 47
3.7 自适应支持向量机-镜像闭合延拓的端部效应处理计算步骤 48
3.8 消除端部效应BEMD实例分析 48
第4章 BEMD停止条件和模式混叠消除算法 55
4.1 BEMD停止条件问题概述 55
4.2 BEMD过程极值点演化规律 56
4.3 基于零值平面投影不重合极值点数的BEMD停止条件 60
4.4 停止条件实例分析 60
4.4.1 实验一 60
4.4.2 实验二 62
4.5 基于自适应噪声辅助的抑制BEMD模式混叠方法 64
4.5.1 BEMD模式混叠问题概述 64
4.5.2 基于自适应噪声辅助的抑制BEMD模式混叠方法 64
4.6 抑制BEMD模式混叠实例分析 65
第5章 BLMD算法 69
5.1 一维局域均值分解回顾 69
5.2 极值谱的提取 71
5.3 基于分形理论的BLMD插值算法 72
5.3.1 图像的分形特征 72
5.3.2 基于分形理论的BLMD插值算法 73
5.3.3 BLMD算法插值的具体实现过程 74
5.4 二维生产函数分量曲面的获取 74
5.5 停止条件 75
5.6 BLMD算法计算过程 76
第6章 BEMD算法与BLMD算法的应用研究 78
6.1 自适应BEMD算法基本原理 78
6.2 基于自适应BEMD算法的图像去噪 80
6.2.1 自适应BEMD算法的图像去噪 80
6.2.2 图像去噪的步骤 80
6.3 基于自适应BEMD算法图像去噪实例分析 81
6.3.1 含高斯白噪声图像 81
6.3.2 含椒盐噪声图像 83
6.3.3 含随机噪声图像 84
6.3.4 实际井下环境图像 85
6.3.5 分析与讨论 87
6.4 GA-SIFT算法基本原理 89
6.4.1 尺度空间极值点提取 90
6.4.2 极值点准确定位 90
6.4.3 特征点主方向确定 91
6.4.4 生成SIFT描述符并进行特征匹配 92
6.4.5 参数遗传算法寻优 93
6.5 自适应BEMD-GA-SIFT算法的图像特征提取 94
6.6 自适应BEMD分解多尺度协调与融合 95
6.6.1 自适应BEMD分解过程多尺度协调 95
6.6.2 自适应BEMD分解过程BEMF个数多尺度协调 95
6.6.3 基于自适应BEMD的多尺度自协调图像融合原理 96
6.7 基于自适应BEMD-GA-SIFT算法图像特征提取实例分析 97
6.7.1 实验一 97
6.7.2 实验二 99
6.7.3 实验三 100
6.7.4 实测环境图像实验 105
6.8 基于自适应BEMD的图像融合实例分析 107
6.8.1 实验一 107
6.8.2 实验二 108
6.8.3 实验三 109
6.8.4 分析与讨论 110
6.9 基于自适应BLMD-GA-SIFT的图像特征提取算法 111
6.10 基于自适应BLMD-GA-SIFT算法的图像特征提取实例分析 112
6.10.1 实验一 112
6.10.2 实验二 115
6.10.3 实验三 116
第7章 基于深度学习的应用研究 120
7.1 引言 120
7.2 基于深度学习的时空特征学习 122
7.2.1 视频序列行为跟踪 123
7.2.2 视频块形状特征 123
7.2.3 多限制玻尔兹曼机神经网络层 125
7.2.4 时空特征 126
7.3 基于Maxout激活函数的模型参数自适应初始化方法 127
7.3.1 模型参数初始化方法 127
7.3.2 基于Maxout激活函数的模型参数自适应初始化方法 127
7.4 基于SVM的行为识别分类器 131
7.5 实例分析 132
7.5.1 UCF Sports行为数据库 132
7.5.2 KTH行为数据库 136
7.5.3 sub-JHMDB行为数据库 139
第8章 基于自适应小波的图像加密应用研究 142
8.1 连续小波变换 142
8.2 离散小波变换 143
8.3 小波的多分辨率分析与Mallat算法 143
8.3.1 小波的多分辨率分析 144
8.3.2 Mallat算法 146
8.4 基于提升的小波变换 148
8.5 二维图像小波变换 149
8.6 加密方案设计 150
8.7 基于提升算法的9/7小波变换 152
8.8 提升小波变换的自适应优化 153
8.9 混沌映射置乱低频系数 154
8.10 自适应循环加密 155
8.11 加密与解密算法实现步骤 158
8.12 仿真实验结果及密钥安全性分析 160
8.12.1 SHA-1密钥对明文图像的敏感性分析 161
8.12.2 统计特性分析 162
8.12.3 密钥空间分析 167
8.12.4 密钥敏感性分析 167
参考文献 168