第一种方案是基于超混沌系统和 DNA 编解码运算相结合的图像加密算法， 该算法对图像分块进行加密， 由混沌系统生成的混沌序列决定每一图像块的 DNA 编解码和运算方式。 针对该算法密钥空间较低以及不能抵御裁剪攻击的问题， 本文增加了算法中混沌系统的个数， 优化了加密的流程。 又研究了基于混沌系统和离散余弦变换（ DCT）相结合的图像加密压缩算法。此类算法可以在保证图像安全性的同时对图像数据进行压缩，从而提升图像传输的效率。 鉴于传统混沌系统 DCT 加密算法的加密过程比较单一， 本文在此基础上引入了符号加密， 并且将加密后的结果存储为一维数据。

本文介绍了如何应用数字化方法将光学镜头拍摄的有畸变的图像矫正

采用数字图像相关(DIC)法对物体表面形变进行测量,并通过散斑场的形变对被测物的真实变化进行研究。对散斑质量评价方法进行研究,以求在测量前即可判定所采用的散斑对测量精度的影响。根据DIC法对散斑图像的具体要求,提出基于灰度共生矩阵(GLCM)的散斑质量评价方法。对实际散斑图像进行亚像素刚体平移仿真模拟,采用GLCM中的能量、熵、对比度和相关性指标与DIC法的测量结果进行对比分析,并与平均灰度二阶导数和香农熵进行对比实验。通过改变散斑图像的整体亮度等级与亮度分布情况,探究不同光照情况对实验结果准确度的影响。实验结果表明,GLCM在散斑图像质量评价中具有一定的有效性。

模式识别高分课程设计，利用BP神经网络对0-9的手写数字图像数据进行分类。 图像数据存放在Img的文件夹中，0-9每个数字各有55个样本，共550个图像样本数据。文件中的all_data.mat是为了对这些图像数据全部提取到MATLAB的工作区中，以便于MATLAB对数据的处理。载入后是一个4维的900×1200×10×55的阵列，900×1200为每一张图像的尺寸/分辨率，10指的是为0-9的10类图像，55是每一类的样本数目； 代码中有详细注释，整个过程分为：①载入图像数据；②裁剪图像的无效信息；③特征选择和提取；④特征预处理；⑤划分数据集；⑥网络训练；⑦网络测试；⑧用户验证过程 网络经多次测试后对训练样本和测试样本的分类准确率均在95%以上，MATLAB自建BP神经网络，代码每个过程都有注释详解，有利于读者对BP神经网络有更好的把握。 在用户验证过程中，向客户提供验证端口，读者在读懂代码的基础上，可以继续在此做一个UI界面或者接口，作为课程设计的话将会更加完善。

两套自己编写的MATLAB车牌识别源码。第二套较第一套改进了一些。里面带了车牌的图片，在MATLAB下运行main.m文件，选择要识别的图片即可自动识别。

基于matlab的内容的图像检索，以图搜图，本例以船舶为例。我们知道航海安全对于我国包围国土完全至关重要，有些船只如果可以提前通过技术识别属于何种船类，进而从数据库进行调取相关数据，就可以做到是否拦截的判断。

包括英文文字版第3版和第4版，中文扫描版第3版，中文Matlab扫描版第2版。所有版本均带有书签。另附中文Matlab版程序及图片资源。所有文档均为pdf。

上海交通大学图像通信与信息处理研究所，研究生课程《数字图像处理》课件

（3）图象压缩的技术指标： a．保真度－－与用途有关，例如侦察与体育比赛关心内容不同 b．压缩比：原图象数据量／压缩后数据量或0.3bit/pixel c．误码扩散程度 d．实时性－－与压缩算法、系统速度有关 e．保密性－－传输中防止被盗，SPOT 是数据需解码（高明压缩方法，压缩后仍是一幅图） 数字水印技术（信息安全）－－watermarking

基于python+opencv实现国内车牌识别系统源码(带GUI界面+PPT报告+项目说明)数字图像处理课设.zip 数字图像处理课程设计作业 Python3+OpenCV 使用tkinter搭建界面 tmp/文件夹是数字图像处理过程 chepai/文件夹是车牌图片 pic/文件夹是程序界面图 PPT答辩报告 Python opencv 车牌识别 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码\项目操作说明等，该项目可直接作为毕设使用。 也可以用来学习、参考、借鉴。