基于四元数小波变换和奇异值分解的图像水印

文章提出了基于四元数小波变换(QWT)和奇异值分解(SVD)的数字图像水印算法,该算法对原始载体图像进行四元数小波变换和奇异值分解,对水印图像进行Arnold变换和奇异值分解,并把分解的水印嵌入到分解后的原始载体图像中.结果表明,该算法对高斯噪声、剪切、JPEG压缩及滤波具有较强的鲁棒性.     

小波变换和子采样在彩色图像水印中的应用

为了实现对多媒体数据版权的有效保护,采用小波变换和图像子采样技术,提出一种彩色图像水印新算法.水印嵌入时,先对宿主图像在YIQ色彩空间中的Y分量进行子采样,并对得到的4个子图像分别进行二级离散小波变换,然后,将经Arnold变换置乱后的水印图像嵌入到小波变换后的低频子带中,其嵌入位置由TD-ERCS混沌系统产生的混沌序列确定.采用盲提取算法进行水印提取.研究结果表明:嵌入水印后的图像质量高,水印隐蔽性好:水印图像能抵抗JPEG压缩、噪声、滤波、图像锐化、直方图均衡化、剪切和旋转等攻击,鲁棒性好;用于水印提取的密钥空间大,增强了水印的安全性.     

基于小波变换的鲁棒型数字图像水印算法

提出一种基于小波变换的数字图像水印算法.通过对宿主图像、经过Amold变换加密后的水印图像分别进行多分辨率小波分解,达到自适应嵌入水印信息的目的.实验采用在彩色宿主图像中分别嵌入灰度水印图像及彩色水印图像,表明该算法简便易实现,攻击实验表明该算法能够较好的保证图像质量并能经受一定的攻击,同时由于对原始水印图像进行加密处理,该算法达到了即隐藏信息的存在,又隐藏信息的内容的双重安全效果.     

四进制小波变换与SVD相结合的水印算法

利用四进制小波变换的多频段特性和奇异值分解的稳定性以及临近像素的相似性,提出了四进制小波与奇异值分解SVD相结合的水印算法,实现了水印数据的嵌入.首先,宿主图像进行四进制小波变换;其次,对低频区域进行分块,计算各个分块的均值,并将这些均值存储在一个矩阵中,对此矩阵进行奇异值分解;最后,在分解所得矩阵中嵌入水印数据.该方法的水印提取不需要原始载体图像和原始水印图像.实验验证了该算法的不可见性,并对常见的攻击具有很强的鲁棒性.     

基于小波变换和人类视觉系统的稳健水印算法

提出了一种基于小波和人类视觉系统的稳健数字水印算法,首先将宿主图像进行小波分解,根据人类视觉系统求出重要小波系数,然后将灰度水印图像通过Arnold变换进行置乱,最后将置乱后的水印信息加入到宿主图像的重要小波系数中.提取水印信号需使用置乱密钥.置乱密钥的使用提高了置乱算法的安全性,使水印的安全依赖于密钥.在小波域中利用人类视觉系统使嵌入水印的图像具有较好的鲁棒性.数值实验和理论分析表明,该算法针对各种攻击具有很好的鲁棒性和更高的安全性.     

基于DWT-SVD的数字水印嵌入方法

目前基于SVD的水印算法是直接对宿主图像或水印图像进行奇异值变换(SVD),然后将水印嵌入宿主图像的的奇异值中。本文提出了一种新的基于SVD-DWT的水印算法,先对宿主图像和水印图像进行小波变换(DWT),然后将水印嵌入各频带的奇异值中,并且水印嵌入系数随频带不同而不同。在JPEG压缩、图像旋转及剪切等攻击方式下,对该水印算法进行了鲁棒性分析,数值实验表明该水印算法具有良好的抗攻击性和安全性.     

蒲丰掷针实验的计算机模拟

目前基于SVD的水印算法是直接对宿主图像或水印图像进行奇异值变换(SVD),然后将水印嵌入宿主图像的的奇异值中。提出了一种新的基于SVD-DWT的水印算法,先对宿主图像和水印图像进行小波变换(DWT),然后将水印嵌入各频带的奇异值中,并且水印嵌入系数随频带不同而不同。在JPEG压缩、图像旋转及剪切等攻击方式下,对该水印算法进行了鲁棒性分析,数值实验表明该水印算法具有良好的抗攻击性和安全性.     

基于ICA和DWT的自适应盲水印算法

为了使数字水印具有较强的鲁棒性和不可见性,提出一种基于独立分量分析（ICA）和离散小波变换（DWT）的自适应鲁棒性盲水印算法.该算法先将载体图像进行小波变换,然后将原始水印进行平铺和置乱,再根据噪声可见函数（NVF）的视觉掩蔽作用,将其自适应地嵌入到载体图像小波变换域的低频系数上,最后利用ICA技术实现了水印盲提取.实验结果表明,该算法的水印不可见性较好,且可抵抗多种常见水印攻击,其中对JPEG压缩、尺度缩放等攻击的鲁棒性较突出,可应用于图像的版权保护.     

基于块奇异值分解的小波域数字水印算法

根据小波变换和奇异值分解理论的原理、特点以及它们在数字水印领域中的应用优势,提出一种基于块奇异值分解的小波域水印技术.充分利用小波和奇异值分解的优点,结合JPEG方案中分块的思想,首先对宿主图像进行小波变换,对变换后的低频系数再进行块奇异值分解,选取每块中最大奇异值组成新矩阵以嵌入水印信息.在检测时,提出采用多方案水印提取算法以适应不同的攻击.实验表明,该算法对图像退化处理或攻击均具有较强的鲁棒性.     

基于小波变换和离散余弦变换的数字水印方法

提出一种以灰度或彩色图像作为水印、基于小波变换的数字水印算法．该算法将宿主图像分解为小波系数，利用小波变换的自相似性构造QSWT选择并排序系数来嵌入水印，在嵌入水印之前对水印图像进行离散余弦变换(DCT)并做Z扫描，使水印信息也做一个大致的排序嵌入在宿主图像中来增强算法隐蔽性和鲁棒性．实验结果表明，本方法能有效地抵抗一些常见的水印攻击．     

应用中值滤波法消除高密度椒盐噪声算法

中值滤波被广泛应用于消除图像的椒盐噪声,对于图像中的每一个噪声像素,用3×3窗口内非噪声像素平均值代替该噪声像素,然后将其更新为非噪声像素,使它能够立即参与后面相邻噪声像素的均值计算,这样不需要迭代过程和改变窗口尺寸,改进的中值滤波就能滤除高密度椒盐噪声。实验结果表明：本文的算法能有效地消除噪声,较好地保持原始图像的细节;计算时间少,具有较大的实用价值。     

一种改进的视频图像中雨滴去除方法

提出了一种改进的视频图像中雨滴去除方法.通过分析雨滴的物理光学特性,首先将连续5帧的视频图像存储在一个数组中,并求该5帧图像的同一像素点的最大、最小值；再将最大、最小值作差,当差值大于0时,证明该点被雨滴覆盖；然后将要处理图像的该点分别与最大、最小值作差,并取绝对值,当该点与最小值的差值大于与最大值的差值时,用最小值取代该点的灰度值；最后将该方法与Nayar帧时差法进行比较.实验表明,该方法能够更好地去处视频图像中的雨滴.     

基于双伪随机序列码的扩频数字水印算法

针对目前比较流行的频域(或变换域)水印算法中存在的水印容量不足的问题,提出了基于像素置乱的双伪随机序列扩频水印算法,提高了水印的容量,具有较好的鲁棒性和抗各种攻击的能力.     

高噪声率椒盐噪声污染图像滤波

针对高噪声率椒盐噪声污染的数字图像,改进了基于灰色绝对关联度的像素类型判别,可识别出离散噪声(或边缘点)、聚集噪声与非边缘点。对于离散噪声(或边缘点),采用自适应中值滤波算法进行平滑,兼顾噪声滤除和细节保存。对于聚集噪声,在去除邻域内噪声点后取剩余像素均值作为滤波结果;而对于非边缘点则直接保留。实验结果表明,滤波算法对于高噪声率椒盐噪声具有良好的滤波效果,还能较为有效地保留图像细节。     

基于前馈神经网络的图像去噪研究

提出一种检测和去除污染图像脉冲噪声的有效算法,采用前馈神经网络(FFNN)检测污染图像脉冲噪声,采用改进的算术均值滤波器去除测出的脉冲噪声。该算法仅对检测到的噪声像素进行滤波,采用窗口中未污染像素的算术平均值去除噪声。实验结果表明,该算法无论在图像质量的定性还是在定量评价方面均获得了良好效果。     

数字图像的混合噪声去除

针对混有高斯噪声和椒盐噪声的数字图像去噪,提出一种混合噪声滤波算法.首先判断滤波窗中心像素是否是噪声点,如果是噪声点,则取窗口内与其他像素灰度差值绝对值和最小的那个像素值作为噪声点的灰度值;否则,不改变当前像素值.通过实验分析比较,该算法能够在去除噪声的同时更大限度地保留图像的细节信息,并且由于算法在时域内进行,其运算...     

一种有效的脉冲噪声滤波算法

提出了一种新的图象脉冲噪声消除算法,该方法可以快速有效地去除图象中的脉冲噪声,并保留图象的细节。该算法主要通过利用象素点邻域的中值与最大、最小值信息,决定噪声象素的取值。对本算法与中值滤波算法进行了分析仿真,结果表明,本算法去除噪声与保留细节的效果好,对高强度的脉冲噪声也有比较好的滤波效果。     

一种基于CT-SVD的鲁棒水印算法

提出了基于Contourlet变换(CT)和奇异值分解(SVD)的水印算法.与通常直接将水印嵌入至系数中的CT算法不同,选择了CT域低通子带的部分最大系数构建矩阵,对该矩阵进行奇异值分解,经Arnold置乱后的水印结合人眼视觉特性(HVS)被自适应地嵌入至奇异值中.实验结果表明,算法保证了极高的峰值信噪比(PSNR),并且体现了对缩放、JPEG压缩、剪切、滤波等攻击很好的鲁棒性.     

一种新的混合噪音滤波器加速算法

混合噪音滤波器MNF是目前滤波效果最好的算法之一,然而,由于它采用非局部算法思想,所以存在较大的计算负担,针对该不足,提出一种基于均值和方差相似性的加速算法(FMNF).该算法之关键思想是对邻域像素预分类,把两像素的均值比和方差比均在给定阈值范围内(接近于1)的邻域像素分为一类,视为相似像素,相似的像素参与滤波计算,不...     

基于极大相关象素值替代的椒盐噪声滤波算法

针对传统中值滤波器在滤除大密度脉冲噪声时不能保护细节的问题,本文在对传统中值滤波算法及其改进算法研究的基础上,提出了极大相关象素值替代的滤波算法。首先对噪声进行判别,并以该象素点为中心对3×3邻域象素排序,以中间值代替该象素值。然后将中间值与周围象素进行比较,求出与其差值绝对值最小的一个象素值,最终以此象素灰度值来代替中间值。对受不同密度（大于等于0.5）椒盐噪声污染图像的试验结果表明,该算法在滤除噪声的同时很好的保护了细节,取得了良好的滤波效果。