基于盲源分离的大容量图像数字水印方案

文中提出了一种基于盲源分离的大容量图像数字水印算法.将水印像点所对应的序列依次叠加到图像小渡系数中,以增加水印的容量;同时,根据视觉最小可察觉误差值,限制水印最大强度.实现了水印的不可见性.运用基于独立分量分析的盲源分离方法,在水印的嵌入方式和水印强度未知的情况下.将水印和图像数据进行盲分离以获取水印.通过测试.该算法是有效性的.     

基于极性的立体图像盲数字水印算法

针对平面图像水印算法不能很好地适用于立体图像的问题,在平面图像版权保护算法的基础上,提出一种新的立体图像盲数字水印算法,并进行了仿真研究.首先将立体图像分块并定义图像块的极性,然后基于左右图像块的极性与水印信息之间的关系嵌入水印:如果水印信息是零,则需要通过改变对应图像块的极性,使得两极性相反;反之则使两极性相同.在水印提取过程中,只要判断左右图像块极性的关系即可提取水印信息,实现了水印的盲提取.攻击实验结果表明该算法是可行的、有效的.     

一种新的JPEG图像的空域水印算法

提出了一种新的基于JPEG图像的空域水印算法.该算法采用随机位平面替换方法,选用二值图像作为待嵌入水印.水印嵌入过程是先对载体图像JPEG解码,然后根据密钥选择位平面进行替换;提取过程采用统计检测方法,进行水印盲提取.实验结果表明,本算法可有效地实现JPEG图像的空域水印嵌入和盲提取,具有较高的安全性和不可见性,对于剪切攻击具有较好的鲁棒性.     

一种基于NSCT与抖动量化的盲水印算法

在混沌置乱变换及抖动量化原理基础上,提出了一种基于NSCT的盲水印算法.首先将图像进行NSCT变换及分块SVD分解,再对原始水印信息进行混沌置乱变换以消除线性相关性,最后,利用抖动量化原理对分块SVD分解产生的各块奇异值进行修改实现水印嵌入.实验表明,该算法透明性好,拥有较强的鲁棒性,且在水印提取时实现了盲提取,是一种盲水印算法.     

基于Arnold变换和DWT彩色图像数字盲水印算法

针对目前大多数彩色图像数字水印算法中嵌入的水印仍是二值图像或灰度图像,并且水印提取过程只实现了水印图像的提取而不能恢复原始宿主图像的问题,提出了一种将彩色水印嵌入到彩色宿主图像中的盲水印算法.水印提取过程无需原始宿主图像和原始水印图像,仅利用嵌有水印的图像就能同时恢复原始水印图像和原始宿主图像.该算法对彩色水印的R、G...     

基于数字水印的二值文本图像认证算法

提出了一种用于二值文本图像认证的脆弱型数字水印算法,该算法利用混沌对初值的极端敏感性,由混沌系统产生基于图像内容的认证水印,通过修改像素块中可非度最大的像素点的颜色将认证水印嵌入到图像中.试验结果表明,该算法具有较好的不可见性及篡改定位能力,提取水印时不需要原始图像,是一种完全盲水印方案.     

一种可抗几何攻击的二值文本图像数字水印算法

针对二值文本图像纹理丰富,信息隐藏量少和取值形式为二值的特点,提出了一种可抗几何攻击的二值文本图像水印算法.该算法基于DCT,它将二值图像的DCT、图像的视觉特征向量和加密技术有机结合起来,在提取水印时不需要原始图像,是一种实用的盲水印算法,并且水印的嵌入不影响图像质量.最后对水印图像进行了常见的旋转、缩放、平移、扭曲等几何攻击试验,结果表明,该算法有理想的抗几何攻击能力和较强的鲁棒性.     

DCT域双重图像数字水印算法

在简要分析DCT域数字水印算法的基础上,提出了双重图像数字水印算法,嵌入一个低频单向水印和一个基于人类视觉系统分析的中频盲水印.实验证明,该算法满足水印图像客观评价质量,能够实现两种水印的鲁棒性互补,具有方便灵活的实用价值.     

一种基于人眼视觉特性的图像水印方案

本文利用人眼视觉特性,提出一种基于对比度灵敏矩阵的图像盲水印方案.该水印算法以随机产生的二值序列为水印,在DCT域计算各个图像分块的视觉敏感性值,根据视觉敏感性值的大小自适应地调整水印嵌入强度.实验结果表明,本文提出的水印算法对JPEG压缩、图像平滑、图像锐化、图像加噪等处理具有较好的抵御能力.     

基于小波分析的盲灰度水印算法

针对盲灰度水印算法难以同时满足良好的不可视性和鲁棒性的情况,提出一种新的基于小波分析的盲灰度水印算法.算法利用DWT、DCT的特点及最大均方根值细节子带的较强抗攻击能力,将感知重要的水印信息嵌入到感知重要的宿主图像系数中.实验结果表明,该算法在满足大容量水印信息嵌入的同时,具有较好的不可视性和鲁棒性.     

面向高分辨率卫星图像的几种图像分割算法稳定性对比分析

将基于均值漂移和图模型的图像分割算法及这两种算法的混合算法应用到高分辨率卫星光学图像,并对比了它们在分割遥感图像时的稳定性。均值漂移算法是一种基于核密度梯度估计的特征空间分析算法,其实质是一种统计优化过程。基于图模型的算法将一幅图像抽象为一个无向图,通过不断合并图结点,将这个图分割为多个连通分量,进而实现一幅图像分割。混合算法首先利用均值漂移技术对图像进行滤波,然后再使用图分割算法对图像进行分割。实验结果显示,均值漂移算法分割结果对其参数变化较为敏感,而基于图模型的算法和混合算法则较为稳定。     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法.算法首先利用特征提取与边缘检测对图像进行预处理,并且将特征匹配与最小二乘算法相结合,从而实现了图像与模板之间精确的子像素定位与匹配.实验表明,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷,图像矫正效果良好,是一种有效的畸变图像矫正算法.     

图像拼接的预处理算法研究

在基于图像的虚拟现实中，为了加快相邻图像的拼接速度，提出了对图像进行灰度化，然后将灰度图投影，进行粗略匹配的预处理算法。实例表明，该算法可以有效地实现图像预定位，缩小图像拼接时的搜索范围，提高拼接速度。     

基于ASIFT图像匹配算法的三维重建

提出了基于ASIFT图像匹配算法的三维重建算法。目前,基于图像序列的三维重建中,一般采用SIFT图像匹配算法。对于存在仿射变换的图像序列,ASIFT算法较SIFT算法能够获得更多精确的稀疏匹配点;基于ASIFT算法恢复的三维点云比基于SIFT算法恢复的三维点云更加稠密,从而能获得更好的三维重建结果。仿真实验表明,本文算法能获得较好的三维模型。     

基于蚁群算法的图像分割方法

目的提出基于蚂蚁算法的图像分割技术,解决传统的图像分割算法分割图像的效果不理想、不能满足图像分割要求等问题。方法将图像的灰度、梯度和邻域特征组合成蚂蚁,通过MATLAB实现蚁群图像分割算法对图像的外廓提取。结果与结论相对于传统的图像分割算法,基于蚂蚁算法的图像分割算法的外廓提取具有更高的仿真精度,得到的图形外廓更为理想。     

基于图像边缘保持的反距离加权插值算法

在数据可视化过程中运用一般的插值算法处理图像,边界效果通常比较模糊,也容易造成图像边缘信息的大量损失,导致图片整体增强效果欠佳。针对该问题,将图像边缘保持策略引入到反距离插值算法中,提出了基于图像边缘保持的自适应反距离加权插值算法(adaptive inverse distance weighted interpolation,AIDWI)。在图像边缘优化方向确定的基础上,利用反距离加权插值函数获取图像边缘区域像素间的关系,根据权值下降指数调节图像边缘的清晰度,设置平滑参数控制算法的平滑效应,达到图像整体增强效果的最佳状态。利用计算机进行图像增强仿真实验,通过基于图像能量谱的图像质量测度值和图像熵值对图像整体增强效果进行评估,结果表明经算法处理后的图像整体增强效果明显,算法在执行效率和提升图像熵值等方面均具有突出的优越性。     

一个基于线性变换的数字图像自由拉伸算法

描述了一个基于线性变换的图像自由拉伸算法。此算法在多边形扫描转换算法的基础上,以线性变换的方法,可以将矩形的原始图像拉伸至任意定义的四边形形状,从而使得常用的图像几何变换在此算法中得到了统一。用这个算法可以处理的图像几何变换包括：图像旋转,图像变倍,图像剪切,以及图像翻转,镜像变换等。使用本文所述的算法,结合图像的网格划分技术,可以实现更为复杂的图像几何变换,例如矩形图像向任意曲边四边形的变换,透视变换等。     

基于局部信息的图像增强方法研究

在图像处理过程中,使用直方图均衡化、全局对比度拉伸等基于图像全局信息的图像增强算法,难以实现图像局部细节对比度的增强,即不能实现物体轮廓的增强。为此,本文主要对基于局部直方图均衡化、Lee算法的图像局部增强算法和MSR算法进行研究,通过算法的改进来实现图像局部增强的效果。     

基于粗集与PCNN的图像预处理

研究了如何将粗集(Rough Set)与脉冲耦合神经网络(PCNN-Pulse Coupled Neural Network)相结合，对被噪声污染的图像进行对比度增强处理，使图像清晰，从而便于后续的处理。同时，提出了基于粗集与PCNN的图像增强算法。计算机仿真结果表明，使用基于粗集与PCNN的图像增强算法，可有效地对被噪声污染的图像进行图像增强，减少图像噪声，增加图像对比度，使图像更加清晰，且图像增强的结果优于常规的方法。     

分组训练卷积字典的图像去噪算法

卷积稀疏编码(convolutional sparse coding,CSC)这一全局模型因字典的特殊结构而受到广泛关注,其中卷积字典学习算法(slice-based dictionary learning,S-BCSC)是最为有效的CSC模型优化算法.虽然S-BCSC算法非常有效,但算法在应用中对整幅图像只使用一个固定大小的字典,然而这并不利于图像信息的准确描述.为克服这一缺陷,讨论如何根据图像大小确定卷积字典大小,结合稀疏表示字典学习算法,提出分组训练卷积字典的图像去噪算法.新算法首先将过冗余图像块按照平滑、纹理、边缘分为三类;然后为每一类分别确定所要训练的卷积字典大小;最后依据S-BCSC算法完成字典学习以及图像去噪过程.从实验结果可以看出,所提算法在图像质量、清晰度上相比原S-BCSC算法都有所提升.