小波变换在数字图像水印技术中的应用研究

本文重点讨论了基于图象内容的安全水印生成方法,水印嵌入和提取方法。为了增加水印的安全性,首先让原始图像进行l-层小波正变换,然后将变换后的小波近似系数用混沌序列进行调制从而生成基于图像内容的水印信号。     

一种新的小波域正交数字水印方案

提出一种基于人眼视觉模型、 小波变换和正交向量的数字水印方案. 首先对原始图像进行8×8的分块, 然后对每小块进行小波变换, 进而对水印图像进行调制, 并加入到原始图像中, 形成带水印图像, 最后进行小波反变换得到含有水印的图像. 在水印检测过程中, 根据实际需要提出了非盲水印和盲水印两种检测方案. 根据正交向量的特点通过假设检验的方 法提取水印. 实验表明, 这种方法能有效检测出水印图像, 并对常见的水印攻击（如裁剪、 JPEG压缩等）具有良好的鲁棒性, 尤其对信号增强或减弱抗攻击性强.     

基于小波变换的数字水印算法设计

提出了一种基于小波变换域的盲检测数字水印算法.对载体图像进行二级小波变换,以一级小波变换中的水平细节子带系数为参考,自适应地调整同方向二级小波系数来实现水印信息的嵌入.实验结果表明,嵌入的水印具有较好的透明性和鲁棒性,并且可实现水印信息的盲提取.     

基于混沌序列的视频图像数字水印隐藏与多分辨检测

基于混沌序列的优良性能和视频信号多分辨小波表示的特点,提出了一种视频图像混沌水印隐藏及其多分辨检测方法,首先利用小波变换对图像进行多级分解;其次将混纯 数字水印叠加在从低分辨率到主分辨率的主频小波系数里;最后进行逆小波变换生成水印图像,其特点是混沌水印安全性能高,不易破译,可以进行多分辨检测,节约计算量,实验表明,对于觉的图像处理和噪声干扰,多分辨检测方法极能识别隐藏的水印,具有很好的鲁棒性,而且     

一种基于小波变换的数字图像水印新算法

提出了一种基于小波变换的鲁棒性水印算法.该算法首先对水印信息进行Arnold置乱以降低空间相关性,之后做一级小波变换,然后把原始图像进行二级小波变换.并将水印信息分散嵌入到原始图像的低中频子带,最后经二级小波反变换得到嵌入水印后的图像.实验结果表明,该算法具有较强的鲁棒性.     

抗大面积剪切的小波变换域图像水印算法

本文提出了一个基于小波变换抵抗大面积剪切攻击的图像水印算法.该算法具有如下特点：基于小波变换域的块操作,把一幅二值图像水印同时嵌入到小波变换域低频带的多个块中,在提取水印时,通过多方案提取,能抵抗大面积剪切攻击;在嵌入水印前把水印进行Arnold变换,把水印信息置乱,消除像素的空间相关性,同时提高了水印信息的安全性和抗剪切的鲁棒性;把旋转和缩放这两种几何攻击联合应用于水印的提取,使提取的水印信息质量有了显著提高,同时提出了一种检验水印图像是否遭受过这两种几何攻击的新算法.实验结果表明,该算法所隐藏的水印不但可以抵抗大面积剪切攻击,还可以抵抗一般的信号处理,旋转、缩放、平移（RST）等几何攻击.     

一种基于人眼视觉特性的小波域图像水印方法

提出了一种基于小波变换的图像水印嵌入方法,通过对原始水印置乱的预处理,运用人眼视觉掩蔽模型（HVS）,增强了数字水印的安全性和隐蔽性,把水印嵌入到感觉重要的小波变换系数中,提高了水印的稳健性,并实现了水印的盲提取。实验结果表明,该算法对JPEG压缩、旋转、滤波、加噪等图像处理操作有很强的鲁棒性。     

基于混沌置乱的小波域位平面盲检水印算法

针对水印图像存在的安全性和鲁棒性问题,提出了一种基于混沌置乱与小波域位平面的水印嵌入与盲检算法.该算法用Arnold变换对水印图像加密,将置乱后的二值水印嵌入到小波变换低频子带的某个位平面中;提取时,先将待检测图像小波变换的低频子带系数表示成位平面形式,然后从嵌入时对应的位平面中提取出水印数据,再经过若干次Arnold变换即可恢复出原始水印数据.实验结果表明:当水印嵌入到中间位平面时,算法能获得较为理想的性能,并实现盲检测.     

一种基于DWT的数字图像水印方法

根据图像水印的性能需求,结合HVS模型的特点,阐述了选择小波变换作为数字图像水印研究工具的理论优势。描述了图像水印嵌入和提取模型,给出了一种利用小波变换多分辨分析特性的图像水印嵌入和提取方法。实验结果表明,该方法效果良好。     

同步数字音频盲水印

提出了一种基于离散小波变换的同步数字音频盲水印算法。该算法利用同步信号定位水印的嵌入位置,以提高水印提取的正确率,同时将分段信息加入水印,采用冗余编码,增强了纠错能力。水印嵌入时采用基于模运算的量化方法,以满足水印的盲检测。同步信号嵌入时域,以提高搜索效率,水印隐藏在离散小波变换域的低频系数中,以达到较好的鲁棒性。检测水印时不需要原始音频,水印数据在嵌入之前先加密,没有正确的密钥,无法正确恢复水印。     

一种基于小波变换的图像去噪方法的应用研究

探讨了小波变换在图像去噪中的处理技术.首先分析了小波变换的原理,然后给出了基于小波变换的图像去噪原理,并设计了小波变换图像去噪的具体实施方案,最后给出了小波变换去噪的图像训练实验结果.结果表明,利用小波分解(变换)去除图像噪声,既滤除了噪声,又有效地保持了图像的细节信息.     

像素级多模式医学图像融合研究

采用小波变换算法,对颅脑计算机断层成像(CT)与核磁共振成像(MRI)的图像进行融合.将两幅源图像分别进行小波分解,然后取两幅图像小波系数矩阵对应元素的最大绝对值构造小波系数矩阵,进而重构融合图像.结果表明,融合生成的图像中软组织和骨骼均十分清晰,能提供反映原始图像中更为全面的、互为补充的多重信息,对颅脑病变的定性、定位研究有实用意义,从而具有重要的临床应用价值.     

小波变换在图像压缩中的应用

介绍了小波变换的基本理论以及基于小波变换的图像分解与重构过程．讨论了在Matlab语言环境下实现图像压缩的基本方法,并对小波变换用于图像压缩时小波基的选取所要考虑的因素进行了分析．从工程和实验两个方面较为直观地探讨了小波变换在图像压缩中的应用．实验结果表明：小波变换用于图像压缩能够实现很高的压缩比,具有很高的使用价值．     

红-黑小波变换

介绍一种新的第二代小波变换——红-黑小波变换，它是把矩形栅格的数字图像分成红块和黑块，利用二雏提升格式进行构造。并从理论上与张量积小波变换进行了比较。实验表明红．黑小波变换可以更有效地去除图像的相关性并得到更稀疏的图像表示，在图像压缩中红．黑小波变换比传统小波变换更有效。     

子波变换图象压缩编码技术进展

从１９８８年Ｍａｌｌａｔ将子波变换用于信号处理提出多分辨率分析概念，给出了信号或图象分解为不同频率通道的算法和重构算法。开创了子波变换在图象处理中的应用，子波变换在时域和频域同时具有良好的局部化性能，使子波变换成为视频图象压缩编码的主要技术，专家预计，在１９９６年符合高清晰度电视标准的子波变换视频图象压缩技术将推出问世，本文综述子波变换图象压缩编码技术当前的进展。     

二维图像小波分析的滤波器设计

滤波器的设计是实现二维图像小波分析的关键。在研究图像信号特征和一维小波变换理论的基础上，根据图像信号邻近像素的相关性提出了一种准对称边界延拓方法，用一维小波变换实现了二维离散小波变换，同时，在理论上证明了行的反向数据流的离散小波变换也是反向的，离散细节信号除反向外并改变符号的性质，并利用双正交滤波器的对称性建立了一种实现二维离散小波变换的滤波器结构，实现证明此方法有较好的图像重构性和信噪比。     

基于小波变换的医学图像插值研究

提出了新的预测高频细节的方法,并能有效地结合多小波实现任意整数倍的图像超分辨率.实验结果表明新的基于小波分析的图像插值方法能够有效地保持图像的边缘特征,达到更好的视觉效果.     

基于小波变换的分开-合并图像分割

小波变换具有良好的“时间—频率”局部化特性及多尺度变焦距特性对于二维图象的小波变换,其梯度模值提供了图像的边缘信息在大尺度时,图像边缘稳定,但存在有位移小尺度时,边缘定位精确,但易受噪声影响噪声和边缘都具有较高的空间频率噪声的能量小,在大尺度下,其小波变换系数值小边缘的能量大,在大尺度变换下,其小波变换系数值大由多尺度小波变换系数的变化情况,估计边缘的类型采用多尺度小波变换系数作为四分树结构的分开—合并法图像分割的一致性度量从而在大的图像块中,去除噪声的影响,在小的图像块中,以小波变换的局部极大值精确定位边缘,根据边缘信息进行分开—合并法图像分割实验表明,算法得到满意的结果     

复数小波变换在天蓝色链霉菌凝胶图像压缩中的应用

小波变换等多分辨分析方法能够处理图像配准中图像的全局和局部变形，小波变换在配准的同时还可以进行图像压缩，作为新近发展起来的多分辨分析方法，复数小波变换提供了移动不变性和方向选择性滤波器，在压缩比为40：1时，复数小波变换所实现的天蓝色链霉菌蛋白组凝胶图像压缩结果与离散小波变换结果十分接近。     

基于方向对比度的彩色多聚焦图像融合

提出了一种基于方向对比度的彩色多聚焦图像融合算法：首先提取出各三基色分量，并对它们分别进行小波变换得到待融合图像的多分辨分析，求出各三色分量多分辨率图像的方向对比度，然后以方向对比度为判据．在图像的多分辨分析的相应各级上进行融合，利用小波逆变换重构出三基色分量融合后的图像，最终再合成融合后的彩色图像．试验结果表明：此算法能较好地解决彩色多聚焦图像融合问题．