一种基于三维小波的视频水印空时算法

针对数字视频的版权保护,以及基于数字视频的信息隐藏,提出了一种基于三维小波的视频水印空时算法。它利用了视频场景镜头分割技术和三维小波变换的空时多分辨水印嵌入策略,以及根据最大似然准则的水印检测算法。针对视频的版权保护,作为版权标志的水印图像先用两个序列扩频预处理成一个图像序列,扩频后的水印图像序列自适应地嵌入到视频镜头的三维小波系数上。该基于三维小波域的水印策略充分利用了视频序列良好的空时多分辨特点,水印算法可靠。针对视频水印的几种特殊攻击,仿真实验证明了该算法具有很强的鲁棒性。     

基于平衡多小波与神经网络的图像水印算法研究

利用图像经过CARDBAL多小波变换后,能量汇聚且平均分摊在最低分辨率子图像4个分量上的特点,提出一种改进的多小波域盲水印方法.采用比较法嵌入一幅水印图案,建立含水印图像与水印之间的关系模型,通过神经网络训练来提高水印检测的正确率.实验表明,该方法具有良好的鲁棒性,在JPEG压缩和一些图像处理下可检测到水印.     

基于小波包和心理声学模型的音频水印算法

提出了一种基于小波包和心理声学模型的数字音频水印算法,该算法对音频信号进行小波包分解,在小波域内计算掩蔽阈值,根据从心理声学模型得到的幅度因子自适应地控制由嵌入水印而引起的听觉偏倚。二值水印图像通过伪随机排序与扩频调制后嵌入到小波包分解后的中频系数中,提取水印信号无需使用原始数字音频信号。仿真试验表明水印是不可察觉的,经过MPEG layer Ⅲ有损压缩、低通滤波、重采样等操作后仍具有很强的稳健性。     

基于秘密共享方案的小波混沌数字水印算法

在对小波域混沌数字水印算法研究的基础上,引入Shamir理论秘密共享思想,提出一种新的基于Shamir秘密共享的小波混沌数字水印算法。新算法将小波分解所得到的子图作为分存信息的保存对象,嵌入部分或者全部的数字水印信息。在水印的提取中,根据Shamir理论利用部分子信息就可以恢复出初始水印信息。实验表明该算法拥有好的视觉效果,提高了传统算法的鲁棒性,是一种实际可行的数字水印算法。     

一种新的图像灰度数字水印嵌入算法

提出了一种基于Haar小波变换的图像水印嵌入算法,通过利用各层小波系数间的特点,并通过对图像水印本身的信息选择构造了适用于所提算法的伪码水印,有效地增强了算法的隐蔽性与鲁棒性,从而即使在图像质量受到严重损害时仍能提取出足够信息,辨别出原图像水印的存在.     

一种强稳健性的抗几何攻击图像水印算法

数字图像水印的抗几何攻击能力一直是研究的热点和难点。提出了一种基于奇异值分解的抗几何攻击图像水印算法,算法利用了奇异值良好的稳定特性,通过对宿主载体和水印图像的奇异值进行混合运算嵌入水印,同时引入了FastICA算法,在满足算法强稳健性和透明性的同时,保证了快速的收敛性和盲提取要求,属于新观点创新。实验结果表明,算法能很好地抵抗高斯低通滤波、维纳滤波、中值滤波、椒盐加噪、高斯加噪、JPEG有损压缩等多种攻击,对旋转、剪切、缩放、平移、错切几何攻击具有优于传统小波算法无法比拟的强鲁棒性,提取水印与原水印相关系数NC(Normalized Cross-Correlation)平均优于小波算法43.35%,显示了算法的独特优势。     

一种新的图像脆弱水印算法

提出一种基于小波变换和QR分解的图像脆弱水印方法。嵌入水印时，首先对原始图像进行三级小波分解，然后提取第三级低频子带的边缘特征，同时对此边缘特征和第三级垂直高频子带进行QR分解，用边缘特征的一部分分解结果替换垂直高频子带分解结果的相应部位未嵌入水印，最后进行小波逆变换得到嵌入水印的图像。图像认证时，首先对观测图像进行三级小波分解，第三级垂直高频子带与低频子带边缘特征的QR分解结果进行比较，就可以准确认证图像是否经过攻击，并可以精确定位受攻击的部位。实验结果表明此方法的有效性和可行性。     

小波分析与Fisher判别法相结合的数字水印算法

提出了在彩色图像的小波变换域中实现数字水印的一种算法。该算法能很好地保证水印图像与原始图像具有相似的视觉效果,而且在用Fisher判别法实现水印盲复原时能准确地抽取水印信号。最后通过实验测试验证了该算法的鲁棒性。     

基于小波变换和模糊数学的图像融合算法研究

提出了一种基于模糊数学的图像数据融合算法.作者针对可见光图像和红外图像融合的问题,分析了像素级融合的新方案,提出了基于多级小波分解的和模糊数学的融合算法.该算法首先衡量了两幅图像在小波变换域的相关性,并利用相关性的大小来计算模糊隶属度函数,最终通过对可见光图像和红外图像的加权平均完成像素级的融合.在本文的实验部分,作者针对两幅现场采集的实际数据验证了算法的有效性.     

基于多小波域对比度的图像融合算法

针对多小渡理论在图像处理领域的应用,给出了多小波域中图像的方向对比度的定义,并提出了基于多小波变换的、使用方向对比度进行自适应加权平均融合和选择性融合的算法.该算法利用多小渡变换对原图像进行分解,根据得到的分解系数计算相应的对比度,然后建立基于对比度的融合规则.使用这些算法对多谱图像进行了融合实验,并给出了评价融合质量的对比结果.结果表明,基于多小波变换的方向对比度的图像融舍算法在保留图像细节信息、增加信息量方面都有明显的提高.     

基于小波变换的融合算法研究

目前许多关于图像融合算法的研究都在空域中进行,隐藏图像抗攻击的能力较差。采用了基于小波变换的图像融合技术,提出了基于小波变换的分块融合算法,使图像的鲁棒性得到很大的提高,尤其是抗JPEG压缩和抗噪声干扰的能力较强,算法可应用于数字图像的版权保护和信息隐藏领域。     

基于小波重构与SVM-BPNN的动态过程在线智能监控

为了提高动态过程运行状态在线监控效率,提出了基于小波重构与支持向量(support vector machine,SVM)-反向传播神经网络(back propagation neural network,BPNN)相结合的在线智能监控方法.首先,运用离散小波变换对动态过程实测数据流进行重构,并提取其形状特征.其次,利用训练好的小波重构特征的SVM、均值特征的BPNN及重构后形状特征的SVM,对"监控窗口"内实测数据流进行异常模式识别.最后,应用该方法对某精密轴加工过程进行在线智能监控.结果表明:所提模型识别精度高、训练耗时少,其整体性能明显优于小波重构的BPNN模型与基于统计和形状特征的多分类支持向量机(multi-class support vector machine,MSVM)模型,是一种更为有效的动态过程在线智能监控方法.     

基于Retinex和小波分解的手背静脉识别方法

为了解决手背静脉识别系统中图像的对比度较低且静脉结构简单的问题,首先提出一种基于自适应平滑滤波器的Retinex增强算法,在增强静脉结构的同时均衡了图像灰度;然后分析了静脉图像的小波分解子带图像和灰度积分投影,指出小波低频子带图像和垂直方向的灰度积分投影比较适合作为手背静脉识别的特征;进一步提取了基于逼近系数的小波不变矩特征,并融合形成了90维的手背静脉特征向量;最后建立SVM 分类器并利用手背静脉图像库进行实验,结果证明了该算法的识别优越性.     

四叉树分类的网格编码量化在SAR图像中的应用

综合了小波去相干斑噪声、四叉树分类、网格编码量化技术,提出了一种在小波域内对带噪SAR图像作网格编码量化的新方法。首先对小波域的SAR图像实施软阈值去噪声,然后根据小波图像中各子带系数的带间相关性对其进行四叉树分类,再对分类后的重要类小波系数应用网格编码量化形成有序的嵌入式比特流。该方法不仅利用了信号间的时间相关性,而且也较好地利用了信号变换域的相关性。并且在对SAR图像压缩的同时去除了噪声,取得了很好的效果。     

二维不可分滤波器级联小波的图像去噪算法

针对目前数字图像处理中的图像多方向信息提取问题,提出了一种利用二维不可分滤波器提取多方向信息的小渡域图像去噪算法.该算法首先设计两个具有方向性的二维不可分滤波嚣,然后通过小波变换简单有效地提取了图像六个方向上的方向信息,最后用带有椭圆型方向窗的小波域局部阈值维纳滤波算法对含噪图像进行去噪.通过仿真实验表明,图像多方向信息的提取简单有效,且去噪效果相比于已有的基于二维可分小波的图像去噪算法有了显著的提高.     

一种基于第二代小波变换的图像融合算法

在阐述了第二代小波变换的基本原理及其特点的基础上,提出了基于第二代小波变换的实现图像融合的新算法。与单纯的空间域数据融合算法进行实验对比,发现在第二代小波变换域实现的数据融合图像,明显地保存了边缘细节,避免了图像融合过程中出现的模糊现象。     

四元数小波变换联合稀疏表示的图像融合

基于四元数小波变换和稀疏表示理论,提出了一种图像融合方法,该方法弥补了传统的多尺度理论分析和稀疏表示理论在融合过程中的不足。所提方法分为3步:首先,利用四元数小波变换分解所给的源图像,得到各个尺度下的高通子带和低通子带;其次,对高通子带选用系数绝对值最大和低通子带采用稀疏表示的规则进行融合,获得融合系数;最后,对融合系数进行四元数小波逆变换得到融合图像。此外,对所提融合方法进行了理论分析。在数值实验中用6组测试图像测试所提方法性能,并将融合结果与稀疏表示、离散小波变换、对偶数复小波变换、四元数小波变换等融合方法所得结果进行了主观与客观的比较。实验结果表明,该方法是十分有效的。     

基于树型小波和灰度共生矩阵的SAR图像分类

SAR图像包含有相干斑噪声 ,传统的方法不能很好地对SAR图像进行分类。为了能对SAR进行精确分类 ,将图像的灰度和纹理特征 ,空域和频域特征相结合 ,提出了一种新的SAR图像分类方法。该方法采用由树型小波中频纹理能量特征、灰度共生矩阵特征、树型小波滤波后的灰度组成的特征矢量对SAR图像进行分类。实验结果分析表明 ,该方法是一种有效的SAR图像分类方法。     

Application of wavelet support vector regression on SAR data de-noising

A new filtering method for SAR data de-noising using wavelet support vector regression (WSVR) is developed.On the basis of the grey scale distribution character of SAR imagery,the logarithmic SAR image as a noise polluted signal is taken and the noise model assumption in logarithmic domain with Gaussian noise and impact noise is proposed.Based on the better performance of support vector regression (SVR) for complex signal approximation and the wavelet for signal detail expression,the wavelet kernel function is chosen as support vector kernel function.Then the logarithmic SAR image is regressed with WSVR.Furthermore the regression distance is used as a judgment index of the noise type.According to the judgment of noise type every pixel can be adaptively de-noised with different filters.Through an approximation experiment for a one-dimensional complex signal,the feasibility of SAR data regression based on WSVR is confirmed.Afterward the SAR image is treated as a two-dimensional continuous signal and filtered by an SVR with wavelet kernel function.The results show that the method proposed here reduces the radar speckle noise effectively while maintaining edge features and details well.