基于小波的数字图像隐藏算法

在研究小波变换的基础上,给出了一种基于小波的快速图像隐藏算法.利用小波变换(DWT) 的基本原理,对公开图像进行小波变换,将把小波变换后的系数与秘密图像进行融合,最后利用小波逆变换进行图像重构得到结果图像.数值试验表明该方法的抗攻击能力较强,并保证了很好的视觉质量,且算法简单易行.     

一种改进的基于小波变换的数字图像隐藏算法研究与实践

数字图像隐藏是近年非常热门的研究领域,小波变换作为图像隐藏中比较先进的技术,在图像隐藏中得到广泛的应用.通过对基于小波变换方法的分析研究,探讨了一种改进的基于小波变换的数字图像隐藏算法,并将算法进行了测试应用.     

基于小波变换的图像融合隐藏算法

目的 给出一种图像融合隐藏算法。方法 通过对宿主图像和水印图像的小波变换，该算法把水印图像的低频成分嵌入到原始宿主图像的低频部分。结果 给出了该算法，通过实验得出其抗攻击能力和隐藏能力强，提取的水印图像质量良好。结论 仿真结果证明该算法是有效的和可行的。     

基于小波理论与混沌矩阵的图像加密技术

提出了一种基于小波变换以及混沌序列的快速图像加密算法.利用小波变换(DWT)的基本原理,对秘密图像以及由混沌序列生成的广义混沌图像进行小波变换,然后把小波变换后系数进行融合,最后利用小波逆变换进行图像重构得到结果图像.数值试验表明该算法简单易行,抗攻击能力较强.     

基于小波变换的最佳融合算法

本文研究了小波域融合模型，为实现图像的最大融合，用最小二乘原理得到了与图像有关的置乱变换，提高了算法的融合度.将融合因子与置乱操作所用矩阵及迭代次数作为密钥，增加算法的安全性.实验证明该算法使图像的融合因子得到较大提高，增强了隐藏图像的抗攻击能力，可广泛应用于电子图像产品和数字图书馆的版权保护.     

基于离散小波变换的数字图像隐藏技术

基于离散小波变换(DWT)和S盒算法给出了一种数字图像加密算法.首先分别对秘密图像和公开图像应用离散余弦变换和离散小波变换,并对秘密图像的离散余弦变换系数进行S盒变换,进而潜入到公开图像的小波系数中,利用逆变换得到结果图像.实验证明该方法可行、效果好、隐藏信息量大,隐藏算法还能抵抗许多攻击,并具有一定的安全性和鲁棒性.     

基于小波域的信息隐藏与置乱技术

利用小波分解的能量分布规律,提出了基于小波变换的图像隐藏算法,并利用素数置乱对隐藏算法作进一步的改进.     

基于统计模型和方向小波的图像认证水印算法

设计了一种基于统计模型和方向小波的图像认证水印算法.提出了用方向小波变换生成图像方向流的算法,应用图像的方向流来刻画图像特征.并应用高斯分布统计模型构造出了水印修改的噪声可见强度.通过噪声可见强度筛选出含纹理信息较多的图像分块隐藏图像方向流.用户利用提取出的隐藏方向流信息和用方向小波生成的方向流作相关性检测,实现对图像的认证.该算法有较强的抗JPEG和噪声攻击能力,保证了水印图像的视觉质量和鲁棒性,并实现了盲检测,隐蔽性和安全性好.     

基于多小波域变换和分形维数的图像融合算法

为了充分利用图像的纹理特征,本文将多小波变换方法和分形理论相结合,提出了一种新的基于多小波变换域方向对比度和分形维数的图像融合算法.该图像融合算法首先通过多小波变换进行原始图像分解,然后采用差分和维数法计算分形维数相应的低频分解系数,建立基于分形维数的低频融合规则,高频部分则根据方向对比度的值通过选择法或加权平均法进行融合计算.该算法对IR图像和可见光图像进行融合实验,采用图像熵、标准偏差以及质量度量这些客观指标评估图像融合的质量.实验结果表明,把分形维数与多小波变换方法相结合进行图像融合处理,图像融合质量和效率都明显提高.     

基于目标提取和小波变换IHS图像融合算法

针对传统的IHS(Intensity-Hue-Saturation,强度-色调-饱和度)融合算法会使部分光谱信息丢失,提出一种基于目标提取和双正交小波变换的IHS图像融合算法,主要应用于红外图像与可见光图像的融合.算法首先采用基于区域能量的算法在红外图像进行目标提取,将目标图像与可见光图像进行IHS融合.对融合后的图像进行小波变换,变换得到的高频分量与低频分量分别提出适合的改进融合规则.通过实验数据分析,该算法得到的图像包含的信息更多,图像的清晰度更高.     

基于小波变换的图像融合算法及性能评价

在阐述小波图像融合算法的基础上,针对小波分解后各频域融合算子和融合规则的选择,提出一种新的基于FPGA动态可重构的图像融合算法。该方法对小波分解后的图像低频子带采用平均融合算子处理,在高频子带的融合中依据小波系数树状结构特点提出了一种新的自适应融合方法,最后经过小波逆变换得到融合图像。核心算法集成到一片FPGA中实现,提高算法的实时性,降低系统的实际功耗,有效地减少融合图像的失真。对多组图像进行实验,实验结果表明,该方法是有效的。     

基于加权小波分析的遥感图像融合算法

提出一种基于加权小波分析的遥感图像融合算法. 首先在光照色度饱和度空间上提取多光谱图像的光照强度分量, 对光照强度分量进行主成分分析获得修正的光照强度, 再将修正的光照强度与小波分析高频区域进行加权融合, 最后进行小波分析与光照色度饱和度空间逆变换获得遥感图像的最终融合结果. 该方法有效解决了在低频空间分辨率与高频空间分辨率的图像融合过程中, 小波分析方法丢弃低频分量易产生分块模糊现象, 且主成分分析方法易产生光谱图像信息域失真的问题. 在不同场景遥感图像的融合上进行仿真实验, 结果表明, 该算法在一定程度上解决了图像融合后边缘模糊、 融合结果中出现模糊块状阴影等问题, 并在清晰度、 纹理细节和真实性上获得了较大提升, 且能针对不同的融合需求调整合适的加权系数, 使遥感图像的融合达到最佳效果. 在光照色度饱和度空间, 加权小波分析进一步提升了遥感图像融合的效果, 不仅充分表达了各种遥感图像的细节, 而且能较好地保留原始光谱信息.     

结合NSCT和区域特征的图像融合新算法

提出一种把非下采样Contourlet变换(NSCT)和区域特征相结合的图像融合新方法.该方法能够获取更好的空域和频域中的局部特征,同时提高融合图像的质量.用NSCT对已经配准的源图像在不同尺度和方向进行分解,低频子带分量采用区域平均能量和匹配度相结合的融合规则,高频子带分量使用改进的拉普拉斯能量和取大的融合规则.然后,利用逆NSCT变换对图像重构得到融合结果.实验结果表明,新方法优于其他三个常用的方法,且较好地保留图像的边缘和细节信息.     

一种空域与小波域相结合的水印算法

提出了一种空域与小波域相结合的水印算法．算法采用有意义的二值灰度图像作为水印，首先将水印分成2部分，一部分包含重要信息，另一部分包含次要信息．然后利用二维离散小波变换对原始载体图像进行多级分解，并对含重要信息的水印分量进行Arnold变换，以达到置乱图形和消除空间相关性韵目的，接着将水印数据叠加到载体图像的小波分解系数上，实现水印的嵌入．对于含次要信息的水印分量则通过LSB算法嵌入到经逆向小波变换生成的图像的空域中．实验证明：该算法对／PEG有损压缩、噪声和剪切等常见水印攻击显示出了较强的鲁棒性．     

一种基于小波变换的图像融合选择方案

介绍了一种基于小波变换的图像融合算法,它利用像素邻域平均梯度作为选择依据,对小波变换后的高频系数进行选择,再逆变换完成图像融合.通过对红外热图与可见光图像的融合实验表明:基于小波系数区域平均梯度的融合能使红外热图更加清晰,融合的图像光谱变异性较小,图像效果较好.     

一种基于边缘检测的图像融合新方法

提出一种新的基于边缘检测的图像融合方法.该方法利用Canny算子进行边缘检测,将边缘检测图像的逻辑值与小波变换进行结合.在小波变换域内,对低频和高频子图像采用区域融合的方法.最后,进行小波逆变换得到融合图像.通过主观评价和包括熵、均方根误差、峰值信噪比和互信息等客观评价标准进行评价,结果表明,基于边缘检测的图像融合方法融合效果较好,对于模糊部分不同的源图像进行融合具有一定的通用性.     

基于区域特性的Contourlet域多聚焦图像融合算法

利用Contourlet变换的多尺度、局部化、方向性和各向异性等优点，提出了一种基于区域特性的Contourlet域多聚焦图像融合算法．该算法将源图像分解至Contourlet变换域，在不同尺度、不同方向的子带中结合区域特性进行图像融合，低频和高频子带中分别采用区域方差和区域能量作为融合规则，最后通过反变换得到融合图像．实验结果表明，所提出的算法能够更好地提取原始图像特征，融合后的图像具有更好的主观视觉效果，与经典的梯度金字塔算法和小波变换算法相比，新算法的均方误差最大值仅为前二者的34．8％和42．6％．     

双波段红外图像融合的小波分维算法

针对双式红外(中红外和长红外)提出了一种基于小波的分维融合算法.通过小波变换,分别对中波红外和长波红外的两幅图像进行小波分解,在小波变换域低频部分对小波系数用能量融合,高频部分采用分形分维进行融合,得到变换域中各个频带的融合图像,然后反变换进行重构,获取融合后的图像.实验结果表明,根据用分维进行数据融合的方法来确定两幅不同原图像在融合图像中所占的信息比例,可以有效地保留两幅原图像的边缘和纹理特征,避免融合图像平均化而出现的模糊现象,融合后的图像综合了两幅原图像的不同特征,使得处理后的图像更容易识别.因此,提出的双波段红外图像的小波分维融合算法是有效的,并且可以取得较好的效果.     

基于1αβ空间和抗混叠Contourlet变换的遥感图像融合算法

针对遥感图像中多光谱和全色图像的融合问题,提出一种基于lαβ空间和抗混叠Contourlet变换(non-aliasingcontourlet transform,NACT)的融合方法.该方法首先将多光谱图像进行lαβ变换,对其l分量和全色图像分别进行抗混叠Contourlet变换;然后,利用循环平移(cycle spinning,CS)算法消除由于变换缺乏平移不变性而引起的图像失真,对得到的低频子带系数和各带通方向子带系数分别进行融合;最后,通过抗混叠Contourlet逆变换和lαβ逆变换得到新的l分量以及融合后的高空间分辨率的多光谱图像.实验结果表明,该算法优于传统的色度-亮度-饱和度(hue-intensity-saturation,HIS)变换融合方法、小波融合方法以及Contourlet变换方法.     

SPOT5全色与多光谱图像融合方法研究

为了在提高图像空间信息质量的同时能尽可能保持原图像光谱特性,采用常用的IHS变换融合、K-L变换融合、Brovey变换融合,以及小波变换融合方法,对SPOT5全色与多光谱图像进行融合处理.通过对各融合结果图像进行主观和客观的综合评价,得出利用小波变换融合方法对SPOT5进行融合处理得到的结果图像其空间质量和光谱质量综合表现最好.