基于改进脊波变换的抗攻击数字水印算法

针对小波变换域不是图像轮廓边缘特征最佳表示的问题,在研究小波变换的基础上,利用脊波变换比小波变换更适合表示图像轮廓边缘特征的特性,结合人类视觉系统特性和奇偶量化算法改进脊波变换算法,提出了一种基于改进脊波变换的数字水印算法.将原始图像均匀分割,对各子块执行脊波变换,再结合人类视觉系统特性选择恰当的脊波系数,利用奇偶量化算法嵌入一维水印序列,最后作脊波反变换得到含水印图像.仿真实验结果表明,算法不仅具有很好的透明性,而且在抵抗攻击时表现出较好的鲁棒性.通过与小波变换算法的性能比较,本文算法在抗加噪、滤波和剪切的攻击中鲁棒性较强.     

基于脊波的多光谱和全色图像融合方法研究

应用了双线性插值的矩形阵列到径向阵列的变换算法,给出了一个离散脊波变换的实现方法,将其应用于多光谱图像与全色图像的融合算法中,通过清晰度、灰度方差、信息熵三个方面,将算法结果与小波变换的结果进行了对比,实验结果表明,相对于小波变换而言,脊波变换能更好地处理线和面的奇异性,而且由融合的结果来看,脊波变换得到的结果在清晰度等方面要高于小波变换。     

有限脊波变换在数字水印中的应用

已有的有限脊波域的水印算法通过调制位于最大能量方向的有限脊波变换系数实现,但是哪些系数更适合嵌入水印是一个有待解决的问题.采用Roberts算子提取边缘图像,然后用拉普拉斯分布模型分析边缘图像的有限脊波变换系数,依据最大后验概率准则估计出适合嵌入水印的变换系数,自适应地嵌入水印信息.实验结果表明,该算法具有很强的鲁棒性和不可见性.     

基于尺度不变特征的脊波域量化水印算法

针对传统数字水印算法抵抗旋转、缩放等几何攻击能力较弱的问题,提出一种基于尺度不变特征的脊波域量化水印算法.利用尺度不变特征变换构造稳定的图像局部区域,对局部区域实施脊波变换,选择能量较大方向上的脊波细节系数,利用量化索引调制策略嵌入水印信息.仿真结果表明,该算法具有较好的检测性能,在抗压缩、叠加噪声、缩放、剪切等攻击方面具有较强的鲁棒性.     

基于小波变换和脊波变换的自适应图像去噪算法

为了克服单纯小波变换或脊波变换的不足,提出了基于小波变换和脊波变换的自适应去噪算法。实验结果表明,在处理点奇异性和线奇异性的图像时,该方法比单纯小波变换或脊波变换的阈值去噪算法更具优越性,在实际应用中更为有效。     

基于单尺度脊波变换的阈值滤波方法

分析了高斯白噪声在单尺度脊波域中的统计性质，提出了一种新的基于单尺度脊波变换的阈值滤波算法。仿真结果表明，这种算法不仅比传统基于小波变换的各种滤波算法有更高的PSNR值，而且能更好地保持图像细节。     

复脊波变换SAR图像去噪算法

在分析传统脊波变换去噪方法优缺点的基础上, 针对其不足, 提出一种基于复脊波变换的去噪方法。算法将传统脊波变换中的标量一维小波变换替换为二元树复小波变换, 使得脊波变换具有平移不变性; 然后, 对图像采用冗余分块处理, 使得处理结果更平滑, 有效地提高了图像的峰值信噪比（PSNR）。仿真实验表明, 在SAR图像去噪应用中, 本方法能够更好地保留图像中的纹理信息, 处理结果优于传统脊波变换以及小波变换去噪方法。     

基于正交有限脊波变换的图像压缩

对于纹理(线奇异性)丰富的图像,脊波可以获得比小波更加稀疏的表示。统计表明边缘表示了图像的主要信息。利用脊波对"线奇异性"图像的最优逼近的思想,设计出基于正交有限脊波变换的图像压缩算法。通过对图像的脊波系数进行量化和编码达到压缩图像的目的。实验结果表明,与基于小波的压缩算法相比,该算法能获得更高的压缩率,同时保持较高的峰值信噪比和良好的重建图像视觉效果。     

基于有限脊波变换域的图像水印技术

提出了一种基于有限脊波变换域实现图像水印的方法,其优点是良好的稳健性和层次性.这种算法充分利用有限脊波变换的特点,把原始图像和水印分解成多频段的图像来嵌入水印.检测时,把加了水印的图像分解,通过计算处理每一层取得所有的有关信息.     

脊波域的图像数字水印算法研究

提出一种将混沌置乱加密后的水印信息嵌入到图像脊波变换域的算法。将图像分块后进行有限脊波变换,选择出图像纹理块的脊波域最大能量方向上的系数嵌入水印,水印提取只需要记录嵌入位置序列即可。实验结果表明,算法对噪声、压缩、不规则剪切、对比度等攻击有较强的鲁棒性。     

基于Finite Ridgelet变换的图像线性特征提取

线性特征是图像的一种重要局部特征，它常常决定图像中目标的形状。线性特征的提取在图像匹配、目标描述与识别以及运动估计、目标跟踪等领域具有十分重要的意义。常用的线性特征检测方法有Radon变换和Hough变换，但检测曲线复杂度会很高。本文提出一种多尺度几何分析的线性特征检测方法，该方法以finite ridgelet理论为基础，结合正交小波变换对线性特征进行提取。Finite ridgelet变换对于含有直线奇异的多变量函数具有良好的逼近特性，能够获得连续空间函数的稀疏表达，同时具有区域平滑性、很好的可逆性和去冗余性。实验结果表明，本方法即使在背景复杂的环境下也具有良好的检测效果。     

A new digital implementation of ridgelet transform for images of dyadic length

Ridgelet transform is a new directional multi-resolution transform and it is more suitable for describing the signals with high dimensional singularities. Finite ridgelet transform is a discrete version of ridgelet transform, which is as numerical precision as the continuous ridgelet transform and has low computational complexity. However, finite ridgelet transform is only suitable for images of prime-pixels length, which is a limitation of its applications in image processing. In this paper, a new digital implementation of ridgelet transform that is suitable for images of dyadic length is proposed. This method not only expands the applications of finite ridgelet transform, but also simplifies the algorithm. First, we introduce the concept of ridgelet transform in the continuous domain. Then, we illustrate finite ridgelet transform and the new method. Finally, we compare the new method with finite ridgelet transform by applying both digital ridgelet transforms to the denoising of images embedded in additive white Gaussian noise and the new method gets a better performance in image denoising. The new algorithm can also be used as the important building block in curvelet transform and get surprising visual performances in denoising for natural image.     

基于有限脊波变换的抗几何攻击图像水印

根据脊波变换在方向识别上的优越性,提出了一种基于有限脊波变换的抗几何攻击图像水印方法。该方法先将原始图像进行一级脊波分解,再将经过三级小波分解后的水印嵌入到图像脊波系数中,以实现图像重构。实验结果表明,该方法能够抵抗旋转、缩放和平移、剪切类几何攻击,同时对JPEG压缩、中值滤波、高斯噪声、椒盐噪声等常见的攻击具有良好的鲁棒性。     

一种小波和脊波联合去噪方法

由于小波变换不能有效地处理图像中的奇异线,而脊波变换能很好地弥补这一不足,提出了一种基于图像分块的小波和脊波联合去噪方法。该方法把噪声图像分成一定尺寸的图像块并选择其中的同质块和非同质块;利用小波去噪方法处理同质块,而非同质块用脊波去噪方法处理得到去噪后的图像;用维纳滤波器进一步处理去噪后的图像。实验表明,该方法与单纯的小波去噪方法和脊波去噪方法相比,信噪比有了较高的改善,能有效地保留图像的边缘细节信息。     

Image compression approach with ridgelet transformation using modified neuro modeling for biomedical images

Image compression is applied to many fields such as television dissemination, remote sensing, image storage. Digitized images are compressed by a method which exploits the redundancy of the images so that the number of bits required to represent the image can be reduced with acceptable degradation of the decoded image. The humiliation of the image quality is limited with respect to the application used. There are various biomedical applications where accuracy is of major concern. To attain the objective of performance improvement with respect to decoded picture quality and compression ratios, in contrast to existing image compression techniques, an effective image coding technique which involves transforming the image into another domain with ridgelet function and then quantizing the coefficients with hybrid neural networks combining two different learning networks called auto-associative multilayer perceptron and self-organizing feature map is proposed. Ridge functions are effective in representing functions that have discontinuities along straight lines. Normal wavelet transforms not succeed to represent such functions effectively. The results obtained from the combination of finite ridgelet transform with hybrid neural networks found much better than that obtained from the JPEG2000 image compression system.     

一种基于脊波变换的图像去噪方法

Ridgelet是继小波变换(Wavelet)后提出的一种新型的多尺度分析方法,它特别适合于具有直线或超平面奇异性的二维信号的描述,而且具有较高的逼近精度.利用脊波变换的方法,设计了一种基于脊波变换的改进的图像去噪算法,该算法采用指数型阈值函数,利用SureShrink自适应阈值.试验结果表明,该方法比起Wavelet全局硬、软阈值,Ridgelet全局硬、软阈值,具有明显的优越性.     

一种基于视觉特性的图像哈希认证方案*

为了使图像哈希具有更好的鲁棒性和安全性,在脊波域中提出了一种新的基于视觉特性的图像哈希方法。该方法首先将原始图像预处理,然后利用人类视觉特性提取脊波变换域上的系数,最后量化并压缩生成最终哈希值。实验结果表明,该方法能够抵抗JPEG压缩、滤波、加噪声、裁剪和旋转等攻击,且能够区分恶意窜改。生成的哈希值具有很好的鲁棒性和安全性。     

基于脊波变换的体数据压缩编码方法

体数据的数据量大、数据间的相关性强、拥有大量的线或面结构,因此需要研究有效的压缩编码方法。脊波变换作为一种新的时频分析工具,在处理线或面的奇异性时有它适用的一面。在介绍脊波变换理论的基础上,将脊波变换的思想应用到体数据的压缩编码中。文中两种压缩策略的主要思想分别为：策略1先将体数据划分成切片组,再对每一张切片做二维脊波变换,然后进行量化和熵编码;策略2直接对体数据做类似于三维脊波变换的变换,然后进行量化和熵编码。比较而言,策略1实现简单,策略2能获得更高的压缩比。两种策略都具有较强的鲁棒性,且能实现嵌入式编码。该方法已应用到实际工业CT体数据的压缩编码中,还可用于其它类型体数据的压缩编码中。