基于Contourlet变换和奇异值分解的图像零水印算法

提出一种基于Contourlet变换和奇异值分解的数字图像零水印算法。原始图像经过Contourlet变换后,分解为一系列多尺度、局部化、方向性的子带图像,选择对低频子带进行分块奇异值分解,然后根据每块中第一个奇异值的大小特性“嵌入”和“提取”水印。实验结果表明,该图像水印算法能够较好地抵抗JPEG有损压缩、叠加噪声、剪裁等攻击,具有较强的鲁棒性和不可见性,提高了水印识别的可靠性。     

基于NSCT-SVD的多重数字水印算法

针对现有水印算法难以抵抗多种类型攻击的问题,提出一种基于非下采样Contourlet变换(NSCT)和奇异值分解(SVD)的多重数字水印算法。该算法采用不同的密钥对水印信息进行Arnold置乱,其宿主图像经过二层NSCT变换后得到大小相同的低频子带和高频子带。为提高算法鲁棒性,对各子带进行奇异值分解,将3个加密水印信息重复嵌入到具有最大奇异值的NSCT域低频和高频子带的子块中。在水印检测时,从3个提取结果中选取归一化均方误差最小的水印作为最终水印。实验结果表明,该算法能够有效抵抗JPEG压缩、椒盐噪声、剪切和中值滤波等多种类型的攻击,并且在保证水印不可见的前提下,提高了水印的鲁棒性和嵌入容量。     

一种基于Contourlet域的块均值关系的盲水印算法

从Contourlet变换的特点出发,提出一种基于分块均值关系的Contourlet域水印算法。首先将水印图像利用Arnold混沌映射进行置乱,之后对载体图像进行2级的Contourlet变换,选择能量最大的低频子带作为嵌入区域,通过修改选定位置的系数数值嵌入水印,在水印提取时不需要原始图像,实现了水印的盲提取。实验表明所提的算法在抵抗JPEG、椒盐噪声等攻击时有较好的鲁棒性。     

基于奇异值分解和Contourlet变换的图像水印算法

在分析抵抗几何攻击的几种方法以及Contourle变换的特点基础上,提出了一种基于Contourlet变换的水印算法.图像进行Contourle变换后,对各子带进行奇异值分解,选择所有子带奇异值中较大的数据作为水印植入点,这样将水印分散植入各个子带中,提高抗攻击能力.实验结果表明,该算法能够抵抗加噪和剪裁等攻击,具有较强的鲁棒性,提高了水印识别的可靠性.     

基于混沌的Contourlet域抗几何攻击图像水印算法

为了提高水印算法的抗几何攻击性和自适应性,提出了一种基于混沌的Contourlet域抗几何攻击的自适应图像水印算法。首先对载体图像进行Contourlet变换,并对低频子带进行分块奇异值分解,然后根据HVS原理自适应地将混沌加密后的水印信息嵌入到每块的最大奇异值中;最后使用改进的Harris-Laplace算子提取含水印图像的特征点。水印提取时利用受攻击前后图像的特征点矫正图像的几何变形。实验表明,该算法对JPEG压缩、滤波、加噪、旋转、缩放和平移等常规的图像处理和几何攻击具有很强的鲁棒性。     

基于NSCT-DCT-DWT-SVD联合数字水印算法

针对现有已提出的相关数字水印算法在不同攻击下存在的问题,提出一种将非下采样Contourlet变换NSCT(Non-subsampled Contourlet Transform)和DCT-DWT-SVD联合的数字水印算法。该算法将原始的宿主图像进行非下采样Contourlet变换得到与原始图像大小相同的低频子带,将低频子带进行离散小波变换分解,并对小波分解的低频部分与Arnold变换后的水印进行离散余弦变换。将变换得到的新区域与变换后的水印信息图像进行奇异值分解,将两者分解得到的奇异值矩阵相结合,作为最终的水印嵌入主成分。实验结果表明,该算法可以有效地抵抗JEPG压缩﹑椒盐噪声﹑泊松噪声﹑滤波等不同类型的攻击,在确保水印不可见性的同时具有较高的原始图像保真性。     

基于NMF和SVD相结合的Contourlet域鲁棒水印算法*

为了提高变换域数字水印技术的鲁棒性,提出了一种在Contourlet域将非负矩阵变换(NMF)与奇异值变换(SVD)相结合的鲁棒水印算法。宿主图像经过Contourlet变换后,对低频子带进行非负矩阵变换,然后对非负基向量组W进行奇异值分解,最后将经过Arnold置乱的水印图像嵌入到奇异值中。实验结果表明,该图像水印算法在获得良好视觉效果的同时,对于加噪声、滤波、剪切等图像攻击有较好的鲁棒性。     

基于奇偶量化的Contourlet变换域指纹图像水印算法

提出了一种基于奇偶量化的Contourlet变换域指纹图像水印算法。原始指纹图像经过Contourlet变换后，分解为一系列多尺度、局部化、方向性的子带图像，选择在低频子带中嵌入经过二维Arnold置乱加密后的水印。嵌入水印时，采用奇偶量化算法修改低频子带的系数。水印提取时，不需要原始图像，实现了盲提取。实验结果表明，提出的指纹图像水印算法能够较好地抵抗JPEG有损压缩、叠加噪声、剪裁等攻击，具有较好的不可见性和鲁棒性，提高了指纹识别的可靠性。     

联合非下采样Contourlet变换与奇异值分解的多水印算法

为解决最近报道的Contourlet变换域基于奇异值分解的水印算法存在的高虚警率问题, 提出一种多水印算法。对Arnold置乱后的水印图像进行奇异值分解, 将其中一个正交矩阵嵌入原始图像非下采样Contourlet域的两个高频方向子带中, 并利用奇异值来调整原始图像非下采样Contourlet域剩余子带的系数矩阵, 通过逆变换得到含水印图像。抽取水印时首先计算从待检测图像抽出的正交矩阵和真实水印正交矩阵的相似度, 与阈值进行比较, 以决定抽取过程是否进行。由于非下采样Contourlet变换的高冗余性, 最终可抽取出多个水印图像。实验表明, 算法较好地克服了高虚警率问题。一系列的攻击实验证明算法具有较好的鲁棒性。     

基于邻域均值关系的Contourlet域量化水印算法

提出了一种基于邻域均值关系的Contourlet域量化水印算法。原始图像经过Contourlet变换,分解为一系列多尺度、局部性、多方向性的子带,对原始水印图像进行Arnold置乱加密,从分解的多方向高频子带中选择能量较大的子带作为嵌入区域,根据系数与邻域均值关系选择嵌入位置,用量化的方法修改嵌入位置的系数,达到嵌入水印的目的。水印的提取不需要原始图像,实现了盲提取。实验结果表明,该水印算法不仅具有较好的不可见性,而且对加噪、JPEG压缩、滤波、剪切等攻击具有较强的鲁棒性。     

基于SVD的彩色图像盲水印算法

为了更好地保护数字产品的版权,本文提出了一种提升小波变换与奇异值分解相结合的彩色图像数字水印算法。提升小波变换运算速度快,能够对任意尺寸图像进行变换;奇异值分解具有几何不变性,并且体现图像的内蕴特性。算法充分利用提升小波变换和奇异值分解的优良特性,选择彩色图像的蓝色通道进行水印嵌入。首先对原始图像进行多级提升小波变换,然后选取中低频子带进行奇异值分解,将灰度水印图像进行Arnold置乱后分成四个部分嵌入所选子带的部分奇异值矩阵中。在水印提取时不需要原始载体图像,更加有利于实际中的应用。实验表明,该算法具有良好的透明性,而且对大部分常见攻击及几何攻击有很好的鲁棒性。     

Contourlet域中邻域窗最优阈值滤噪算法

提出一种基于Contourlet变换域的图像滤噪算法,对带噪图像进行多尺度、多方向的Contourlet分解,依据Contourlet变换域系数的估计损失期望最小化准则,在Contourlet域中得到各子带内邻域系数的滤噪最优阈值与最优窗口尺寸,利用Contourlet变换域系数的萎缩实现滤噪。仿真结果表明,与现有的Contourlet变换域图像滤噪算法相比,该算法能有效保护图像的细节和纹理,具有较好的视觉效果和较高的峰值信噪比。     

基于DWT和SVD联合的数字水印算法

离散小波变换(DWT)和奇异值分解都可以作为数字水印算法有效的工具.提出了一种基于离散小波变换和奇异值分解联合的数字水印算法,先将整个图像分成4个区域,然后再对每个区域运用奇异值分解方法,通过修改奇异值来嵌入水印信息.实验结果表明,该算法具有很好的稳健性,在经过了一般的信号处理操作和JPEG压缩后,嵌入的水印能被可靠的提取和检测.     

基于分块FRIT-SVD的鲁棒零水印算法

针对水印图像轮廓特征的提取,使用小波变换并不是最佳方式,脊波变换较小波变换有着更好的逼近精度和稀疏性能。结合二维混沌系统、SVD和位平面技术共同构造零水印信息,提出了一种基于脊波变换域的鲁棒零水印算法。该算法首先对载体图像进行二维一级小波变换提取低频域,利用分块策略对其分块并进行有限脊波变换(FRIT),经SVD提取最大奇异值构造特征矩阵后,使用二维混沌系统对特征矩阵进行置乱加密,提取特征矩阵中的重要位平面与加密水印信号结合生成注册零水印信息,不仅提高了水印鲁棒性,双重加密后的水印安全性能也得到提升。实验表明,该算法具有较好的鲁棒性、安全性和易操作性,能够有效抵抗各类图像攻击。     

基于非下采样Contourlet变换和区域特征的医学图像融合

针对非下采样Contourlet变换具有多尺度分析及平移不变的性质,结合计算机断层成像(CT)和核磁共振(MRI)医学图像各自的成像特性,提出了基于非下采样Contourlet变换和区域特征策略来对低频、高频子带进行融合的医学图像融合方法;介绍了图像融合的评价标准,阐述了非下采样Contourlet变换的原理及实现;从视觉效果和客观数据指标方面对融合图像进行主观评判和数值评价。下颌骨系统CT和MRI图像的融合实验结果表明,该方法相对于小波变换和Contourlet变换方法,可有效综合这两种断层图像的有效信息和细节信息,融合后图像具有更优的视觉质量和量化指标。     

一种Contourlet域图像鲁棒水印算法

对新一代图像多分辨分析工具Contourlet变换的特性进行了分析和讨论,在此基础上提出了一种利用矩阵SVD分解的稳定性在Contourlet域中频子带系数中进行二值伪随机水印信号嵌入的算法。嵌入时,对中频子带分块,根据块能量选择最终嵌入位置,同时兼顾了鲁棒性和透明性的要求。实验结果与理论分析相符,并且对常见的图像处理操作具有很好的鲁棒性。     

非抽样Contourlet变换的低频数字水印

非抽样Contourlet变换（NSCT）是一个平移不变、多尺度、多方向的变换,在图像处理中具有一定的优越性,提出一种基于非抽样Contourlet变换的数字水印算法,低频系数集中了图像的大部分能量,在低频嵌入水印可以提高鲁棒性,为了满足不可见性,对低频系数进行8×8的分块,根据每一块的能量以及人类视觉特性进行自适应的嵌入水印,实验结果表明算法具有很好的鲁棒性和不可见性,能够有效地抵抗JPEG、噪声等攻击。     

基于贝叶斯估计的Contourlet域图像降噪方法

提出了一种基于贝叶斯估计的Contourlet域图像降噪方法。该方法对输入的带噪图像进行多尺度、多方向的Contourlet稀疏分解，并在Contourlet域利用最小Bayesian风险函数对分解系数进行估计，通过Contourlet反变换得到预降噪图像。实验结果表明，该方法较其他的Contourlet域收缩阈值降噪效果好，进一步提高了PSNR值和降低了MSE值，能获得更好的图像恢复的质量。     

Contourlet与小波域鲁棒性水印算法性能比较

与小波变换不同,Contourlet变换通过各向异性基实现了图像的多尺度多方向性分解,更能捕获图像的曲线奇异性和匹配人类视觉特性。通过分解系数的视觉显著性决定水印强度,不同子带自适应地嵌入水印信号,提出了一种鲁棒性感知水印嵌入算法;该算法在小波分解和Contourlet分解的两种多分辨率框架下对常见水印攻击进行了实验测试。实验结果表明,在同等水印嵌入算法情况下,基于Contourlet和基于Wavelet变换的水印算法都能够抵抗常见攻击手段,但是Contourlet变换算法具有更高的安全性、鲁棒性和不可见性。