基于小波和奇异值分解的图像复制伪造区域检测

针对数字图像取证中一类常见的复制粘贴图像伪造,本文提出了一种基于小波变换和奇异值分解的检测算法.该算法利用小波变换提取图像的低频分量,对低频分量分块提取奇异值特征,这种特征描述形式对图像羽化或边缘模糊等处理具有鲁棒性.然后将特征矢量进行按行字典排序,并且配合图像块的偏移位置信息,进行图像复制伪造区域的检测和定位.实验表明该算法能够较精确地定位出复制和粘贴的图像伪造区域,并有效地减少了运算量,提高了检测效率.     

基于小波和不变矩的图像copy-move篡改盲检测

针对数字图像取证中一类常见的复制粘贴图像伪造,本文提出了一种基于小波变换和不变矩提取的检测算法。该算法利用小波变换提取图像的低频分量,对低频分量分块进行不变矩特征提取,然后将特征矢量进行按行字典排序,并且配合图像块的偏移位置信息,进行图像复制伪造区域的检测和定位。实验表明该算法能够较精确地定位出复制和粘贴的图像伪造区域,并有效地减少了运算量,提高了检测效率。     

小波低频子带提取特征的图像复制篡改检测

针对数字图像取证中一类常见的图像篡改-复制粘贴图像伪造,提出了一种利用小波变换和图像块灰度分布提取特征的检测算法。相对于原图,小波分解的低频子带仍然保持原图像的概貌和空间特性,但在尺寸上减小了很多;对小波低频子带进行重叠分块,再对各重叠块进行灰度分布特征的提取;利用迭代划分法结合相似性匹配搜索相似图像块,进一步减少了检测的计算量;配合图像块的偏移位置信息,进行图像复制伪造区域的检测和定位。实验表明该算法能够较精确地定位出复制和粘贴的图像伪造区域,并有效地减少了运算量,提高了检测效率。     

基于深度学习的图像目标检测研究

目前,大多数图像检测算法在进行图像检测时都会遇到图像显著特征保留不完整的问题。本文针对这个问题对简单图像检测算法进行改进,提出一种基于ResNet残差网络与深度学习的自适应加权策略的图像检测算法。首先,将ResNet模型提取的图像特征点,按照多尺度和多方向的特点划分为高频分量和低频分量进行深度学习,高频分量为含有较多图像信息的特征点,低频分量为含有较少图像信息的特征点;其次,对这些特征点进行权值分配,对于高频分量,分配较高的权值,对于低频分量,本文提出一种基于图像显著性的自适应权重分配规则,用来保留图像中重要显著点;最后,利用这些高低频分量特征点重构检测图像。     

基于Daubechies 小波的图像边缘检测技术

利用Daubechies 正交小波变换的性质,通过Mallat 多尺度分析方法对图 像进行小波变换,把图像分解成低频轮廓,水平高频、垂直高频和斜线高频四个部分。针对 图像边缘主要集中在高频部分,该文先保持小波变换后的高频小波系数,同时对低频小波系 数进行再次小波变换,提取出次高频信号的边缘信息。最后对保留下来的高频小波系数和次 高频小波系数进行逆变换获取最大边缘信息。     

小波变换和特征加权融合的人脸识别

在人脸识别领域,提取人脸特征和降低维数是人脸识别的关键。传统的基于小波变换的人脸识别算法仅在小波分解的低频分量上提取用于分类的图像特征,造成了高频分量中部分对识别有利信息的丢失。为了更有效地提取人脸图像特征,提出一种基于小波变换和特征加权融合的人脸识别算法。首先通过小波变换对人脸图像进行降维处理,然后对4个小波子图分别运用主成分分析法(PCA)提取特征,并把这4部分特征加权融合,最后利用支持向量机(SVM)进行分类识别。在ORL人脸库上进行实验验证,识别准确率可达到97.5%,实验结果表明该算法能够有效提高人脸识别能力,与传统识别算法相比具有较高的识别准确率和识别速度。     

自适应多尺度分块压缩感知算法

目的 基于小波域的多尺度分块压缩感知重构算法忽略了高频信号在重构过程中的作用,丢失了大量的边缘与细节信息。针对上述问题,提出一种自适应多尺度分块压缩感知算法,不仅合理利用低频信息还充分利用图像的高频信息,在图像细节复杂度提高的情况下保证图像重构质量的提高。方法 首先进行3层小波变换,得到一个低频信号和9个高频信号,分别进行小波逆变换后分成大小相同互不重叠的块,对低频部分采用2维邻块边缘自适应加权滤波的方法进行处理,对高频部分采用纹理自适应分块采样,最后利用平滑投影Landweber（SPL）算法对其进行重构。结果 与已有的分块压缩感知算法、基于边缘和方向的分块压缩感知算法和基于纹理和方向的分块压缩感知算法相比,本文算法在不同的采样率下,性能均有所提升,代表细节信息的高频信号得到充分重建,改进的算法所得到的重建图像具有较高的分辨率,尤其对细节较为丰富的图像进行重建后具有较高的峰值信噪比;2维邻块边缘自适应加权滤波有效的去除了重建图像的块效应,且重建时间平均减少了0.3 s。结论 将三层小波变换后的高频分量作为纹理部分,利用自适应多尺度分块重建出图像的轮廓与边缘;将低频分量直接视为平坦部分,邻块边缘自适应加权滤波重建出图像细节,不仅充分利用了图像的高低频信息,还减少了平坦块检测过程,使得重建时间有效缩短。经实验验证,本文算法重建图像质量较好,尤其是对复杂图像明显消除了块效应,边缘和纹理细节较清晰。因此主要适用于纹理细节较复杂的人脸图像、建筑图像和遥感图像等。     

基于曲波变换的红外/可见光图像融合

和小波变换相比较,曲波变换能更好地表示图像的边缘信息.在此基础上给出了一种基于曲波变换的图像融合方法,并将其应用于红外和可见光图像融合.首先,对红外图像和可见光图像分别进行曲波变换,得到两幅图像的低频分量和不同尺度的高频分量.在对源图像的各分量融合时,对低频分量采用平均加权进行融合.对高频分量采用取绝对值较大的方法进行融合,得到融合后的低频分量和不同尺度的高频分量,最后对这些融合后的分量进行重构,得到融合图像.仿真结果表明:和基于小波变换的融合算法相比较,该算法较好地保留了源图像的细节信息,提高了融合的效果.     

基于Krawtchouk不变矩的复制-粘贴篡改盲检测算法

针对数字图像检测中一类常见的复制-粘贴图像篡改,提出一种基于小波变换和径向Krawtchouk不变矩的盲检测算法。算法利用小波变换提取图像的低频分量,对低频分量分块提取径向Krawtchouk不变矩特征,这种特征描述方式对图像旋转后处理具有鲁棒性,然后将特征向量进行按字典排序,并结合数学形态学进行图像复制篡改区域的检测和定位。实验表明该算法能有效地定位出复制和粘贴的图像篡改区域,并对粘贴区域旋转操作具有很强的鲁棒性。     

融合小波变换和形态学差分的图像边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出了一种融合小波变换和形态学差分算法的边缘检测方法。将源图像进行小波分解,高频分量利用小波模极大值算法进行边缘检测,可有效提取高频边缘;低频分量采用形态学差分算法进行边缘检测,能够检测出低频边缘;采用一定的融合规则将两个边缘检测图像融合在一起。实验结果表明,该方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

一种使用机器学习方法的数字水印算法

针对目前数字水印算法存在的不足,本文将离散小波变换和奇异值分解相结合,提出了一种基于机器学习的图像数字水印算法.首先将载体图像进行一级小波变换,提取其低频子带图像对其进行4×4分块处理,然后对每一分块进行奇异值分解后嵌入水印,并提取特征向量用于最小二乘支持向量机的训练,训练好的最小二乘支持向量机用于自适应最大水印嵌入强度的计算以及水印的盲提取.实验选取三张512×512的标准测试图像以及64×64的二值水印图像对算法的透明性与鲁棒性进行测试.实验结果证明,图像具有很好的透明性,PSNR达到了63.71dB,针对旋转、剪切、JPEG压缩、高斯噪声等常规攻击手段时,算法能保持较强的鲁棒性.     

一类SVD域水印问题分析及改进算法

分析了一类SVD域图像水印算法存在过高虚警率的原因,并给出了相应的实验结果。在此基础上,提出了一种混合DWT和SVD的图像水印算法。算法先将载体图像划分为互不重叠的块,并对每一块进行1层DWT分解,再对低频子带进行SVD分解。采用量化的方法,将Arnold置乱处理后的水印图像嵌入到SVD分解后的奇异值之中。实验表明,提出的算法克服了传统的SVD图像水印算法存在的虚警问题,对常见的信号处理如JPEG压缩、滤波、噪声等具有较好的鲁棒性。     

基于NSCT和支持向量机的SAR图像识别

针对传统的合成孔径雷达图像（SAR）识别算法识别精度低,用时长等问题,提出一种基于非下采样轮廓波变换（NSCT）和支持向量机（SVM）的SAR图像识别算法。首先通过非下采样轮廓波变换将目标图像分解成不同的尺度,然后得到目标图像的低频分量和高频分量;接着在高频分量中提取方向梯度直方图特征（HOG）,在低频分量中利用局部二值化算法（Local Binary Pattern,LBP）提取纹理特征;然后将提取的梯度方向直方图特征和局部二值化特征空间连结,并使用支持向量机（SVM）作为分类器;最后对算法进行了测试。实验结果表明,该方法不仅能够有效地提高了SAR图像目标分类的精度,在MSTAR数据库上的准确率达到90.7%,而且对相干斑的影响具有较高的鲁棒性。     

A hybrid DWT-SVD copyright protection scheme based on k-means clustering and visual cryptography

In this paper, a novel copyright protection scheme that combines the discrete wavelet transform (DWT) and the singular value decomposition (SVD) is proposed. Instead of modifying the original host image to conceal a secret image, the proposed scheme first extracts the image features from the host image by applying the DWT and the SVD. The extracted features are then classified into two clusters by employing the k-means clustering technique, and a master share is generated using the clustering result. Finally, the master share is used together with a secret image to construct an ownership share according to a two-out-of-two visual cryptography (VC) technique. When rightful ownership needs to be determined, the secret image for ownership identification can be revealed by stacking the master share and the ownership share. Experimental results demonstrate that the proposed scheme can effectively resist several common attacks. In addition, the revealed watermark can be easily recognized by human eyes, even if the host image has undergone severe attacks.     

基于DCT和SVD的图像哈希水印算法

为使频域水印技术更好地应用于数字图像的版权保护,提出一种基于离散余弦变换和奇异值分解相结合的图像哈希水印算法。利用DWT变换提取载体图像的低频系数矩阵构造水印;对载体图像进行分块DCT变换,提取每个子块的低频系数;对低频系数所组成的矩阵进行SVD变换,在对角阵上嵌入水印;对频域系数进行逆变换得到含水印图。将已有算法和当前所提出的算法进行对比,实验结果表明,所提水印算法具有良好的不可感知性和鲁棒性。     

结合Contourlet和HSI变换的组合优化遥感图像融合方法

针对遥感图像中全色图像与多光谱图像融合问题,提出一种组合优化图像融合方法——COFM.通过HIS变换获取多光谱图像的亮度分量后,采用Contourlet变换对全色图像和多光谱图像的亮度分量进行分解,分别获取其高频和低频子图;对高频子图提取分形特征,采用取最大的融合规则进行融合;对低频子图提取能量特征后采用第二代非支配排序遗传算法选择融合权值;然后使用加权模型对其进行融合.实验结果表明,COFM的融合效果优于传统图像融合方法,能够在提升图像空间分辨率的同时较好地保留光谱信息.     

基于混合变换域的奇异值分解水印算法

提出一种基于离散小波变换(Discrete Wavelet Transform,DWT)及离散余弦变换(Discrete Cosine Transform,DCT)的混合变换域与奇异值分解(Singular Value Decomposition,SVD)相结合的数字水印算法。该算法将原始图像的小波子图进行分块DCT变换,抽取各块含图像大部分能量的部分合并,并对此矩阵进行奇异值分解再进行水印的嵌入。实验仿真表明,这种方法能抗大多数图像处理攻击,具有良好的鲁棒性。