彩色图像四元数频域奇异值分解水印算法

将四元数傅里叶变换与四元数奇异值分解技术相结合并引入到对彩色图像的水印处理,提出一种基于四元数频域奇异值分解的彩色图像盲水印算法.首先对彩色载体图像进行分块并采用四元数傅里叶变换(quaternion Fourier transform,QFT)得到其频域矩阵,然后对频域矩阵中的单位小块进行四元数奇异值分解(quaternion singular value decomposition,QSVD),得到实系数奇异值,使用奇偶量化调制法将水印信号嵌入到单位小块的最大奇异值中.仿真实验结果表明,嵌入的水印分布在空域图像各彩色分量中,在不可见性以及鲁棒性的比较中优于传统的彩色图像亮度域以及独立多通道处理方法.     

基于四元数傅里叶梅林变换的旋转不变彩色纹理分类

提出一种基于四元数傅里叶梅林变换(Quaternion Fourier-Mellin Transform,QFMT)的旋转不变彩色纹理分类方法。该方法首先对彩色图像各分量图像进行对数极坐标变换,然后将经过变换后的3幅分量图像表示成四元数,并对其进行四元数傅里叶变换(Quaternion Fourier Transform,QFT),最后对幅度谱分别统计其环形特征量和楔形特征量作为纹理分类的特征向量,利用最近邻分类器进行分类。实验结果表明,本文提出的方法分类准确率更高,且具有良好的旋转不变纹理分析性能。     

四元数与彩色图像边缘检测

本文将彩色图像像素的R、G、B分量作为彩色空间矢量的三个分量，利用矢量场通量以及四元数关于矢量旋转的相关知识，得到两种彩色图像边缘检测方法。基于矢量场通量最大的检测算法，较传统的利用Sobel算子的方法能更全面地提取图像的边缘细节，并且针对不同的图像具有很强的自适应效果；基于四元数的检测算法，利用四元数对矢量旋转的方便表示，提出一种全新的彩色边缘检测方法。实验结果表明，本文提出的两种方法针对彩色图像的边缘检测具有较好的效果，特别是四元数矢量旋转方法，能够提取很多传统的灰度化方法所不能提取的图像纹理细节。     

基于四元数域的彩色图像双重零水印算法

提出一种基于四元数离散傅里叶变换QDFT(Quaternion Discrete Fourier Transform)和四元数离散余弦变换QDCT(Quaternion Discrete Cosine Transform)以及四元数奇异值分解QSVD(Quaternion Singular Value Disposition)的双重零水印算法。首先将彩色图像用四元数模型表示并进行分块四元数离散傅里叶变换,通过比较各块的部分系数幅值大小产生二值序列;然后,对各原图像块进行离散余弦变换和奇异值分解,利用奇异值矩阵和左右四元数矩阵的幅值来产生另一个二值序列。将二值序列与版权信息相结合产生零水印,并将零水印在知识产权IPR(Intellectual Property Right)中心注册。实验表明,该算法对常见攻击、部分组合攻击及未来可能的一些攻击方式具有较强的鲁棒性。     

结合双随机相位加密和四元数格拉斯曼平均网络的彩色人脸隐私保护识别

为保护彩色人脸图像的隐私并提高识别准确率,提出一种结合双随机相位加密和四元数格拉斯曼平均网络的彩色人脸隐私保护识别算法.首先将彩色人脸图像的颜色分量编码为纯四元数矩阵,使用双随机相位加密和四元数Gyrator变换进行加密.为了隐藏原始彩色人脸图像的内容,通过随机二值幅度掩模选取部分密文进行解密,得到不可见的人脸图像,然后使用四元数格拉斯曼平均网络提取人脸的特征向量和线性支持向量机进行识别.当人脸特征模板泄露时,可以重新生成随机二值幅度矩阵并构建新的特征模板替换原始的特征模板,满足可撤销性,从而保证原始人脸图像的安全性.在Aberdeen,Georgia Tech,Visible Light和YouTube Makeup 4个数据集上与当前3种人脸隐私保护识别算法进行比较,实验结果表明该算法能够有效地提高识别率,而且对数据集的变化具有较好的鲁棒性.     

彩色图像四元数频域幅值调制水印算法

彩色图像处理常用的独立单通道方式在处理过程中不能体现各彩色通道间的光谱联系。针对彩色载体图像,提出了一种彩色图像四元数频域幅值调制水印算法。首先在空域中计算四元数表示的载体图像块不均匀度大小,从而对载体图像的单位小块进行自适应选取;接着对彩色载体图像进行四元数傅立叶变换,得到其频域矩阵;然后计算分块傅立叶直流位置上的四元数模值,将水印嵌入在模值中。仿真实验结果表明,该方法可以把水印带来的误差扩散到图像的红、绿、蓝3色的各个分量上,且对常见攻击具有较好的鲁棒性,实现了数字水印不可见性和鲁棒性的良好结合。     

基于改进粒子群算法的彩色图像边缘检测方法

针对传统图像边缘检测方法检测效果不理想的问题,利用四元数的矢量旋转原理,将一种改进后的粒子群优化算法引入四元数图像边缘检测中,提出一种新的彩色图像边缘检测方法。实验结果表明,该方法对彩色图像的边缘检测效果较好,能够提取图像纹理细节,且算法稳定、容易收敛,边缘检测速度也较快。     

基于四元数矩阵奇异值分解的彩色图像分解

讨论了四元数矩阵的奇异值分解(QSVD),四元数矩阵的奇异值仍是正实数,但两个酉矩阵是含有四元数的四元数矩阵.给出通过四元数矩阵的等价实矩阵求解QSVD的有效算法.最后应用QSVD进行彩色图像分解,并给出了在Fruits、Baboon等图像上的实验结果.QSVD使许多基于SVD的图像处理方法可以推广到彩色图像处理上而不...     

一种新的彩色图像盲水印算法*

在探讨了四元数及四元数矩阵奇异值分解性质的基础上,用四元数矩阵来表示彩色图像,彩色图像的每个像素用一个四元数来表示,从而实现了将彩色图像的各个分量作为一个整体进行运算的思想;对彩色图像的四元数矩阵奇异值分解后的性质进行了研究,得出将四元数矩阵分解的方法用于彩色图像水印的嵌入和提取的可行性,并提出一种基于四元数矩阵奇异值分解、旋转和共轭运算的彩色图像盲水印算法进行验证。通过实验和对比表明,该算法具有良好的性能,能较好地抵抗常见的攻击。     

基于四元数和SOM神经网络的彩色图像边缘检测

针对传统边缘检测方法无法考虑到彩色图像各颜色分量的相关性,以及边缘提取效果受阈值影响的不足,提出一种四元数和自组织神经网络(SOM)相结合的彩色图像边缘检测算法。根据四元数柯西积分公式和四元数矢量积性质,构造图像的边缘特征向量对SOM神经网络进行训练,然后用训练好的SOM网络提取边缘。实验表明,该方法具有良好的边缘检测效果,并有较强的细节保持能力。     

Quaternion Based Maximum Margin Criterion Method for Color Face Recognition

Color is one of the basic features of images, which can provide very useful information and play an important role in face recognition. By using the quaternion matrix representation, the R, G, B information of each pixel is not destroyed and it can be taken as a organic body. Therefore, this paper proposes a quaternion based maximum margin criterion (QMMC) algorithm. Firstly, the quaternion number is used to denote the pixel of the color image, and a quaternion vector is taken to represent the color image. Secondly, the maximum margin criterion algorithm is used to project the quaternion vector in the high-dimension space into a low-dimension space. Finally, the nearest neighbor classification are taken for classification recognition. Numerous experiments show that the proposed QMMC can achieve better recognition performance.     

四元数矩阵正交特征向量系的求解方法及其在彩色人脸识别中的应用

针对四元数矩阵正交特征矢量系求解困难的缺点, 本文提出一种获取四元数矩阵正交特征矢量集等效、便捷的方法, 其基本思路为: 首先, 构造四元数矩阵定义于复数域的导出阵, 并利用该导出阵特征矢量空间的一种特殊的等价空间间接获取相应特征值所对应的特征矢量. 然后, 将复数矢量转换为四元数矢量, 按如此方式获取的对应所有特征值的非零特征矢量则构成原始四元数矩阵的正交特征矢量系. 同时, 本文将定义于实数域的主成分分析方法 (Principal component algorithm, PCA) 向四元数体作合理的推广, 给出详细的数学推导过程, 证明该方法的合理性及其在统计模式识别领域得以应用的可能性. 最后, 作者将彩色图像像素的R、G、B三分量作为四元数的三个虚数部分, 首次在人脸识别中引入基于四元数的彩色人脸识别方法. 较传统的基于灰度图像的识别方法, 本文方法不仅利用了人脸图像灰度值的空间分布信息, 而且充分利用不同人脸之间的色彩差异, 从而得到更多的鉴别信息.在四川大学人工智能研究所的彩色人脸库上进行的实验表明, 所提出的基于四元数的识别方法不仅大幅度提高了识别率, 而且具有较高的鲁棒性.     

一种基于四元数的彩色图像边缘检测改进算法

图像边缘检测对后续的图像分割和识别具有重要的作用。针对彩色图像的边缘检测的实际需求,对比分析了经典边缘检测算子的特点和不足,提出了多方向的Sobel边缘检测算子模板,并且针对传统边缘检测算法处理速度慢、运算量较大、对边缘细节位置处理效果差等缺点,结合彩色图像的四元数描述方法提出改进算法,结合对颜色空间的分解实现了对彩色图像的边缘检测。实验证明算法是有效的,边缘检测效果好且易于实现,使用四元数描述方法有效提高了边缘检测的速度。     

抗强剪切攻击的四元数彩色图像零水印算法

针对现有彩色图像零水印算法对存在信息量丢失的各种攻击(如剪切、行列移除、 涂抹等)的不足,提出一种基于非负矩阵分解(NMF)和四元数实矩阵的彩色图像零水印算法。该 算法首先提取彩色图像的3 个分量(R、G、B)并将各分量进行NMF 分解;其次将分解后的各系 数矩阵在版权中心进行注册,同时将原始彩色图像使用四元数实矩阵来表征,并计算实数字矩 阵的Krawtchouk 不变矩;最后,在版权中心注册Krawtchouk 不变矩特征向量;由剩余未剪切 部分的彩色图像和注册的系数矩阵共同恢复出完整的原始图像。实验结果表明：在彩色图像剪 切或涂抹面积超过80%时,水印信息仍可以正确地被提取;使用四元数彩色图像整体法表征图 像在图像类聚以及水印误检率方面的性能都要优于彩色图像三通道分别处理或直接灰度化实现 的效果。     

Quaternion Fourier-Mellin moments for color images

The quaternion Fourier-Mellin moments for describing color images are introduced, which can be seen as the generalization of traditional Fourier-Mellin moments for gray-level images. Then, the quaternion Fourier-Mellin moment invariants are derived, which could be a useful tool in color object recognition tasks that require the similarity invariance. In addition, the problem of color image registration using quaternion Fourier-Mellin moments is discussed. The registration method can match color images differing in rotation and scaling. The advantage of our method is that it can process color image directly, without losing color information. Experimental results validate the effectiveness of the method we proposed.     

基于伪Zernike矩归一化的人脸特征提取方法

以改进的伪Zernike矩相关知识为基础,提出了一种新颖的人脸识别特征提取方法。该方法在识别时不需要进行几何校正,降低了人脸识别系统的算法复杂度。计算人脸图像的伪Zernike矩,对其进行归一化处理,采用最小邻近分类器进行判别。实验结果表明,该算法不受人脸尺度和旋转变化的影响,并且对表情、姿态和光照具有较强鲁棒性。进一步探讨了伪Zernike矩在人脸识别方面的应用。     

Color face recognition based on quaternion matrix representation

There are several methods to recognize and reconstruct a human face image. The principal component analysis (PCA) is a successful approach because of its effective extraction of the global feature and excellent reconstruction of face image. However, the crucial shortcomings of PCA are its low recognition rate and overfitting of feature extraction which leads to the dependence of training data on training samples. In this paper, a modified two-dimension principal component analysis (2DPCA) and bidirectional principal component analysis (BDPCA) methods based on quaternion matrix are proposed to recognize and reconstruct a color face image. In these methods, the spatial distribution information of color images is used to represent a color face, and the 2DPCA or BDPCA feature of color face image is extracted by reducing the dimensionality in both column and row directions. A method obtaining orthogonal eigenvector set of quaternion matrix is proposed. Numerous experiments show that the present approach based on quaternion matrix can effectively smooth the overfitting issue and substantially enhance the recognition rate.