基于DWT的抗RST攻击鲁棒性数字水印

针对现有数字图像水印方法对几何变换攻击鲁棒性不足的问题,提出一种基于离散小波域的抗几何攻击数字水印方法,对图像进行离散小波变换,在其低频逼近子图嵌入水印,通过检测其不变矩实现数字水印检测。由于所选不变矩具有旋转、平移、尺度变换不变特征,因此该方法对几何变换攻击具有鲁棒性。仿真实验结果表明,该方法对普通加噪、滤波、JPEG压缩攻击以及旋转、缩放、平移等几何攻击均具有较好的鲁棒性。     

基于Radon变换不变矩和小波提升的水印算法

提出了一种基于Radon变换不变矩和提升小波的抗几何攻击水印算法。该方法首先对图像进行一次提升小波分解,然后计算其低频成分的Radon变换不变矩来构建水印系统。水印提取过程简单,只需计算所得图像的几个Radon变换不变矩不变量。文章给出了实验结果,并与基于几何矩不变量的算法进行了比较。经过仿真实验证明,该方法对于旋转,缩放,平移等攻击具有很好鲁棒性的同时,对于普通的加噪,滤波,JPEG压缩攻击也具有很好的鲁棒性,且具有极低误检率。     

基于重采样检测的JPEG图像拼接篡改取证

数字图像在进行拼接篡改时,为了不留下视觉上的明显篡改痕迹,往往会对篡改的区域进行缩放、旋转等重采样操作。针对这一现象,本文提出一种新的基于重采样检测的JPEG图像拼接篡改取证算法,该算法通过对JPEG图像局部区域二阶导数进行Radon变换,并求其自协方差后进行快速傅里叶变换,在频域中消除JPEG压缩的影响,最后判断该局部区域是否经过重采样操作,以作为判断被检测的JPEG图像是否经过拼接篡改的证据。实验结果表明,本文算法对于经过包括缩放和旋转等重采样操作后拼接成的JPEG图像有较好的篡改取证效果。     

基于Radon变换和SWT的旋转不变纹理分类

提出了一种应用Radon变换和离散平稳小波变换(SWT)的旋转不变纹理分类算法。该方法首先对纹理图像进行Radon变换将旋转转化为平移,再用具有平移不变性的离散平稳小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机实现纹理图像的分类。将本方法与其它旋转不变纹理分类法进行比较,实验结果表明,提出的方法能有效地提高正确分类率。     

Radon变换不变矩在数字水印技术中的应用

几何形状识别在计算机视觉中具有重要意义,不变矩由于其在图像平移、伸缩、旋转时均保持不变,而且具有全局特性,是几何形状识别的主要方法。但现有的基于不变矩理论的数字水印算法还不多,而且传统的数字水印算法在水印检测时均存在误检和漏检的问题。针对以上提出的问题,文章提出一种基于Radon变换不变矩鲁棒性数字水印技术可以有效地减少水印的漏检和误检问题并经过仿真实验证明,该方法对于旋转,缩放,平移等几何攻击具有很好鲁棒性的同时,对于常规信号处理（加噪,滤波,JPEG压缩等）攻击也具有很好的鲁棒性,且具有极低误检率。     

基于Radon变换的水声图像矩特征提取与分类

成像声纳采集的水声图像分析是自动水下潜器研究中的一个重要课题，该文提出了一种基于图像边缘Radon变换的水声图像矩特征提取和分类方法。使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓，构造目标轮廓在 Radon变换空间的平移、比例和旋转矩不变量，应用于3类水下物体的分类中，实验仿真结果表明该方法在运算速度上优于Hu’s不变矩和图像目标面Radon投影空间不变矩，具有很好的性能和较高的实用价值。     

基于投影变换的声纳图像特征提取与识别

用投影变换的方法进行了成像声纳采集的水声图像特征提取与识别。阐述了Radon与扇束投影变换的特点与关系,并提出了一种基于图像边缘Radon变换的水声图像矩特征提取和识别方法。首先使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓,构造目标轮廓在 Radon变换空间的平移、比例和旋转矩不变量,并应用于三类水下物体的分类识别中,实验仿真结果表明该方法在运算速度上优于Hu’s不变矩和图像目标面Radon投影空间不变矩,具有很好的性能和较高的实用价值。     

基于Fourier-Mellion变换抗仿射变换水印算法

现有的数字水印技术大多难以抵抗几何变换类攻击,如旋转、平移和尺度变换等,特别是仿射变换（旋转、平移和尺度变换混合的多种攻击）,其中一个最主要的原因是：几何变换虽然并未去除图像中的水印信息,但却使水印的检测与嵌入之间失去同步,从而导致水印检测的失效。针对以上原因提出了一种基于图像矩和傅里叶梅林变换抗仿射不变性水印算法。对于平移造成的几何攻击,在水印检测之前利用原始图像的几何矩估计水印图像所经过的几何变换,根据估计的参数对水印图像进行相应的校正和水印检测。对于旋转和尺度变换造成几何攻击,通过对数极坐标系能将笛卡尔坐标系中的旋转和缩放变换为平移的性质,结合Fourier变换来抵抗旋转和缩放攻击。实验结果证明,该方法可以获得良好的图像视觉效果,同时对于几何攻击具有很好的鲁棒性。     

抵抗几何变换的基于量化的水印技术

利用离散傅里叶变换对旋转、缩放和平移的不变性，通过对幅度谱进行矢量量化，在宿主图像DFT域中心化频谱的每个同心圆中嵌人一位水印信息，提取时采用“多数原则”来恢复水印的位信息，实现了盲检测．实验结果表明：该水印不仅具有较好的不可感知性，而且对诸如旋转、缩放、剪切、平移等几何变换的任意组合和常规处理有较强的鲁棒性．     

基于Radon和解析Fourier-Mellin变换的尺度与旋转不变目标识别算法

由于正交矩对噪声鲁棒性强、重建效果好,因此被广泛应用于目标识别与分类中,但是正交矩本质上缺乏尺度变换不变性,而且必要的图像二值化与规一化过程会引入重采样与重量化误差。为此,在研究现有正交矩的基础上,提出了一种基于Radon变换和解析Fourier-Mellin变换的尺度与旋转不变的目标识别算法。该算法首先直接对目标灰度图像进行Radon变换,然后对Radon变换结果进行进一步解析,通过Fourier-Mellin变换将原图像的旋转变化转化为相位变化,将原图像的尺度变化转化为幅度变化;最后,通过定义一旋转与尺度不变函数,同时利用不变函数的4种特征,再应用k-近邻法实现分类。理论与实验结果表明,由于避免了正交矩方法存在的重采样与重量化误差,该算法的分类精度高于基于正交矩的分类方法,而且对白噪声的鲁棒性也显著高于基于正交矩的识别与分类方法。     

SIFT和改进的RANSAC算法在图像配准中的应用

在机器人视觉系统中运用SIFT描述子对现实世界中的目标进行识别,这一研究已经取得了很大的进步。运用SIFT生成的图像特征向量的性能十分稳定,对旋转、缩放、平移是保持不变性的,对一定程度目标遮挡、光照变化、视点变化、杂物场景和噪声等也能保持很好的不变性。RANSAC算法早就已经是计算机视觉领域常用的一个进行矫正的标准方法,在标准的RANSAC算法基础上加入了假设评价,改进为R-RANSAC（The Randomized RANSAC）算法。对这两个方面进行论述,运用SIFT（尺度不变特征变换）算法对双目机器人的两幅视觉图像进行匹配,采用带SPRT的R-RANSAC改进算法对匹配过程进行优化,尽可能在短的时间里完成匹配矫正,进而加速整个配准的时间。     

基于图像哈希签名的数字水印

提出一种新的图像哈希函数,这种函数可以为不同图像内容的输入提供唯一的一个哈希值.通过使用特殊的图像HASH函数来完成签名信息的简化,并最终形成水印比特嵌入到图像中.结合数字签名和数字水印的特点,为进行图像认证提供了一种全新的途径.     

基于带参数整数小波变换可见数字水印

构造出了带参数的整数小波,应用变型的Rijndael密码构造出了Hash函数.提出了一种基于带参数整数小波变换、离散余弦变换及变型Rijndael加密算法的可见数字水印算法.利用整数小波的参数变化,并结合Hash函数保证了水印的安全,同时使得该可见数字水印满足公开密码体制.通过理论分析和实验证明,该方法能够保证图像的质量和水印的安全,在版权保护方面具有广阔的应用前景.     

综合contourlet变换和颜色特征的图像检索算法

针对单一特征图像检索效率不高的缺点,提出一种基于轮廓波变换(contourlet)和颜色直方图的多特征检索方法.Con-tourlet变换采用"双重滤波器组"结构,具备多分辨率、多方向性和各向异性等性质,能以接近最优的方式表示图像的边缘.颜色直方图计算简单,具有旋转、平移的不变性.本算法充分利用Contourlet变换后系数分布特点和HSV空间颜色直方图的旋转平移不变性,构造图像的特征向量,以Euclidean distance作为相似度量标准进行图像检索.实验结果表明,提出的算法具有更高的查准率.     

基于SIFT的椭圆区域鲁棒数字水印方案

如何有效抵抗去同步攻击是数字图像水印研究领域的热点问题之一。利用图像仿射协变特征,提出一种可有效抵抗去同步攻击的鲁棒水印算法。对目前流行的利用多尺度Harris和SIFT描述算子来匹配图像的方法,后者有较好的匹配效果,对恢复同步水印更加稳定,并且能较好抵抗去同步攻击。该算法利用性能稳定的SIFT算子提取图像特征点,并通过基于最小生成树聚类算法的选择策略获得一组稳定且彼此独立的椭圆仿射协变特征区域,基于特征区域,利用椭圆归一化得到具有缩放和旋转不变性的圆形区域。将圆形区域进行非下采样轮廓变换（NSCT）,其中非下采样轮廓变换不仅克服了小波（Wavelet）变换的非奇异性最优基缺点,而且提供了优于轮廓（Contourlet）变换的平移不变性。将水印嵌入变换后的低频子带中。该算法实现盲提取,仿真实验结果表明,提出的算法是有效的且对常规图像处理、几何攻击以及组合攻击均具有较好的鲁棒性。     

复合NSCT分解DCT变换和SVD分解的多重变换水印

为了提高水印的抗旋转攻击鲁棒性,加大水印的嵌入量,提出了一种基于非采样Contourlet变换（NSCT）和离散余弦变换（DCT）结合的双重变换域水印算法。对图像进行NSCT变换,将低频系数进行DCT变换,对DCT域低频系数进行奇异值分解（SVD）。经仿真实验表明,该算法对常规滤波、旋转有很好的鲁棒性,特别面对旋转攻击时,算法仍能很好地提取出水印信息。     

基于LSH的shapelets转换方法

针对基于shapelets转换的时间序列分类算法因shapelets候选集中存在大量相似序列而造成耗时过长的问题,提出了一种基于LSH的shapelets转换方法（Locality Sensitive Hashing Shapelets Transform,LSHST）,提出一种局部敏感哈希函数（LSH）的改进算法,对原始子序列候选集进行逐级过滤筛选,快速挑选出形态上具有代表性的shapelets集合,计算集合中shapelets的质量,采用覆盖的方法确定将要进行转换的shapelets,进一步减小shapelets的数量,进行shapelets转换。实验表明,与Shapelet Transform（ST）、ClusterShapelets（CST）和Fast Shapelet Selection（FSS）算法相比,LSHST在分类精度上最高提升了20.05、19.9和16.52个百分点,在时间节省程度上最高达8 000倍、16 000倍和8.5倍。     

基于点匹配的区域拷贝篡改检测

图像区域拷贝是一种常见的数字图像篡改技术,目前的大部分数字图像区域拷贝取证技术未考虑旋转和缩放因素。提出一种新的基于点匹配的图像区域篡改检测算法。首先利用尺度不变旋转变换(SIFT)寻找图像中的关键点,使用主成分分析法(PCA)对关键点进行降维描述,然后利用关键点特征向量的相似度寻找关键相似点。实验表明,该算法不但能够较精确地定位出复制和粘贴的图像伪造区域,还能有效抵抗噪声污染、有损压缩以及旋转等攻击,并有效地减少运算量,提高了检测效率。     

基于NSCT的红外与可见光图像融合

针对红外与可见光图像的不同特点,提出一种基于非采样Contourlet变换（NSCT）的红外与可见光图像融合算法。采用NSCT对源图像进行多尺度、多方向分解;分别采用基于局部能量和区域特征的融合规则得到融合图像的低频子带系数和带通方向子带系数;最后经过NSCT逆变换得到融合图像。实验结果表明,该算法能够获得较理想的融合图像,其融合效果优于基于Contourlet变换的图像融合算法。