一种新的自适应半脆弱水印算法

提出了一种基于图像内容的自适应半脆弱数字水印算法．该算法首先结合梯度分割阈值选取策略, 自适应抽取图像内容特征并作为水印信息；然后利用载体图像邻域特性自适应确定量化步长,并通过量化调制小波系数嵌入数字水印；最后通过比对提取出的水印信息与重新抽取出的图像内容特征,实现对待检测图像的完整性检验和篡改定位．仿真实验证明, 该自适应半脆弱图像水印算法不仅具有较好的篡改检测与定位能力,而且具有较强的抗攻击能力.     

基于图像特征点的强鲁棒数字水印嵌入方案

提出了一种抵抗一般性几何攻击的数字水印新算法. 该算法首先利用多尺度 Harris 检测算子从载体图像中提取出稳定的特征点; 然后根据特征尺度自适应确定局部特征区域, 并对其实施归一化处理; 最后结合预失真补偿理论, 采纳 DFT 中频幅值比较策略将水印信息重复嵌入到多个归一化局部特征区域内. 仿真实验表明, 本文算法不仅具有较好的透明性, 而且对常规信号处理和一般性几何攻击均具有较好的鲁棒性.     

基于特征点密度的DCT域盲检测数字水印算法

针对数字水印图像遭受几何攻击问题,提出了一种融合图像不变特征和频域稳定特性的强鲁棒数字水印盲检测算法。通过构造自适应尺度不变特征变换(SIFT)算法和Harris角点补位法,利用在不同尺度空间获取的特征点的密度自适应地调整水印信息嵌入到离散余弦变换(DCT)域的强度;将图像子块的特征向量集进行Arnold置乱,生成密钥文件,与隐秘图像的特征向量做双向特征匹配,获得几何失真参数并进行图像恢复性校正,以盲检测的形式提取IDCT反变换域水印信息。从实验结果来看,该算法比使用离散小波变换(DWT)和离散傅里叶变换(DFT)的峰值信噪提高13%,水印相似度提高11%,说明该文算法在获得较好的不可见性的同时,对几何攻击和常规信号处理均具有良好的鲁棒性。     

一种模板和图像特征相结合的数字水印算法

针对目前基于图像特征的数字水印对非等比例缩放攻击鲁棒性不足的现状,提出了一种模板和图像特征相结合的水印算法。该算法首先利用模板信息纠正非等比例缩放的攻击,再用Harris Laplacian检测算子从载体图像中提取出稳定的特征点,然后根据特征尺度自适应确定局部特征区域,并采用圆环量化的方法将水印信息嵌入到局部特征区域中。实验表明,新算法可以保证水印的不可见性,而且对常规信号处理和几何攻击尤其是非等比例缩放具有较好的鲁棒性。     

置换DCT域中频系数的盲水印嵌入算法研究*

介绍了一种基于离散余弦变换域(DCT)中频系数置换的盲水印算法,用该算法对数字水印进行了自适应嵌入方法研究.该算法突破了数字水印的加性算法、乘性算法等传统的水印嵌入方法;解决了被提取水印中含有原始图像DCT系数从而影响水印检测准确性的问题.该算法使用人类视觉模型对水印图像进行自适应嵌入,使嵌入的数字水印从根本上不可逆.实验证明该算法对数字水印的滤波、剪切、噪声等攻击有很强的鲁棒性.     

自适应小波变换的混沌扩频数字水印

在分析了自适应小波变换和扩频特性关系的基础上,研究了混沌序列扩频特性,并提出一种基于自适应小波变换的混沌扩频数字水印算法.利用该算法,可实现混沌扩频图像数字水印的嵌入和提取.计算机模拟实验表明该方法具有较好的不可视性、鲁棒性,并且可以实现扩频数字水印的盲检测性.     

基于图像特征点与伪Zernike矩的鲁棒水印算法研究

以Harris-Laplace检测算子及伪Zernike矩相关知识为基础,提出一种可有效抵抗几何攻击的数字水印新算法.该算法首先利用Harris-Laplace检测算子从载体图像中提取出稳定的特征点;然后根据特征尺度自适应确定局部特征区域,并使其尺度标准化;最后通过量化调制伪Zernike矩幅值将水印     

基于图像特征的数字水印算法研究

为了使数字水印具有更鲁棒的抗攻击能力，提出了一种基于图像特征的数字水印新算法。该算法首先利用Harris—Laplace算子提取载体图像特征点；然后结合特征尺度白适应确定局部特征区域；最后，采纳DFT中频幅值比较策略将数字水印信息重复嵌入到多个不相交的局部特征区域中。检测时，根据模糊模式识别的最大隶属度原则检测水印信息。仿真实验结果表明，该新算法不仅具有较好的透明性，而且对常规信号处理（中值滤波、边缘锐化、叠加噪声和JPEG压缩等）和去同步攻击（旋转、平移、缩放、行列去除、剪切和局部随机弯曲等）均具有较好的鲁棒性。     

基于特征点的抗几何攻击水印算法

利用Harris特征点并结合图像的归一化原理提出了一种新的数字水印方案。由于Harris算子的算法简单,稳健性较好,图像的特征点在经过几何攻击后仍然可以保持。而且,归一化的图像对图像的旋转不太敏感,所以首先对每一个以特征点为圆心的互不重叠的圆归一化以确定水印的嵌入点,然后把水印嵌入到原来的图像中,这样,可以很好地解决水印嵌入和检测的同步问题。实验证明,该算法能很好地抵抗如旋转,缩放,剪切等形式的几何攻击与常规信号处理攻击。     

一种基于DWT的R-F数字水印技术

文章提出一种R-F(Robust-Fragile)数字水印新算法。该算法利用小波多尺度方法提取图像的边缘特征,将其作为数字水印自适应地嵌入到原始图像的小波域中。边缘水印与图像内容相关,因此,可将其看作图像的数字指纹。在水印提取阶段,利用相关运算可以检测水印的存在性,而利用比较运算可以判断出原始图像被篡改的部位。因此该算法具有鲁棒性和脆弱性水印的双重特点。实验验证了算法的有效性。     

基于特征的hausdorff距离图像配准

针对图像配准问题,提出了基于Harris及SIFT(Scale-invariant feature transform)特征的Hausdorff距离方法来实现图像配准。首先利用harris角点检测和SIFT特征提取参考图像和待配准图像的角点,通过两种方法获得的角点在融合之后获得更大的角点搜索范围,再利用相似一致性匹配原则剔除错误角点,进而通过改进的Hausdorff距离算法完成图像的配准操作。结果证明,改进算法比传统Hausdorff距离算法运行时间更短,算法时间降低约45%,具有较强的抗噪声能力和旋转鲁棒性,提高了图像配准的效率和精确性。     

基于Harris与SIFT算法的自动图像拼接

图像拼接技术被广泛应用于遥感图像处理、计算机识别、医学图像分析及人工智能等方面。本文针对尺度不变特征变换(SIFT)算法特征提取较复杂、计算时间长的缺点,而Harris算法提取特征点快速有效的优点,提出了一种结合Harris与SIFT算法优点的算法,并将这种算法应用于图像的自动拼接。首先利用改进的Harris算法提取图像特征点,再使用SIFT算法来描述特征点,然后利用欧氏距离对所得的特征向量进行匹配,最终实现图像的自动拼接。实验结果表明,该方法能有效提高SIFT的匹配效率,较好地完成对图像的自动拼接。     

SAR图像尺度不变特征提取方法研究

与光学图像相比,SAR图像噪声干扰明显增强,导致光学图像处理领域中常用的尺度不变特征提取算法的稳定性在SAR图像中明显下降。为此,提出一种基于Harris算子的SAR图像尺度不变特征提取方法。该方法首先将单尺度图像特征点检测中具有良好稳定性的Harris算子拓展到多尺度图像域,并结合Harris算子极值点的稳定性分析实现尺度不变特征定位,以提高特征定位的稳定性。进而采用迭代滤波器取代传统卷积滤波器完成特征定位中所需高斯滤波操作,以提高特征定位的速度。最后利用特征点邻域内的像素梯度信息完成了特征描述字的构造。SAR图像实测数据验证表明,与其他尺度不变特征提取算法相比,本文算法具有更优的稳定性。     

基于微观图像的图像拼接算法研究

针对传统图像拼接算法不适用于局部特征点多的微观图像实时拼接问题,结合Harris角点、SURF算法和K-Means算法提出了一种改进的算法。具体的算法流程如下：通过Harris角点提取微观图像中的特征点,并在形成SURF描述子后利用最近近邻算法对这些特征点进行粗配准。通过K-Means算法对初次配准的特征点进行聚类分簇获取聚类中心,并提取有效聚类区域的特征点。对有效的特征点进行精确配准,并校验配准后特征点的斜率一致性和距离一致性,从而实现精确的特征点匹配。实验结果证明,该算法克服了特征点多造成图像拼接时间长和拼接误差大的问题,具有较强的鲁棒性和稳定性,可应用于微观图像实时拼接领域。     

基于改进SIFT特征的双目图像匹配算法

针对SIFT（尺度不变特征变换）算法无法准确定位物体形状特征的问题,提出了一种结合了Harris角点和SIFT算法的立体匹配方法。在DOG尺度空间提取Harris算子作为图像的特征点并为每个特征点定义主方向,计算出特征点的32维特征向量描述子并用BBF算法检索同名特征点之间的欧式距离进行匹配。在降低SIFT算法的时间复杂度的同时提高了算法提取特征点的形状意义,在双目图像匹配实验中取得了较好的结果。     

一种改进图像拼接算法的仿真研究

研究图像拼接优化问题,在图像拼接中有精度要求,但由于受到光照、目标移动、视角等影响,图像含有噪声,且容易发生变形,传统Harris特征提取算子不能适应图像变形特性,容易获得很多错误的特征点,导致后继的图像拼接精度低。为了提高图像拼接精度,提出一种改进Harris算子的图像拼接方法。首先对待拼接图像进行平滑和几何校正处理,然后采用改进Harris算子提取图像特征点,最后采用傅立叶变换实现图像配准,平均值法进行图像融合,得到一幅全景图像。仿真结果表明,改进算法不仅减少了图像拼接耗费的时间,同时提高了图像精度和拼接的效率,达到了图像无缝拼接的效果。     

一种基于特征的全自动图像拼接算法

提出了一种基于特征的图像自动拼接算法，本算法采用Harris角点检测算子提取特征点，并对特征角点进行初始匹配与求精，利用最小中值法去除局外点，使变换矩阵计算精确。最后进行颜色融合，生成无缝拼接图像，在大多数情况下，算法可自动完成，实验结果表明，该算法取得了理想的拼接效果。     

基于特征点的图像拼接方法

提出了一种基于特征点匹配的全景图像拼接方法.该方法首先利用sift算法提取各图像中的特征点并利用Harris算法对图像特征点提取进行了优化,然后采用基于K-d树的BBF算法查找和确定初始匹配点对,完成特征点的粗匹配,再根据图像配准结果使用稳健的RANSAC算法对粗匹配的特征点进行筛选,计算出图像间变换矩阵H,最后采用渐入渐出的加权平均的融合算法对两幅图像进行无缝拼接,形成一幅完整的全景画面.实验结果验证了该方法的有效性,拼接效果较好.     

具有SIFT描述的多尺度角点图像配准

角点含有丰富的图像结构信息,在图像配准中是广泛应用的图像特征。Harris算法是经典的角点提取算法,Harris角点对图像旋转具有不变性,但对尺度变化敏感,在有尺度变化的图像配准中,应用受限。仿照SIFT特征点提取过程,提出了一种多尺度角点提取方法,提取的多尺度角点对图像旋转和尺度变化有很好的适用性。并用SIFT描述子描述,用光学及SAR图像进行了配准实验。结果表明,与SIFT、Harris算法相比,本文方法在保证配准精度的基础上,配准时间减少40%以上,特征点在配准过程中的利用率提高一倍多。     

基于改进SIFT算法的山谷地形影像匹配

针对山谷地形的低空影像中地貌单一且特征不易提取的问题,本文对SIFT算法改进,融合Harris特征提取算法优势,得到一种可用于山谷地形下低空无人机影像特征提取与匹配的算法。算法首先利用Harris算法和SIFT算法分别提取特征点,对两种算法提取的特征点进行合并,然后运用SIFT算法对合并后的特征点进行描述,再利用特征点特征向量的欧氏距离进行粗匹配,最后利用RANSAC算法进行精匹配来提高匹配精度。为了验证该算法的有效性,选用一组山地影像数据进行实验并与SIFT算法进行比较,结果表明:算法有效地提升了山谷地形影像上特征点匹配精度。