基于图像混沌块置乱和DWT变换的无载体信息隐藏研究

无载体隐写通过提取载体特征,与信息序列进行映射,从而无需修改载体即可实现对秘密信息的隐藏,因此,具有极强的抗隐写分析能力,但是已有算法在隐藏容量方面仍然有限,且大多需要构建大样本图像库。本文提出一种基于混沌块置乱和离散小波变换（Discrete wavelet transform,DWT）的无载体信息隐藏算法,从秘钥中提取混沌变换的相关参数,对载体图像进行混沌块置乱生成多张新图像,再对其进行分块DWT变换,根据相邻图像块低频DWT系数之间的关系生成对应的哈希序列,并构建相应索引库。将载体图像及秘钥发送给接收方,实现秘密信息的传递。实验表明,与现有算法相比,该算法获得了隐藏容量和隐藏成功率的较大提升,具有较强的鲁棒性。同时,该算法架构简单,传输负载小,具有较强的实用价值。     

使用分形维数分类的密写方法

为了提供较大的隐藏容量和保持较好的载密图像质量,提出了一种基于分形维数的密写算法。该算法先根据位平面特性,把最不重要的几位补图像代替原图像,然后将该图像分割成固定的图像块,利用分形维数与图像间的关系,确定每个图像块的特点。结合HVS特性,根据纹理特征的强弱,提取与之对应的图像块的位平面高低,把这些提取出的位平面组成一个二进制序列,并对其置乱,根据矩阵编码把信息嵌入。针对大多容量与安全性相矛盾的情况,对统计攻击原理进行分析,提出的以分形维数作分类,结合置乱与矩阵编码技术密写方案很好地解决了这个问题。实验表明,该算法不仅具有较大的隐藏容量,而且对统计攻击具有一定的免疫性。     

基于混沌理论和整数变换的可逆信息隐藏

针对传统可逆信息隐藏算法存在宿主图像质量下降明显、安全性低、信息恢复需要较多额外负载等问题，提出一种混沌理论和整数变换相结合的可逆信息隐藏算法。将载体图像分为大小为2×2的子块并对其像素区分为标记像素和隐藏像素；将子块像素偶数化并将其扩展再获取与基像素的差异值；若扩展像素和差异值满足给定门限条件时，将混沌加密隐藏信息经整数变换再嵌入载体子块隐藏位置像素的最低有效位；否则，将标记位置像素奇数化并记录该原始像素的最低有效位。仿真测试表明，所提出的隐藏方法能够实现载体图像与原始图像无损恢复，不仅有效地减少了传输负载，且具有较高的安全性。     

结合二维Logistic映射与二维离散余弦变换的数字图像隐藏技术

为了应对日益增大的图像安全问题, 提出一种结合二维Logistic映射与二维离散余弦变换(2D-DCT)的数字图像隐藏算法. 首先, 利用二维Logistic映射产生的混沌序列对秘密图像进行像素扩散与置乱, 从而达到对秘密图像的加密效果. 接着, 分块对载体图像进行二维离散余弦变换, 然后把扩散与置乱后的图像信息分存在变换后每块的右下角. 最后再进行二维离散余弦反变换(2D-IDCT), 并得到隐密图像. 实验结果也表明, 该算法安全可行且隐藏效果良好.     

基于复合分类的快速分形图像压缩编码

针对分形编码方法耗时过长的不足，提出一种分类加聚类的快速分形图像编码方法，通过提取图像块的分形维数对图像块分类，在同类内基于分形维数聚类，使匹配搜索在同类的聚类域内进行，并对不同类块采用不同算法，实验表明，该方法与经典分形方法（PIFS）比较，在信噪和解码图像质量可接受的条件下，大大提高了编码速度，且压缩比有显著提高。     

一种新算法在图像信息隐藏中的应用

在研究人类视觉特性和DCT变换的基础上,提出了一种基于图像DCT域的分块自适应隐藏算法.算法将经过幻方置乱的秘密图像转换为一维二进制流,并根据人类视觉特性将随机间隔法选择的载体图像子块分成三类,再分别采用不同的嵌入策略把秘密信息嵌入到子块中.对平滑块是通过调整两个量化系数相同的中频DCT系数的相对大小,来完成秘密信息的...     

一种基于多小波变换的自适应图像插值算法

为使插值后的图像具有很好的视觉效果和较高的信噪比,并克服使用单小波变换放大图像时的斑点干扰现象,提出了一种新颖的自适应图像插值算法,通过将图像变换到多小波域,并利用多小波域内高频子带的分形维数,自适应的根据低分辨率图像以及该图像进行一级多小波变换后的高频子带信息获取高分辨率图像二级多小波变换的子带信息,对所得到的子带信息进行二级多小波反变换,可以得到更清晰的二倍插值图像。     

基于Gabor小波与分形维的人脸情感特征提取

提出一种基于Gabor小波变换与分形维的人脸情感特征提取算法,对包含情感信息的静态灰度图像进行预处理,对表情子区域实行Gabor小波变换,提取情感特征矢量,对人脸兴趣区图像求盒维数和差分分形维数,将经过Gabor小波变换所得的特征矢量和分形维数作为所提取的特征。分析比较了不同测试者7种基本情感的识别效果,实验表明该方法能有效提取与情感变化有关的特征。     

图像多区域信息隐藏算法

本文分析了信息隐藏变换域方法鲁棒性强的原因 ,指出其实质就是将机密信息多处隐藏。将这一思想应用于信息隐藏的空间域方法 ,提出MLSB算法。该算法把载体图像分为n×n个区域块 ,用LSB方法将机密信息隐藏到图像的每一个区域块。当图像遭受攻击后 ,图像像素值发生改变 ,通常这种改变只能发生在图像像素值的某些位。所以 ,仍然可以从未改变的像素值中提取嵌入信息。文中给出了MLSB信息嵌入和提取算法 ,并通过多方面的实验检测该算法。实验表明 ,和LSB算法相比 ,该算法的鲁棒性全面提高 ,也超过了很多信息隐藏的变化域方法。该算法对滤波亦有较好的鲁棒性。但该算法抗压缩能力 ,特别是在较低位平面时较差     

DCT域中的快速分形编码

分形图像压缩应用了图像的自相似性，目前许多对分形编码特性的研究都是在图像域中进行的。该文却试图探索在频率域中分形编码的特性。首先，综述了图像域中分形编码的特性，然后导出在离散余弦变换（简称DCT）域中仿射变换的伸缩因子和偏移量的对应公式。应用DCT的能量压缩特性，在度量图像子块和母块之间相似性中通过使用少量的低频DCT系数提出一种快速分形编码算法。接着进一步提出一种可能的快速混合分形编码的算法，该算法将快速搜索方法、统计规范化、频域比较结合起来。     

Coarse iris classification using box-counting to estimate fractal dimensions

This paper proposes a novel algorithm for the automatic coarse classification of iris images using a box-counting method to estimate the fractal dimensions of the iris. First, the iris image is segmented into sixteen blocks, eight belonging to an upper group and eight to a lower group. We then calculate the fractal dimension value of these image blocks and take the mean value of the fractal dimension as the upper and the lower group fractal dimensions. Finally, all the iris images are classified into four categories in accordance with the upper and the lower group fractal dimensions. This classification method has been tested and evaluated on 872 iris cases, and the proportions of these categories in our database are 5.50%, 38.54%, 21.79%, and 34.17%. The iris images are classified with two algorithms, the double threshold algorithm, which classifies iris images with an accuracy of 94.61%, and the backpropagation algorithm, which is 93.23% accurate. When we allow for the border effect, the double threshold algorithm is 98.28% accurate.     

基于图像金字塔的分维融合算法

数据融合是进行目标检测和识别的重要技术之一，但是在融合过程中不可避免地会产生信息损失。如何保留尽可能多的有用信息，关键在于融合算法的选取。由于图像金字塔中不同级的图像之间具有自相似性，而自相似性又是分形分维的基础。于是，根据图像金字塔的特点，提出了一种新的图像融合方法——基于图像金字塔的分维融合算法，将不同源图像分别分解成不同尺度的金字塔图像序列，在相应的尺度上以分形分维作为权系数进行融合，并采用中波红外和长波红外图像作为源图像进行融合实验，实验结果表明该方法是可行的。     

基于光谱曲线小波系数分维测度的高光谱影像高效分割方法

针对高光谱遥感影像处理效率的问题,提出了一种基于高光谱曲线小波分解低频系数分维特征影像和高频系数分维特征影像相结合的高光谱遥感影像分割方法。对高光谱响应曲线的分形测度进行了分析,提出基于光谱曲线小波分解高频系数的分维算法,得到多尺度高光谱分形特征影像。设计了低频系数分维特征影像和高频系数分维特征影像相结合的高光谱影像分割算法。高光谱曲线小波系数分维特征影像分割实验结果表明:该算法可取得与光谱曲线直接分形测度特征影像分割一致结果,但效率优于直接分维特征影像分割。     

基于灰度共生矩阵和同步正交匹配追踪的分形图像压缩

针对传统分形图像压缩中存在计算复杂度高以及编码时间较长的问题,提出了一种基于灰度共生矩阵纹理特征的正交化分形编码算法。首先,从特征提取和图像检索的角度建立起范围块和域块之间的相似性度量矩阵,由此将全局搜索转化为局域搜索来缩减码本;然后,定义一个新的规范块作为新的灰度描述特征,从而简化了块之间的变换过程;最后,引入同步正交匹配追踪（SOMP）稀疏分解正交化分形编码的概念,将块之间的灰度匹配转化为求解相应的稀疏系数矩阵,进而实现了一个范围块和多个域块之间的匹配关系。实验结果表明,与稀疏分形图像压缩（SFIC）算法相比,所提算法在不降低图像重建质量的前提下节省平均约88%的编码时间;与双交叉和特征算法相比,所提算法能够在保持更好的图像重建质量的同时显著缩短编码时间。     

骨髓细胞显微图像的分形特征分析

为了更好地完成骨髓细胞图像的分类识别,在对临床血液学及细胞学图谱中的细胞图像进行切分的基础上,提出了一种基于分形维数和图像重心的算法,用来提取每一细胞图像的分维特征.由于图像的纹理不仅表现在图像结构上具有某种统计意义的相似性,还反映在彩色分布方面,因此,可从骨髓细胞的真彩色图像中提取一个新的彩色识别分量图像C,并与HIS彩色空间的饱和度分量图像S一起进行分维特征提取.实验数据表明,由于不同类型骨髓细胞图像的分形参数具有不同程度的差异,因此分形参数对于某些类别的骨髓细胞具有较好的区分能力.     

基于多小波和分维的图像融合算法

多小波理论是小波理论的扩展,在图像处理方面具有单小波所不具有的优点。它能为图像提供一种比小波多分辨分析更精确的分析方法。在图像的多小波分解的不同尺度上的子图像间有自相似性,而自相似性又是分形分维的基础。于是,根据图像多小波分解的特点,提出了一种新的基于图像多小波分解的分维融合算法,将不同源图像经多小波变换分别分解成不同尺度的子图像,对高频子图像在相应的尺度上以分形分维作为权系数进行融合,对低频子图像在相应的尺度上以区域能量作为权系数进行融合,并分别采用多聚焦图像、可见光和红外图像作为源图像进行融合实验,实验结果表明该方法是可行的。     

一种多尺度高光谱影像小波分形维特征计算方法

提出了一种基于高光谱曲线小波分形测度的高光谱影像多尺度分形维特征分析方法。对高光谱影像的光谱响应曲线的小波域高频和低频系数统计特性、分形特征进行了分析,提出以小波低频分形维表征原始光谱曲线分形特征,以小波系数高频分形维表征高光谱细节特征方法,设计了基于高光谱曲线小波分形维的多尺度特征计算算法,实验结果表明,小波分形维值可有效表征丰富的光谱特征,可用于高光谱影像特征提取和分类。     

遥感图像的分形特征

为了通过分形理论将空间结构信息应用于遥感解译之中,引入一种分析遥感图像分形特征的方法,运用所编程序对-景ETM 遥感数据进行运算,得到所需分形特征数据.并发现:所得分维值的大小能相对地表达原图像的复杂性,原图像及地物的复杂性都与分维值的大小具有正相关关系.该算法还可以计算除遥感图像外其他数字图像的分形特征,并为将遥感图像的空间结构信息引入遥感分类打下基础.     

应用分形维数的自适应张量投票算法

张量投票算法是感知聚类方法中一种比较常用的计算方法,可以应用到图像处理等各个方面,具有较强的鲁棒性,非迭代等特性。张量投票算法中尺度参数的自适应选取对于投票域的建立起着至关重要的作用。通过分形维数来选取尺度参数,建立了尺度参数与分形维数的关系,提出了基于分形维数的自适应张量投票算法,并将该方法应用于图像的线特征提取和边缘修复。与传统的张量投票算法进行比较,该方法在图像线特征提取和边缘修复方面获得了较好的实验结果。     

基于分形和统计的复制-粘贴篡改图像的检测

现在大多数图像“复制-粘贴”篡改检测算法对于区域复制后的进一步混合处理不能进行有效检测。为此提出了一种新的基于分形和统计的检测方法。首先将图像分块并提取每块的特征向量,该特征向量由分形维数和三个统计量组成;接着对所有特征向量进行字典排序;最后,利用图像块的位置信息和欧氏距离定位篡改区域。此方法不仅能够检测传统的复制-粘贴型篡改,而且还能够检测经过旋转、翻转以及旋转和翻转混合的多区域复制-粘贴型篡改;此方法也能够抵抗高斯模糊、对比度调整和亮度调整等攻击。实验结果表明了该方法的有效性。