一种基于稳定区域的图像特征描述子

当不同成像条件下图像局部内容的特征存在明显差异时,会导致特征描述子难以正确匹配。为此,提出一种基于稳定区域的图像特征描述子。利用最大稳定极值区域检测算法提取图像的稳定区域,结合图像特征点的位置和尺度信息,根据稳定区域计算特征主方向,在适应于特征点所属稳定区域尺度的较大邻域内,生成基于对数-极坐标系的特征描述子。应用结果表明,该描述子在图像局部内容变化较大时仍具有旋转不变性和稳定的匹配性能,能有效解决印刷电路板CT图像的配准问题。     

基于FRFT和LBP的笑脸识别

利用FRFT的时频双重特性和LBP算子能提取纹理图像微小特征的优点,提出一种将分数阶Fourier变换(FRFT)与局域二值模式(LBP)算子相结合的笑脸识别算法.对训练样本进行分数阶Fourier变换,取其变换的幅值信息作为脸部表情特征,与LBP融合进行分类判别,同时采用总体识别率和笑脸识别率统计结果,在RML表情数据库进行仿真验证.实验结果表明,该方法在笑脸识别中相比其他方法的识别性能更好.     

基于离散余弦变换的图像局部特征描述子

针对尺度不变特征变换(SIFT)描述子受光照变化影响较大的缺点,提出一种基于离散余弦变换(DCT)的图像局部不变特征描述子。在DCT变换的基础上,忽略高频系数,使用少数中低频系数组成特征矩阵,以降低描述子的维数。利用DCT频率系数正负性对光照变化不敏感的特点,在计算描述子间距离时设置惩罚因子,以提高描述子的可区分性。测试结果表明,与SIFT描述子相比,该描述子具有较好的显著性,且查全率和查准率较高。     

基于混沌加密和SVD的数字图像水印算法

为提高传统数字图像水印算法的安全性,提出一种基于混沌加密和奇异值分解的水印算法.采用Chebyshev混沌映射产生的混沌序列加密水印图像,将加密后的水印图像与原始图像进行分块,再对每一块进行奇异值分解,从而实现水印的嵌入.仿真实验结果证明,该算法对JPEG压缩、高斯噪声、椒盐噪声、滤波等具有较高的鲁棒性,同时能较好地抵抗剪切攻击.     

DVC中基于DCT系数统计特性的量化算法

针对变换域分布式视频编码问题,提出一种自适应量化算法AQSC。根据视频帧离散余弦变换系数的分布特点,确定各子带的重要性,只对重要的子带进行量化及编解码,不重要的子带不进行量化及编码,且在译码时直接用边信息代替。实验结果表明,AQSC算法可提高分布式视频编码系统的率失真性能,减少译码码率,解码后视频序列的整体质量有所提高。     

一种基于量化表修改的F5隐写方法

IQTM-F5方法在高嵌入比情况下,DCT系数直方图统计特性会被破坏。针对该问题,利用新的信息嵌入策略并结合IQTM-F5方法中采用的修改后量化表,提出一种保持DCT系数直方图统计特性的F5隐写方法。实验结果表明,该方法能够取得与IQTM-F5方法近似的信息隐藏容量和嵌入效率,隐秘图像具有更高的图像质量,并且抗直方图统计分析攻击的能力更强。     

基于显著图的SIFT特征检测与匹配

基于尺度不变特征变换(SIFT)特征的图像匹配存在特征点数量大、运算时间长等问题。为此,引入视觉注意机制,提出一种基于显著图的SIFT特征检测与匹配方法。比较常用的显著图计算模型,选择谱残差方法提取图片的显著图。对显著图进行二值化和形态学等处理,得到规则合理的显著区域。在显著区域内提取SIFT特征,生成特征向量,进行图像匹配。实验结果表明,该方法能提高运算效率,并且得到的SIFT特征更加稳定。     

基于映射复支持度变换的多聚焦图像融合

针对支持度变换在多聚焦图像融合技术方面存在的不足,提出了基于软空间映射的复支持度变换的图像融合方法,该方法将图像信息(实数域)映射到其软空间的象(复数域),在此基础上进行支持度变换,既保留支持度变换已有的优点,又增加了图像的分解信息量,进一步提高了图像融合质量.实验结果表明在主观融合效果与客观评价指标方面与支持度变换相比均有一定提高.     

基于Arnold变换和Lorenz混沌系统的彩色水印图像加密算法

该算法利用Arnold变换以及彩色图像的置乱度定义,求解Lorenz混沌系统的动力学方程,得到三个混沌序列;然后对Arnold置乱后的每个颜色分量进行置乱处理。仿真实验结果表明,该算法克服了Arnold变换和Lorenz混沌系统的缺点,能够抵抗多种攻击,使彩色水印图像具有较高的安全性。     

基于直方图对的MPEG-4无损数据隐藏

目前绝大部分无损数据隐藏方案,只能无损恢复嵌入数据,而在数据提取后,原始的视频载体无法完全恢复,本质上仍是有损隐藏算法.为了实现视频无损认证和隐蔽通信,提出基于直方图对的MPEG-4视频无损数据隐藏方法.通过直方图调整,在MPEG-4视频的帧内视频对象平面(I-VOP)的量化离散余弦变换(DCT)系数中隐藏数据.同时,在提取过程中不需要原视频的参与,获得嵌入数据并且完全恢复原始视频.理论分析与实验结果表明,该方法失真程度小,隐蔽性高,适用性大.