基于HVS和SOM的小波域隐写

为了提供较大的秘密信息嵌入量并保持良好的载密图像质量,提出一种基于SOM(自组织特征映射神经网络)和HVS(人眼视觉特性)的小波域图像隐写.该方法先将载体图像分成固定大小的小块,以小波对比度之和以及小波系数方差作为特征量.然后,利用SOM将小块分为三类.最后,采用模算子隐写将秘密信息嵌入到小波系数中.实验结果表明,与WHS算法相比,该算法有更大的嵌入量并保持了良好的载密图像质量.     

基于混沌加密的彩色图像自适应密写算法

提出了一种新的利用混沌信号作为密钥流对密写信息进行加密,进而根据载体图像特性进行分块,自适应调节嵌入深度的最低比特位（LSB）密写算法。实验结果表明,该密写算法具有较好的隐蔽性,以及较大的隐藏容量。通过对彩色图片的密写来进行文本信息传输,较好地解决了在互联网上信息传输的通信安全问题。     

基于小波变换的数字水印及Matlab实现

数字水印技术作为一门有效的多媒体版权保护技术受到越来越多的关注.提出了一种基于小波变换的图像数字水印算法.依据人眼视觉特性,将数字水印信息嵌入到经过小波变换后的图像的高频子带纹理区内,人眼不易察觉,再利用含水印图像和原始图像提取出嵌入的水印.采用多幅图进行实验,结果表明,该数字水印算法具有较好的隐蔽性,而且对常见的图像处理操作攻击具有较好的鲁棒性.     

一种基于混合变换域的自适应稳健性数字水印算法

为实现水印信息的隐蔽嵌入，同时提高水印的鲁棒性，提出基于根据人眼视觉特征的混合变换域自适应数字水印算法。首先改进了Just noticeable difference在小波域应用模型，自适应计算最佳嵌入强度因子后将水印信息叠加到奇异值矩阵中，实现水印的嵌入。实验证明：在保证水印嵌入量的前提下，PSNR值达到31dB以上，常规攻击时NC值接近1。同时该算法对剪切、压缩等攻击时NC值分别达到了0.9746、0.98878。该算法的透明性和鲁棒性较好，能够达到保护数字产权目的。     

基于自组织竞争神经网络和小波变换的密写

依照人眼视觉特性对边缘和较暗区域不敏感的特点,提出基于自组织竞争神经网络和小波变换的图像密写方法.该方法将载体图像分成若干固定大小的子块,对各子块进行一级小波分解后计算小波对比度和大幅值小波系数的数量,利用自组织竞争神经网络将各子块分为三类,并采用模算子技术嵌入秘密信息.实验结果表明,该方法在较好地保持原载密图像视觉效果的同时可以嵌入更多的秘密信息.     

一种基于重要系数小波树的数字水印算法

现有的基于小波变换的算法大多将水印嵌人在各个方向的中频或高频中,水印的稳定性差.文中提出一种基于重要系数小波树的数字水印算法,利用小波零树思想和人眼视觉的掩蔽特性,在彩色图像的蓝色分量小波域中构造重要系数树,然后将加密后的水印信息一部分嵌入到低频重要系数中,一部分嵌入到中频重要系数中.实验结果表明:该算法不仅具有较好的不可见性,并且对常见的图像处理操作具有较强的鲁棒性.     

基于小波对比度和模函数的安全密写算法

针对图像隐写中大容量、高保真度和安全性问题,依据人眼对变换剧烈及较暗区域均不敏感的视觉特点,结合模函数周期性运算,提出一种基于小波对比度和模函数运算的高保真图像隐写算法。该方法首先将载体图像按固定大小分块并计算其小波对比度,然后依据小波对比度确定各块嵌入深度,最后采用模函数运算嵌入秘密信息。实验结果表明,该方法能嵌入较多信息和保持良好的载密图像质量。     

一种基于Word文档的数字密写设计与实现

提出了一种新的基于Word文档的数字密写设计与实现方法,介绍了应用程序的实现方案,给出了系统组成方框图。实验结果表明,算法很好地实现了文本的嵌入和信息隐藏,且对传统攻击具有良好的鲁棒性。通过对Word文档的数字密写来进行汉字文本信息传输,较好地解决了在互联网上信息传输的通信安全问题,实践表明,系统具有推广和应用价值。     

基于多小波变换的彩色数字水印

随着数字多媒体技术的发展，数字水印技术已经成为数字版权保护领域的一个研究热点．多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足．针对传统数字水印技术的有限性，通过对频域数字水印算法进行分析，提出了一种新的数字水印算法．新算法以提升格式小波变换为基础，对原始图像和水印图像进行提升格式小波变换，将水印信息嵌入到中频系数中．实现了二维彩色图像将为水印信息嵌入到二维图像数据中．实验证明，新算法在对彩色图像进行水印处理方面达到较好的效果，具有较好的健壮性．     

基于小波域的自适应彩色图像双重水印算法

本文提出了一种基于小波分解的自适应彩色图像双重水印算法,将水印嵌入到人眼最不敏感的彩色图像的蓝色分量中,并且在蓝色分量中嵌入了双重水印,增强了数字媒体的版权保护,提取水印时不需要原始载体图像,实验结果表明该算法较好地保持了图像的质量。对常见的图像处理方法显示了较强的鲁棒性。     

RDWT域全相位子带运动补偿视频编码方法

当前小波视频编码技术的一个研究热点是如何提高运动补偿的效率．提出了一种基于RDWT（冗余离散小波变换）域的奎相位子带运动补偿视频编码方法．运动补偿过程在参考帧和当前帧的RDWT域进行，使用提出的RDWT小波块结构，利用RDWT域的全相位子带信息提高运动补偿效率．在RDWT域形成预测数据后变换到空域得到预测帧和残差帧，对残差帕进行DWT变换，SPECK小波系数编码．实验表明提出自寺方法获得了较好的编码效率．     

一种基于HVS的彩色图像水印算法

讨论了一种将彩色水印图像嵌入到原始彩色图像中的数字水印算法。它利用人眼视觉系统特性,采用了在DWT域下按照频带重要性来嵌入水印的规则,即：水印应当首先嵌入图像小波低频系数,若有剩余,再按图像小波频带重要性的排序嵌入高频带。实验结果表明,提取的水印表现出较好的鲁棒性,且主观视觉失真较小。     

基于奇异值分解的双重变换域图像水印算法

提出了一种基于奇异值分解的离散小波和离散余弦双重变换域数字图像水印算法。仿真结果表明,该算法不仅具有较好的水印不可见性,而且对常规攻击和几何攻击都具有较好的鲁棒性,且该算法采用灰度图像作为水印,增加了嵌入的信息量,在版权保护方面具有一定的应用价值。     

一种基于SVD分解的小波域数字水印算法

本文提出了一种基于离散小波变换和奇异值分解的数字水印算法。该算法充分利用了离散小波分解和矩阵奇异值分解(SVD)的固有特征,对Arnold置乱后的水印的多层小波分解子带做奇异值分解,把分解后的奇异值嵌入到原始图像的多层小波分解的相应子带中。水印的提取是嵌入算法的逆过程。Matlab仿真试验表明了算法的透明性、稳健性和安全性。     

基于小波—奇异值分解的数字水印新算法*

为了有效地保护数字作品的版权,提出了一种以离散小波多级分解与奇异值分解相结合的数字水印新算法。该算法充分利用小波与奇异值的固有性质,对原始图像进行多级小波分解,并对部分子带作奇异值分解。将水印置乱来保证一定的安全性,再对其进行分块离散余弦变换,然后将它嵌入到中间奇异值及其周围的部分矩阵块中。实验表明,该方法不仅有较好的透明性,而且能抗大多数处理攻击,有较好的鲁棒性。     

双重保护的半盲彩色数字水印算法

研究了一种基于DWT与SVD相结合的半盲彩色数字水印算法,鉴于嵌入水印的实用性,原始图像与水印图像采用的都是彩色图像。在置乱变换系数和半盲水印的双重保护下,提高了水印的安全性,奇异值分解对常见的几何失真是稳健的,而小波分解可以把图像的主要能量集中到低频域中,结合它们的优点可以更好地提高水印的抗攻击性。实验结果表明,嵌入水印后的图像在加噪、滤波(如模糊、锐化)、缩放、旋转、剪切和有损压缩等攻击后,其提取水印与原始水印仍有较高的相似度与峰值信噪比,该算法具有较好的鲁棒性。     

基于小波变换和非局部平均的超分辨率图像重建

针对小波域超分辨率方法中重建图像存在的模糊效应,提出一种结合离散小波变换(DWT)、平稳小波变换(SWT)和非局部平均(NLM)的单帧图像重建方法DSNLM。算法首先对低分辨率图像同时进行DWT和SWT,得到四个子带图像;然后结合对应高频子带图像,直接将原始低频图像作为低频子带,各子带利用NLM滤波处理,得到待重建高分辨率图像的各子带图像;最后,通过离散小波逆变换(IDWT)得到最终的重建高分辨率图像。实验结果和重建视觉效果表明,所提方法与已有的超分辨率方法相比更优,在峰值信噪比(PSNR)、均方差(MSE)和结构相似性度量(SSIM)的评价指标上有显著的提高,对图像去噪、去模糊有效。     

SVR结合小波变换的SUH传感器故障诊断

针对微小型无人直升机故障多、采样难且精确建模难度大的特点,将回归型支持向量机（SVR）引入到微小型无人直升机机载传感器的故障诊断中,提出了一种将SVR与离散小波变换（DWT）相结合的微小型无人直升机传感器故障检测与分离方法。利用回归型支持向量机（SVR）具有自学习和非线性映射能力强的特点,建立基于SVR的残差生成器并利用残差检测故障。在此基础上,利用小波变换实现对故障的隔离与定位。实验结果表明,将SVR与DWT相结合进行微小型无人直升机机载传感器的故障诊断是行之有效的。     

基于混合变换域的奇异值分解水印算法

提出一种基于离散小波变换(Discrete Wavelet Transform,DWT)及离散余弦变换(Discrete Cosine Transform,DCT)的混合变换域与奇异值分解(Singular Value Decomposition,SVD)相结合的数字水印算法。该算法将原始图像的小波子图进行分块DCT变换,抽取各块含图像大部分能量的部分合并,并对此矩阵进行奇异值分解再进行水印的嵌入。实验仿真表明,这种方法能抗大多数图像处理攻击,具有良好的鲁棒性。     

Facial feature extraction using complex dual-tree wavelet transform

In this paper, we propose a novel method for facial feature extraction using the directional multiresolution decomposition offered by the complex wavelet transform. The dual-tree implementation of complex wavelet transform offered by Selesnick is used (DT-DWT(S)) [I.W., Selesnick, R.G. Baraniuk, N.C. Kingsbury, The dual-tree complex wavelet transform, IEEE Signal Processing Magazine, 6, s.l., IEEE, November 2005, vol. 22, pp. 123–151.]. In the dual-tree implementation, two parallel discrete wavelet transform (DWT) with different lowpass and highpass filters in different scales are used. The linear combination of subbands generated by two parallel DWT is used to generate 6 different directional subbands with complex coefficients. A test statistic, which is derived with absolute value of complex coefficient, whose distribution matches very closely with the directional information in the 6 subbands of the DT-DWT(S) is derived and used for detecting facial feature edges. The use of the complex wavelet transform is motivated by the fact that it helps eliminate the effects of non-uniform illumination, and the directional information provided by the different subbands makes it possible to detect edge features with different directionalities in the corresponding image. Edge information of facial area is enhanced using multiresolution structure of DT-DWT(S). The proposed method also employs an adaptive skin colour model instead of a predefined skin colour statistic. The model is developed with a unimodal Gaussian distribution using the skin region which is extracted excluding the detected edge map obtained from the DT-DWT(S). By combining the edge information obtained by using DT-DWT(S) and the non-skin areas obtained from the pixel statistics, the facial features are extracted. The algorithm is tested over the well known Carnegie Mellon University (CMU) and Marks Weber face databases. The average detection rate of the proposed method using DT-DWT(S) provides up to 9.6% improvement over the same method using discrete wavelet transform (DWT).