Dark satellite image enhancement using knee transfer function and gamma correction based on DWT–SVD

In this paper, an improved and simple approach for enhancement of dark and low contrast satellite image based on knee function and gamma correction using discrete wavelet transform with singular value decomposition (DWT–SVD) has been proposed for quality enhancement of feature. In addition, this method can also process the high resolution dark or very low contrast images, and offers best enhanced result using tuning parameter of Gamma. The technique decomposes the input image into four frequency subbands by using DWT and estimates the singular value matrix of the low–low subband image, and then compute the knee transfer function using gamma correction for further improvement of the LL component. Afterward, processed LL band image undergoes IDWT together with the unprocessed LH, HL, and HH subbands to generate an appropriate enhanced image. Although, various histogram equalization approaches has been proposed in the literature, they tend to degrade the overall image quality by exhibiting saturation artifacts in both low- and high-intensity regions. The proposed algorithm overcomes this problem using knee function and gamma correction. The experimental results show that the proposed algorithm enhances the overall contrast and visibility of local details better than the existing techniques.     

Low-light color image enhancement based on NSST

In order to improve the visibility and contrast of low-light images and better preserve the edge and details of images, a new low-light color image enhancement algorithm is proposed in this paper. The steps of the proposed algorithm are described as follows. First, the image is converted from the red, green and blue (RGB) color space to the hue , saturation and value (HSV) color space, and the histogram equalization (HE) is performed on the value component. Next, non-subsampled shearlet transform (NSST) is used on the value component to decompose the image into a low frequency sub-band and several high frequency sub-bands. Then, the low frequency sub-band and high frequency sub-bands are enhanced respectively by Gamma correction and improved guided image filtering (IGIF), and the enhancedvalue component is formed by inverse NSST transform. Finally, the image is converted back to the RGB color space to obtain the enhanced image. Experimental results show that the proposed method not only significantly improves the visibility and contrast, but also better preserves the edge and details of images.     

人工鱼群算法优化的小波图像融合

针对甲状腺肿瘤的B超、核素图像和颅腔横断面的CT,MRI图像,提出一种使用人工鱼群算法寻优的小波图像融合方法。利用小波变换将源图像进行小波分解,得到源图像的低频部分和高频部分。低频部分的系数使用加权融合算法进行融合,为使融合结果包含足够的信息量,以综合熵作为适应值对低频部分使用人工鱼群算法进行优化,得到融合系数的最优权值。高频部分的系数采用取绝对值最大的融合规则。通过小波逆变换得到融合图像。实验过程中,分别对这两组医学图像进行融合。客观评价参数表明该算法能够得到更优的融合图像。     

基于自嵌入鲁棒双水印的图像认证算法

通过构造鲁棒零水印并鲁棒的嵌入到图像自身来实现完全盲检测的鲁棒水印方案,从而完成数字图像的全盲版权认证。首先利用整数小波变换构造鲁棒零水印:将原始图像进行三级整数小波变换,并将变换后获取的第三级低频子带(LL3)系数二值化来构造鲁棒零水印。然后利用一种基于奇异值分解(SVD,singular value decomposition)的鲁棒水印方案,将构造的鲁棒零水印嵌入到图像小波变换域低频子带(LL1)的分块奇异值分解的U矩阵的系数中。利用超混沌系统设计了随机置乱和加密方案。在鲁棒嵌入之前,先将二值零水印进行置乱分散并加密,增强了方案的鲁棒性和构造水印安的全性。实验结果证明了所提出的方案的有效性。     

一种基于DWT与SVD的数字图像水印算法

利用小波变换和矩阵奇异值的固有特性,提出了一种基于小波变换和奇异值分解的数字图像水印算法.算法对原始载体图像进行小波变换和奇异值分解;对水印图像进行Arnold变换和奇异值分解;把分解后的水印信息嵌入到分解后的原始载体图像中,再进行相应的变换处理,得到嵌有水印的图像.实验结果表明,该算法具有良好的安全性和鲁棒性.     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

彩色图像DWT变换下的块SVD零水印

为了提高水印技术的鲁棒性,提出了彩色图像离散小波变换(DWT)下的块奇异值分解(SVD)的零水印.首先对原始载体图像进行离散小波变换,然后选择低频子带进行分块,且对每一块进行奇异值分解,水印则由分解得到的最大前m个奇异值产生.实验结果表明,算法对各种攻击有较强的鲁棒性.     

基于DWT-DFT和SVD域的盲水印算法

提出了一种基于离散小波变换、离散傅里叶变换和奇异值分解相结合的盲水印算法。该算法对原始图像进行一级离散小波变换后选择低频子带图像作分块离散傅里叶变换,然后对分块离散傅里叶变换的幅度谱进行奇异值分解,选择最大奇异值并采用量化嵌入方法实现水印的嵌入和盲提取。为了提高算法对旋转攻击的鲁棒性,采用基于Radon变换的检测算法对待检测图像进行旋转校正。实验结果表明,该算法对一些常规攻击和几何攻击都具有较强的鲁棒性。     

基于奇异值分解的小波域水印算法

结合奇异值分解（SVD）和离散小渡变换（DWT）的特点,提出一种基于SVD的小波域数字图像水印算法。该算法将二值水印图像经过取反置乱后嵌入到原始图像小波中频子带的奇异值中,具有较高的抗攻击能力。仿真实验证明,该算法不仅具有良好的透明性,而且对常见攻击,如：叠加噪声、JPEG压缩、滤波及几何攻击具有较好的鲁棒性。     

一种改进的基于小波域的图像盲水印算法

论文提出一种改进的基于小波域的图像盲水印算法。此算法根据人类视觉特性,提出在宿主图像小波域二级分解的子带LH2、HL2以及LL2的适当系数分别嵌入水印,以达到优势互补。水印的嵌入采用量化调制的方式,使水印实现盲提取。实验结果表明：此方案算法简单,量化间隔易调,具有良好的不可见性和鲁棒性。     

一种新的自适应数字水印算法

为了提高数字水印抗击各种图像攻击的性能和保持图像的稳健性和不可见性,提出了一种基于离散小波变换(DWT),SVD(singular value decomposition)奇异值分解水印图像和原始载体图像的离散余弦变换(DCT)的自适应水印嵌入算法,主要是将水印图像的两次小波变换后的低频分量潜入到原始图像分块经过SVD分解的S分量矩阵中,同时根据图像的JPEG压缩比的不同计算各个图像块的水印调节因子。实验证明该算法在抗击JPEG压缩、中值滤波、加噪等均具有很好的鲁棒性,嵌入后的图像的PSNR达到38,具有良好的视觉掩蔽性     

Slantlet filter-bank-based satellite image enhancement using gamma-corrected knee transformation

In this paper, an efficient and relatively fast approach for satellite image enhancement is proposed. This technique is based on auto-knee transfer function with suitable gamma correction using slantlet transform for two-scale decomposed image. Dark or low contrast, big-data (or large sized) multispectral images can be easily enhanced by proper tuning for the value of gamma-parameter using slantlet transform. Here, sub-band decomposition is achieved by employing single-level slantlet filter-bank, which is just equivalent to second-level sub-band decomposition using discrete wavelet transform) that has been employed initially. For this purpose, main information of the image is concentrated to lowest sub-band, over which gamma correction is applied after computing the knee transfer function adaptively for low quality input image. In addition to this two-scale decomposition-based enhancement, here, gamma-corrected energy redistributed slantlet transform-based textural enhancement framework is also suggested. The experimentation comprised of relative performance evaluation and comparison on the same scale; clearly reflects the outperformance of proposed methodology over various well-known pre-existing state-of-the-art techniques both quantitatively and qualitatively.     

Blob-Harris特征区域结合CT-SVD的鲁棒图像水印算法

为了提高水印图像对几何攻击的鲁棒性,提出了一种Blob-Harris特征区域结合轮廓波变换(Contourlet transform, CT)和奇异值分解(singular value decomposition, SVD)的鲁棒图像水印算法。首先在原始图像经过Contourlet变换后的低频分量中提取斑点(Blob)块区域并利用Harris角点检测进行特征点提取,然后根据各个特征点的特征尺度确定其特征区域,选择适中的互不重叠的特征区域,将其四周补零后进行归一化操作,最后将经过小波变换提取的低频水印图像进行奇异值分解,并重复嵌入到每一个归一化圆形特征区域的内接正四边形当中。仿真实验结果表明,本文算法除了对常规攻击有很好的抵抗力之外,对几何攻击也有相对较强的鲁棒性,特别是缩放、平移、剪切以及其组合攻击,NC值均达到0.94以上。      

基于NSST-DWT-ICSAPCNN的多模态图像融合算法

为了增加融合图像的信息量,结合非下采样剪切波变换（Non-Subsampled Shearlet Transform, NSST）和离散小波变换（Discrete Wavelet Transform, DWT）的互补优势,提出了改进的多模态图像融合方法。采用NSST对两幅源图像进行多尺度、多方向的分解,得到相应的高频子带和低频子带;利用DWT将低频子带进一步分解为低频能量子带和低频细节子带,并利用最大值选择规则融合能量子带;采用改进连接强度的自适应脉冲耦合神经网络（Improved Connection Strength Adaptive Pulse Coupled Neural Network, ICSAPCNN）分别融合细节子带和高频子带,并对能量子带和细节子带进行DWT逆变换,得到融合的低频子带;采用NSST逆变换重构出细节信息丰富的融合图像。实验证明,提出的算法在主观视觉和客观评价方面均优于其他几种算法,且能同时适用于红外与可见光源图像、医学源图像的融合。     

基于DWT SVD域的彩色图像水印算法

针对数字产品的版权保护问题,提出了一种结合整数小波变换（DWT）和矩阵奇异值分解（SVD）的彩色图像非盲水印算法。该算法首先对待处理图像的蓝色分量进行整数小波分解,再将得到的低频子带的小波系数矩阵进行奇异值分解,然后对水印灰度图像进行奇异值分解,水印图像的奇异值被嵌入到由源图像小波系数分解得到的奇异值中。经过奇异值分解逆变换及整数小波逆变换得到含水印图像。实验结果表明,该算法对加噪、滤波、JPEG压缩、剪切、缩放和旋转攻击均有较强的抵抗力,具有较好的实用价值。     

一种基于DWT_SVD的抗几何攻击彩色图像水印算法

针对传统离散小波变换(DWT)水印算法不能较好地抵抗几何攻击的缺点,提出了一种基于离散小波变换(DWT)和奇异值分解(SVD)相结合的彩色图像水印新算法。首先对原始彩色载体图像进行RGB三基色分解,然后进行离散小波变换,再选取四个子块的四分之一重构成新子块,并进行二次离散小波变换,最后对其低频部分进行奇异值分解嵌入水印信息,得到嵌入水印的彩色图像。实验结果表明,该算法能够较好地抵抗诸如高斯噪声、椒盐噪声、压缩等常规攻击,并对大角度旋转、任意角度旋转、剪切加旋转等几何攻击也表现出了较强的鲁棒性,其总体性能明显优于传统的DWT水印算法。     

基于方向性对比度金字塔的图像融合方法

基于对比度塔形分解(CP)的图像融合方法具有良好的物理意义,却没有强调方向性的不足,为此提出了一种具有方向性的对比度金字塔图像融合方法.对多聚焦图像进行对比度塔形分解,利用方向滤波器组对高频加方向,得到不同方向的高频子分量.根据不同频率域特点,采用低频分量系数取加权平均、高频分量系数绝对值取大的融合规则,对分解后的子图像进行融合.结果表明:用提出方法得到的融合图像有较高的清晰度和空间分辨率.与基于CP和基于离散小波变换(DWT)的融合方法相比,提出的方法既能保持对比度的含义,又可提供2n个方向信息.     

基于图变换和DWT-SVD的鲁棒图像水印算法北大核心CSCD

针对图像水印算法在攻击强度较大时鲁棒性差的问题,提出了一种基于图变换(graph-based transform,GBT)、离散小波变换(discrete wavelet transform,DWT)和奇异值分解(singular value decomposition,SVD)的鲁棒图像水印算法。首先对载体图像进行不重叠分块处理,挑选出像素方差值较高的子块进行DWT得到其低频系数矩阵,然后对低频系数矩阵依次进行GBT和SVD得到奇异值矩阵,最后将水印信息嵌入到奇异值矩阵的最大奇异值中。实验结果表明,Pirate图像结构相似度(structural similarity,SSIM)达到0.97以上时,本文算法能有效抵抗噪声、滤波、JPEG压缩、剪切和交换行列等攻击,归一化互相关系数(normalization coefficient,NC)值均在0.9以上。     

一种基于彩色图像的双重水印算法

针对传统水印算法功能单一,抗几何攻击能力较弱的问题,提出了一种基于离散小波变换(DWT)、奇异值分解(SVD)、离散余弦变换(DCT)和HSV空间模型的彩色图像双重水印算法.该算法基本思想是在彩色载体图像中先后嵌入可见水印和不可见水印.根据HSV 空间模型和DCT变换实现二值可见水印自适应嵌入,用来标识版权;通过DWT和SVD变换实现不可见彩色水印的嵌入,用于加强版权保护,利用Zernike矩进行旋转校正.实验结果表明,该算法在保证图像质量的前提下,可见水印具有较好的视觉可见性,不可见水印的抗几何攻击能力得到了提升.双重水印相互作用,功能互补提高了水印的版权保护功能.     

八通道MSVD构造及其在多聚焦图像融合中的应用

针对经典的SVD在图像处理中的不足,提出了一种八通道多尺度奇异值分解（Multi-resolution Singular Value Decomposition,MSVD）构造方法,并把它应用于多聚焦图像融合中。首先,在经典SVD的基础上,利用矩阵分块的方法,提出了一种八通道多尺度SVD的构造方法。其次,对参加融合的多聚焦图像进行八通道MSVD分解,得到高层低频和各层七个方向的高频,对分解的低频子图像利用数学形态学增强边缘的方法进行融合、高频子图像采用基于区域能量取大的融合规则进行融合,并重构获得融合结果图像。最后,对融合结果进行主客观评价和分析。实验结果表明,该图像融合方法有较好的视觉效果,结果图像有较高的清晰度,边缘细节信息丰富,没有方块效应。从客观数值和图形评价指标看,该方法有较高的清晰度,其清晰度比基于DWT的融合方法、基于LWT的融合方法、基于Curvelet的融合方法、基于Contourlet的融合方法都高。