基于小波对比度和神经网络的图像隐写方法

为使通信安全在传输过程中提供较大的秘密信息嵌入量,并保持较好的载密图像质量,提出一种基于自组织特征映射神经网络和小波对比度的图像隐写方法。将载体图像分成固定大小的小块,采用小波一级分解并计算其小波对比度,利用自组织特征映射神经网络将小块分为3类,采用模算子技术嵌入秘密信息。实验结果表明,该方法有较大的嵌入量并保持良好的载密图像质量。     

对基于小波对比度和LSB逐层隐写方法的分析

基于小波对比度和LSB的逐层隐写方法按图像小块的小波对比度确定可嵌入位平面层数,然后在时空域中逐层对可在该层嵌入信息的小块嵌入秘密信息,具有较大的信息嵌入量和良好的视觉隐蔽性.针对这种隐写方法,本文从图论的角度直观分析了隐写行为,导出两个基于直方因特性的统计量,理论证明了这两个统计量与嵌入率间存在的线性关系和不同的比例关系,并据此提出隐写检测方法.理论分析和实验结果均表明:本文方法不但能检测出秘密信息的存在性,而且可以大致估计出秘密信息嵌入量.本文方法对分析检测其它位平面逐层隐写也有借鉴作用.     

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.     

SOM和小波对比度在密写中的应用

为了提供较大的秘密信息嵌入量和保持较好的载密图像质量,提出了一种基于自组织特征映射神经网络和小波对比度的图像密写。该方法先将载体图像分成固定大小的小块,对每一小块进行小波一级分解后计算小波对比度。然后,利用自组织特征映射神经网络将小块分为三类。最后,采用模算子技术嵌入秘密信息。实验结果表明,与WCL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。     

基于小波系数相关性的图像隐写分析

提出了一种基于小波包分解和小波系数相关性的通用型图像隐写分析方法。对差分处理后的图像进行小波包分解,提取图像及其小波子带的高阶统计量作为特征。利用图像小波系数在尺度方向和空间方向的相关性,使用马尔可夫模型挖掘小波系数层内和层间相关性,提取转移概率矩阵作为特征。针对H4PGP、F5和OutGuess隐写算法的实验表明,方法对上述三种隐写算法具有较好的检测效果。     

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。     

新的基于小波对比度的LSB密写

利用图像块的小波对比度可以判定图像各像素的LSB（Least Significant Bit）嵌入深度,以提高嵌入容量并保持载密图像的质量。提出了一种新的基于小波对比度的密写方案,将图像块像素的低4位置0后进行小波变换并计算小波对比度作为嵌入深度的判决信息,由嵌入深度逐块逐像素密写。实验结果表明,该方法不仅保持了较高的嵌入容量,而且提取秘密信息时不需任何附加信息。     

基于卷积神经网络的JPEG图像隐写分析参照图像生成方法

基于深度学习的JPEG数字图像隐写分析模型检测能力已超越基于人工设计特征隐写分析模型,但检测能力仍存在提升空间.以进一步提升JPEG隐写分析模型的检测能力为目标,借助深度学习方法,为基于深度学习的JPEG隐写分析模型提供辅助信息,从数据输入角度,探索进一步提升隐写分析模型检测能力的途径.基于卷积神经网络,构建隐写分析参照图像生成模型,对待检测图像进行变换,从而获得对应参照图像.之后,将待检测图像与对应参照图像作为隐写分析模型的输入数据,进一步挖掘待检测图像中存在的隐写分析相关信息.为验证所提出算法的有效性,进行针对JPEG自适应隐写算法的对比实验.实验结果表明：所设计的参照图像生成模型能够提升现有基于深度学习的隐写分析模型检测能力,提升效果最多可达6个百分点.     

基于小波和SOM网络的医学图像融合

提出一种基于小波变换和自组织特征映射（SOM）神经网络的医学图像融合方法,对图像进行小波变换,以图像的小波系数为特征,采用SOM网络对图像进行聚类,并进行模糊分类,从而确定像素融合的权重,得到融合图像。仿真实验结果表明,该方法能够获得良好的性能。     

基于分数阶小波变换的图像隐写分析

为了提高现有的图像隐写分析算法的检测性能,提出一种基于分数阶小波变换的图像隐写分析算法。该算法首先通过二维分数阶小波变换将图像映射到分数阶小波时频域内。然后在时频域内使用主成分分析提取隐写图像高频子带的主成分特征统计量、计算主成分的信息熵、构建敏感特征向量。最后采用支持向量机(SVM)对该算法所提特征进行分类。通过仿真实验利用所提算法分别对三种隐写算法下不同嵌入率的隐写结果进行检测,结果表明该算法可有效提高隐写分析准确率。     

一种基于SOM和HVS的密写方法

为了提供较大的秘密信息嵌入量和保持较好的载密图像质量,提出了一种基于自组织特征映射神经网络和人眼视觉特性的图像密写。该密写方法将对比度和纹理敏感度作为特征向量,并通过自组织特征映射神经网络将像素分为视觉敏感类与视觉不敏感类,将较多秘密信息嵌入属于视觉不敏感类的像素,而将较少秘密信息嵌入属于视觉敏感类的像素。实验结果表明,与SOC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。     

Fault Diagnosis Using Wavelet Neural Networks

Wavelet neural networks are a class of neural networks consisting of wavelets. This paper presents a novel universal tool for fault diagnosis and algorithms for wavelet neural network construction are proposed. Using the model of wavelet neural networks, we can not only extract the features of system but also predict the development of the fault.     

基于神经网络的小波分析及其在 突发噪声识别中的应用􀀁

神经网络具有良好的自适应性,自组织性及很强的学习功能,小波则提供了一种去除噪声的方法,但单元基于此算法的软件往往缺少对于突发性噪声的自适应能力,本文将此二者有全,以神经网络原理和现代数学小波分析为依据,提出了基于神经网络思想的小波分析;以改进原有算法,识别工程技术测量中遇到的突发噪声。     

一种基于小波方向对比度的多聚焦图像融合方法

人类视觉系统对于图像的局部对比度非常敏感,如果把小波变换和方向对比度结合起来,融合效果可能更好。在研究了方向对比度后提出了一种新的基于小波方向对比度的多聚焦图像融合方法。首先对参加融合的两幅图像进行小波多尺度分解,然后在每幅图像的每个分解层上,分别计算高频子带每个像素的邻域均值和低频子带的邻域均值之比,其中该分解层的低频子带是由上个分解层的低频子带和高频子带求2维离散小波逆变换得到,采用两者之比较大者所对应的高频子带系数作为融合后对应的小波系数,然后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数求2维离散小波逆变换,最终得到融合后的图像。这种方法考虑了邻域内像素的相关性,减少了融合像素的错误选取。实验结果表明,该方法的融合效果比针对每个像素求小波方向对比度的多聚焦图像融合方法的融合效果得到提高。     

基于FCM和HVS的密写方法

为了提供较大的秘密信息嵌入量和保持良好的载密图像质量,该文提出一种基于模糊C均值聚类和人眼视觉特性的图像密写。该密写方法将对比度和梯度敏感度作为特征向量,并通过模糊C均值聚类将像素分为视觉敏感类与视觉不敏感类,将较多秘密信息嵌入属于视觉不敏感类的像素,而将较少秘密信息嵌入属于视觉敏感类的像素。实验结果表明,与四边匹配算法相比,该算法有更大的嵌入量并保持了良好的载密图像质量。     

基于视频图像的车辆目标识别

针对目前数字图像目标识别方法中存在识别精度和实时性的问题,该文提出一种结合Gabor小波和神经网络的图像目标识别方法。该方法首先对图像进行预处理、用Canny算子进行边缘提取,然后通过神经网络获取最优的双Gabor小波复合滤波器参数,再采用参数优化过的滤波器组提取目标的特征向量,最后进行目标的分类和识别。实验表明这种方法鲁棒性好、识别率高,具有较广泛的实际应用价值。     

基于小波对比度的图像水印算法研究

根据人眼视觉系统特征,提出一种将小波对比度的思想引入图像水印中的算法.先将宿主图像分块并根据纹理强弱进行分类,然后对每个块进行小波分解,小波对比度的大小同时决定了嵌入对象的选择和嵌入的强度.由于小波对比度能反映图像明暗对比度,从而实现了对图像的自适应嵌入.实验表明,该算法具有较好的不可见性,而且对于抵抗滤波、加性噪声及JPEG压缩具有较好的鲁棒性.