基于SIFT特征点匹配校正的抗几何攻击水印算法

嵌入水印的数字产品在传播过程中可能遭受到各种攻击,其中几何攻击破坏了水印和图像空间坐标的同步性,很容易使得水印算法失效。因此,抗几何攻击的水印算法成为了数字水印技术研究的热点和难点。本文利用图像尺度不变特征变换(SIFT)特征点所具有的旋转、缩放和平移不变性,提出了一种几何校正方法,该方法根据SIFT特征点的尺度特征和坐标关系实现带水印图像的几何校正。水印嵌入时首先对宿主图像Contourlet变换的低频子带进行分块奇异值分解,然后通过对各块奇异值向量的欧式范数的量化,改变所有奇异值实现水印信息的嵌入。水印提取时先对图像进行相应的几何校正,使得水印信息在受攻击后也能得到同步,从而提高了水印图像的抗攻击能力。仿真结果表明,该算法不可见性良好,水印容量较大,而且对于常规攻击和多种几何攻击都具有较好的鲁棒性。     

SIFT特征区域Contourlet域遥感图像水印算法

针对现有遥感图像数字水印算法多为基于图像全局的水印算法,抵抗旋转、缩放、行列剪切以及联合几何攻击能力较差的问题,提出一种基于SIFT特征区域的Contourlet域遥感图像数字水印新方法。算法选取二值数字图像作为水印图像,将二值水印图像置乱预处理后,对其进行行扫描形成一维向量作为待嵌入的水印信息;然后,在宿主遥感图像中提取SIFT特征点,筛选特征点,并依据特征点确定水印嵌入的特征区域;最后,规范所选特征区域,对其进行归一化后实施Contourlet变换,利用奇偶量化方法将水印信息嵌入所选的变换系数内。实验结果表明算法对JEPG压缩、噪声以及滤波等常规信号处理具有较好的鲁棒性,同时能够更好地抵抗旋转、缩放、平移及其联合等几何攻击。      

基于改进Harris-Laplace算子的图像校正研究

文章提出了一种基于改进Harris-Laplace检测算子的图像校正方法。首先用Harris-Laplace检测算子提取特征点,并对尺度进行进一步优化筛选,然后用类SIFT的方法描述特征点,最后根据描述符选出两幅图像的匹配点对,进行图像校正。将本算法应用于数字水印中,先对遭受旋转、平移和缩放等几何攻击的水印图像进行配准校正,再提取水印。仿真结果表明,可以较好地提取出数字水印,说明该算法具有较好的配准效果。     

基于SIFT和Radon变换的盲水印算法

针对当前数字水印算法水印的嵌入区域固定而易遭破坏且抵抗旋转攻击能力弱的问题,提出一种基于Radon变换和SIFT特征提取的盲水印算法。采用SIFT算法对图像进行特征提取,结合RANSAC算法筛选出稳定特征点,根据特征点选取合适大小的水印嵌入区域,经过DWT和SVD分解将水印信息嵌入在选定区域内,利用Radon变换对图像进行旋转校正。实验结果表明,水印信息可以有效提取,并且得到的水印NC值都在0.96之上,说明该算法可以有效地抵抗旋转攻击,提高了水印安全性。     

基于关键熵的双树复小波域盲图像水印算法

设计了一种基于关键熵的盲数字图像水印算法.首先,使用尺度不变特征变换(SIFT)方法,从图像中提取特征点;其次,以特征点为中心构造局部不变圆形区域,并对其进行归一化处理;然后,选取大于图像平均熵的图像区域作为关键熵图像区域;最后,结合量化调制策略及双树复小波变换(DTCWT)技术,将水印嵌入到关键熵图像区域中.实验分析...     

基于Blob-Harris特征区域和NSCT-Zernike的鲁棒水印算法

为了有效抵抗水印图像的几何攻击,该文提出了一种基于Blob-Harris特征区域和非下采样轮廓波变换(NSCT)和伪Zernike矩的鲁棒水印算法.首先原始图像进行两层非下采样Contourlet变换后提取其低频图像,然后利用Blob-Harris检测算子对低频图像进行特征点提取,根据各个特征点的特征尺度确定其特征区域,优化筛选出稳定且互不重叠的特征区域并将其四周补零,得到稳定的互不重叠的方形特征区域作为水印嵌入区域,最后计算每一个方形特征区域的Zernike矩,将水印信息嵌入在量化调制正则化Zernike矩的幅值当中.实验结果表明,Lena图峰值信噪比达到40 dB以上时,本文算法对常规图像处理以及缩放、旋转、剪切等几何攻击和组合攻击都有相对较强的鲁棒性.     

基于SIFT特征点和交比值的水印图像抗攻击算法

为提高数字水印图像对常规信号和复杂几何攻击的抵抗能力,利用SIFT(scale invariant feature transform)特征点的稳健性和交比值不变特性,提出了一种数字图像顽健水印算法。首先,在原图像经过NSCT(nonsubsampled contourlet transform)变换后的低频子带系数中提取SIFT特征点并对其进行优化筛选,从中确定满足“近凸正四边形” 的系数区域作为水印嵌入的局部区域,然后利用事先设定好的一些交比值在各局部区域中确定要嵌入水印的具体系数,最后利用奇偶量化调制方法嵌入水印信息。与传统算法相比,在提取水印信息时无需对含水印图像进行几何逆变换。实验结果表明,该算法对常规信号处理及多种几何攻击具有较强的抵抗能力和顽健性。     

基于Blob-Harris特征区域和NSCT-Zernike的鲁棒水印算法

为了有效抵抗水印图像的几何攻击,该文提出了一种基于Blob-Harris特征区域和非下采样轮廓波变换(NSCT)和伪Zernike矩的鲁棒水印算法。首先原始图像进行两层非下采样Contourlet变换后提取其低频图像,然后利用Blob-Harris检测算子对低频图像进行特征点提取,根据各个特征点的特征尺度确定其特征区域,优化筛选出稳定且互不重叠的特征区域并将其四周补零,得到稳定的互不重叠的方形特征区域作为水印嵌入区域,最后计算每一个方形特征区域的Zernike矩,将水印信息嵌入在量化调制正则化Zernike矩的幅值当中。实验结果表明,Lena图峰值信噪比达到40 dB以上时,本文算法对常规图像处理以及缩放、旋转、剪切等几何攻击和组合攻击都有相对较强的鲁棒性。     

基于重同步的高容量鲁棒图像水印算法

如何有效地抵抗组合几何攻击,并且提高水印的嵌入容量,一直是数字水印领域一个具有挑战性的课题.针对此种状况,本文提出了一种抗组合几何攻击,且嵌入容量较大的水印算法.首先利用SURF算法从受攻击的图像提取特征点,并与原图像中的少量鲁棒性较强的特征点匹配,根据特征点对间的坐标关系准确估计出仿射矩阵;然后根据仿射矩阵对失真的图像进行几何校正,恢复水印的重同步.由于几何攻击与还原过程中的像素插值仍会导致变换域水印的位置发生细微的误差,本文在空间域嵌入一层定位水印以便精准地同步;最后,考虑到LT码具有良好的纠删性能,因而先将变换域水印信息进行LT码编码,以尽量提高算法的抗剪切性能.实验结果表明,该算法不仅实现了较高容量的嵌入,而且对于剪切、组合几何攻击具有较好的鲁棒性.     

基于SIFT特征点的抗几何攻击水印算法

提出了一种基于尺度不变特征变换(SIFT)和伪Zernike矩的抗几何攻击的鲁棒水印算法。首先,利用SIFT算法从载体图像中提取稳定的特征点;然后,根据特征尺度和方向自适应地确定每个局部特征区域大小和方向;最后,从中选择具有较大特征尺度互不重叠的特征区域,并利用量化调制伪Zernike矩幅值方法将水印嵌入到每个局部特征区域内。仿真实验结果表明,该算法不仅具有良好的透明性,而且具有较强的抵抗常规信号处理和几何攻击的能力。     

利用尺度空间下特征点进行匹配的电子稳像方法

在电子稳像过程中,获取准确的图像运动矢量是稳像的关键,而尺度不变特征转换（SIFT）算法可以较准确地提取运动矢量。为此给出了一种基于尺度不变特征变换的特征提取和匹配的电子稳像方法。SIFT算法是一种在不同尺度空间下提取特征点的方法,该方法首先进行尺度空间极值点检测,然后对特征点定位,最后进行特征向量生成与匹配。实验结果表明,该方法具有多量性,提取特征点数较多且特征匹配点对具有较高的准确率,可以获取较理想的稳像效果。     

基于改进局部不变特征的兴趣点匹配

该文提出了一种适用于目标跟踪的局部特征点检测与匹配方法,在尺度不变特征(Scale Invariant Feature Transform, SIFT)算法基础上进行了多方面的改进。在高斯差分尺度空间仅检测局部极大值,提高算法的稳定性;采用基于圆形邻域统计梯度方向直方图,来确定兴趣点的主方向和描述子,避免了图像旋转的运算代价;最后采用最近邻与次近邻之比来对96维的描述子进行匹配。所提方法在有效地提高匹配准确率的同时,大大提高了运算速度, 适用于对实时性要求较高的场合。     

基于奇偶量化的空域抗几何攻击图像水印算法

数字水印对几何攻击的鲁棒性问题一直没有得到很好的解决,该文提出了一种能够抵抗RST(旋转、缩放、平移)攻击,局部剪切以及常规信号处理攻击的多比特图像水印算法。该文利用尺度不变特征变换(SIFT)进行水印信号的同步;设计了一种圆环形的水印模式,并在空域采用奇偶量化嵌入水印;并设计了一种奇偶检测器提取水印。实验结果表明该算法能获得很好的图像质量,且能十分有效地抵抗各种几何攻击以及常规的压缩,滤波等攻击。     

基于分水岭分割和尺度不变特征点的多目标全自主跟踪算法

该文针对多目标的鲁棒跟踪问题,设计了一种基于图像分水岭分割和尺度不变特征变换(SIFT)特征点的多目标全自主跟踪算法。为规避图像平坦区域,提出在原图上叠加规则坡度图的思想,并在浮点域进行一定尺度高斯模糊处理,将区域极小值点作为种子点完成分水岭分割,并将极值点作为目标特征点,通过前后帧分水岭映射生成特征点短时轨迹,自动检测运动目标。之后依据目标所处状态(是否发生遮挡)和分水岭分割图建立、更新目标SIFT特征池,结合分水岭映射、SIFT特征池匹配完成对目标的鲁棒跟踪。实验结果表明,该算法能有效完成视频中多目标的持续跟踪,并对目标遮挡有较好的鲁棒性。     

融合几何特征的压缩感知SIFT描述子

为了解决尺度不变特征变换(SIFT)描述子在存在较多相似结构的匹配中,易造成误匹配,并且维数较高、匹配耗时的问题,提出了一种融合相对几何位置的压缩感知描述子.首先,以特征点为中心,将周围关键点的相对几何位置(RGL)信息形成尺度和旋转不变的RGL描述子,其次,对SIFT描述子利用压缩感知(CS)理论进行降维,形成CS-SIFT描述子,最后将两者融合形成RGL-CS-SIFT描述子.实验结果表明:与SIFT和PCA-SIFT描述子相比,匹配速度有所提升,匹准确率明显提高.     

基于粗糙集近似约简和SIFT特征的图像匹配算法

SIFT(Scale Invariant Feature Transform)描述符由于具有尺度、旋转和光照不变等特性在图像匹配领域获得了广泛的应用。但是,SIFT特征点采用128维特征向量表示,当图像特征点较多时,匹配算法所需的存储空间大、匹配时间长,且匹配精度不理想。针对以上问题,本文给出了一种基于Rough-SIFT描述符的图像匹配算法。首先,利用排序法求出图像的稳健特征点,然后为提高后续匹配处理运算效率,将粗糙集约简理论引入到基于SIFT特征的匹配算法中,通过构建一种新的近似约简算法来对稳健特征点的128维特征向量进行降维处理,最后利用约简后的特征点对图像进行匹配。仿真实验表明, 本文方法使得约简后的SIFT特征点更加精确、稳定、可靠,有效减小了匹配算法的存储空间,提高了匹配算法的效率和准确率。      

采用简化SIFT算法实现快速图像匹配

SIFT(Scale Invariant Feature Transform)算子因其良好的尺度、旋转、光照等不变特性而广泛应用于图像匹配中,但用128维向量来表征每个特征点降低了算法的实时性。为了提高匹配速度,介绍了一种基于SIFT的简化算法(SSIFT),采用基于圆形窗口的12维向量有效地表示一个特征点。实验结果显示,算法在保持较好匹配率的同时能降低时间复杂度,适合运用在对实时性要求较高的场合。     

基于SIFT算法及三角形约束的SAR影像匹配方法

将三角形约束方法引入到合成孔径雷达(SAR)影像匹配中。利用尺度不变特征转换(SIFT)算子生成特征点;采用鲁棒性较好的随机抽样一致(RANSAC)算法剔除错误匹配点,得到更高精确度的同名点;最后利用SIFT算法得到的同名点建立Delaunay三角网。在同名相似三角网内,以三角形重心点作为内插的虚拟同名点,并对虚拟同名点进行归一化互相关(NCC)约束,剔除不满足阈值要求的虚拟同名点对,同时根据内插得到的虚拟同名点建立新的三角网,对三角网进行动态更新,用于获取更多虚拟同名点,直至满足匹配要求。实验结果表明,本文方法能够有效增加匹配特征点数量,提高雷达影像的匹配精确度。