一种DDWT域编码的自嵌入脆弱水印算法

针对目前变换域脆弱水印算法对于篡改恢复能力的不足以及所用变换本身的局限性,提出了一种基于双树小波变换的图像编码自嵌入水印算法。算法的篡改定位和图像恢复分别对应着认证水印和恢复水印。算法以原始载体图像的DDWT域SPIHT编码压缩图像为恢复水印, 将其嵌入到图像的小波分解低频系数上,以增强水印鲁棒性;以嵌入恢复水印的载体图像的低频系数大小特征为认证水印,将其嵌入在图像分块的最低有效位上。实验结果表明,本算法能准确定位非法的篡改操作并具有良好的自我恢复能力。     

一种混合的自嵌入双水印算法

提出了一种基于小波变换的自嵌入的双水印算法。原始图像的次低位和最低位分别嵌入恢复水印和脆弱水印。原始图像的高6位进行小波变换,低频系数生成恢复水印,将其嵌入到图像的次低位。小容量信息嵌入到图像块本身的最低位,生成脆弱水印。本算法可以准确定位原始图像被篡改的位置,并能对内容被篡改的区域进行恢复。     

一种基于哈达玛变换与混沌理论的脆弱水印算法

传统的水印算法,通常使用小波变换对原始图像进行变换。对于复杂图像被篡改,直接的小波变换很难识别。为了准确地定位被篡改的复杂图像,提出一种基于哈达玛变换与混沌理论的脆弱水印算法。该算法首先对图像进行4x4分块,计算每一块的标准差,利用标准差小数部分和水印密钥合成为Logistic混沌映射初值生成脆弱水印。然后将脆弱水印嵌入到哈达玛变换域的直流分量中。图像认证时,不需要原始图像。实验结果表明。对于复杂图像该算法能够检测恶意篡改并进行篡改定位,是一种行之有效的图像鉴别方法。     

用于图像认证的小波域量化盲水印算法

提出了一种用于图像内容认证的半脆弱水印算法。该算法利用小波变换模极大值提取图像边缘特征,并结合经混沌映射后的小波低频域特征信息生成两个水印。一个主要用于篡改定位,另一个主要用于检测图像的内容篡改。水印嵌入在小波变换的中频域中。水印提取和认证不需要原始水印信息,提高了水印安全性。实验表明,该算法能有效区分偶然失真和恶意篡改,并能定位出篡改发生的位置。     

基于小波域的篡改定位可逆水印算法

为了实现含水印图像的篡改定位及无失真提取水印,在小波变换、数字水印和篡改定位技术的基础上,提出了基于改进小波系数调整的可逆水印算法。对载体图像进行小波变换,通过循环取模编码对水印图像进行加密以保证其安全性,通过均匀嵌入算法将加密后水印嵌入到调整后的小波系数中。该水印算法能够鉴别图像的真伪,能够发现载体图像所遭受的恶意篡改区域,并在载体上显示出来。仿真结果表明,与传统水印算法相比,算法能够无失真地提取水印(NC=1),还能通过定位水印找到载体图像发生篡改的位置。     

小波与DCT双重域的主动式数字图像内容鉴别方法

提出一种主动式数字图像内容鉴别方法.该方法嵌入鉴别水印和恢复水印,鉴别水印由伪随机数产生器生成,嵌入的鉴别水印与图像篡改位置存在本质联系,实现了对图像的篡改定位.同时利用图像小波变换的近似子带的DCT量化系数作为图像内容特征生成恢复水印信息,并隐藏在DWT系数之中,实现了对图像的篡改恢复.鉴别时引入对角扩展和去除孤立点技术来辅助篡改定位和恢复.实验证明,使用基于小波与DCT双重域的水印算法能较好地将对图像内容的恶意篡改和偶然失真区分开来,可以给出内容篡改的位置,并近似恢复出图像原始内容.     

基于人类视觉系统的小波域的数字水印算法

本文首先分析了前人的小波域数字水印算法,然后应用人眼视觉特性和离散余弦变换变换对算法进行了改进。重点论述了水印的嵌入和提取,并选取了一幅有实际意义的二值图象作为水印,通过修改中、低频系数来进行水印的嵌入。实验证明嵌入水印后的图象有更好的隐蔽性,并且对JPEG压缩、图象添加噪音、中值滤波、剪切等图象处理操作具有很强的稳定性。     

基于均值运算和系数分类的半脆弱水印算法

提出一种基于均值运算和系数分类的半脆弱水印算法。在空域对原始图像进行分块,根据每个子块均值运算所得矩阵系数小数部分的规律性将系数分为2类。将图像各像素的高4 bit向右移位,通过每一子块2类系数的个数比较产生零水印。利用篡改前后每类系数个数的不一致性检测算法的篡改定位能力。实验结果表明,该算法的不可见性和鲁棒性较好,能抵抗常规图像处理操作,且具有定位篡改的能力,漏警概率低,能抗拼贴攻击。     

基于提升方案小波的半脆弱水印图像认证算法

在小波变换域内,将水印嵌入在特定的小波系数中,对图像带来的失真影响很小,同时可以准确地检测和篡改定位,因此目前实现认证的脆弱水印和半脆弱水印大多在小波域内.提出了一种使用提升小波变换的半脆弱水印方法.在原始宿主图像经过提升小波变换之后的低频子带,根据水印和小波系数的特征自适应地修改小波系数,嵌入过程实现了很好的不可见性和鲁棒性,实现了盲提取,并能准确地实现篡改的检测和定位.     

基于小波变换的用于医学图像的半脆弱水印算法

针对医学图像的特殊性,提出了一种应用于医学的半脆弱水印算法.原始图像的次低位和最低位分别嵌入恢复水印和认证水印.原始图像的高6位进行小波变换,低频系数经量化和混沌置乱后生成恢复水印,将其嵌入到图像的次低位.小容量信息嵌入到原始图像的最低位,生成认证水印.实验结果表明该算法可以准确定位原始图像被篡改的位置,并能对内容被篡改的区域进行恢复.算法中的认证水印能够对医学图像进行有效地认证.该算法能够较好地满足医学图像特殊性的要求.     

An Efficient Watermarking Method Based on Significant Difference of Wavelet Coefficient Quantization

This paper proposes a blind watermarking algorithm based on the significant difference of wavelet coefficient quantization for copyright protection. Every seven nonoverlap wavelet coefficients of the host image are grouped into a block. The largest two coefficients in a block are called significant coefficients in this paper and their difference is called significant difference. We quantized the local maximum wavelet coefficient in a block by comparing the significant difference value in a block with the average significant difference value in all blocks. The maximum wavelet coefficients are so quantized that their significant difference between watermark bit 0 and watermark bit 1 exhibits a large energy difference which can be used for watermark extraction. During the extraction, an adaptive threshold value is designed to extract the watermark from the watermarked image under different attacks. We compare the adaptive threshold value to the significant difference which was quantized in a block to determine the watermark bit. The experimental results show that the proposed method is quite effective against JPEG compression, low-pass filtering, and Gaussian noise; the PSNR value of a watermarked image is greater than 40 dB.      

Image denoising using statistical model based on quaternion wavelet domain

Image denoising is the basic problem of image processing.Quaternion wavelet transform is a new kind of multiresolution analysis tools.Image via quaternion wavelet transform,wavelet coefficients both in intrascale and in interscale have certain correlations.First,according to the correlation of quaternion wavelet coefficients in interscale,non-Gaussian distribution model is used to model its correlations,and the coefficients are divided into important and unimportance coefficients.Then we use the non-Gaussian distribution model to model the important coefficients and its adjacent coefficients,and utilize the MAP method estimate original image wavelet coefficients from noisy coefficients,so as to achieve the purpose of denoising.Experimental results show that our algorithm outperforms the other classical algorithms in peak signal-to-noise ratio and visual quality.     

基于小波系数关系的图像去噪方法

为了在保留图像边缘信息的同时,尽可能地去除图像噪声,提出一种基于小波系数尺度间和尺度内关系的去噪方法。该方法使用小波系数的相关系数和邻域小波系数的平均幅值来分别表示小波系数的尺度间和尺度内关系,并以此来辨别出图像的边缘信息和噪声;同时提出了一种阈值函数来处理图像的小波系数。实验表明该方法能取得较高的信噪比,并能保存图像的一些细节信息。     

Reversible data hiding scheme based on the Haar discrete wavelet transform and interleaving prediction method

Although many data hiding schemes have been proposed in the frequency domain, the tradeoff between hiding capacity and image quality is still an existing problem to be solved. In this paper, we proposed a novel reversible data hiding scheme based on the Haar discrete wavelet transform (DWT) and interleaving-prediction method. First, a one-level Haar discrete wavelet transform (DWT) is implemented to the cover image, and four sub-bands, LL?,??HL?,??LH and?HH, are obtained. Sub-bands HL, LH??and?HH are chosen for embedding. After that, the wavelet coefficients of the chosen sub-bands are zig-zag scanned and two adjacent coefficients are used for prediction. The secret data is embedded in the prediction errors, which is the difference between the original value and the predicted value of the wavelet coefficients. The experimental results showed that our scheme has good performance compared with other existing reversible data hiding schemes.     

基于小波变换的图像自适应数字水印算法研究*

提出了一种基于小波变换的图像自适应数字水印算法。首先对水印图像作置乱处理;然后对原始图像进行小波分解,并根据人类视觉系统的特性,在小波分解的低频域中,采用邻域均值代替单个小波系数进行估计和量化的方法,将水印自适应地嵌入低频域小波系数中;最后对该算法进行了仿真实验。实验表明该算法对图像的各种常规处理都具有较好的鲁棒性,与邵亚非等人的水印算法相比,该算法在水印容量、不可见性、鲁棒性上有更大的协调性。     

基于小波变换区域方差的遥感图像融合新算法

提出一种基于小波变换的遥感图像融合新算法。利用离散小波变换把图像分解成不同尺度的低频和高频部分,采用小波区域窗口和子区域窗口统计把小波系数分类成边缘和非边缘系数。在融合处理中,低频图像的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的最大多窗口区域方差来确定融合后高频小波系数。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,这种算法有效且优于其他的图像融合方法。     

基于高密度离散小波变换的改进图像降噪方法

为进一步提高图像质量,提出一种基于高密度离散小波变换的改进图像降噪方法。给出二维高密度离散小波变换的分解与重构快速算法,通过该算法对图像进行多尺度分解,利用相邻尺度小波系数相关性对各层小波系数进行双变量收缩阈值处理,重构降噪后的图像。实验结果表明,与其他常用小波降噪方法相比,该方法能进一步提高图像降噪效果,且在降噪过程中较好地保留图像细节。     

基于混合的小波系数分类数字水印算法

部分数字水印算法中水印直接添加到图像小波系数,造成在最大灰度值附近的像素值产生越界,引起水印提取不准确。提出基于混合的小波系数分类数字水印算法,算法在边界值处采用混合嵌入方法,保证了嵌入水印后的像素值不会超出图像灰度范围;其余非边界系数采用叠加水印方法。实验结果表明,该算法避免了水印提取时边界附近产生的误差,水印的相似度也明显提高,嵌入水印后的图像具有较高峰值信噪比。     

双曲线函数在灰度图像小波阈值去噪中的应用

小波硬阈值去噪由于在阈值处不连续,在重构时会出现振荡;软阈值处理后的小波系数与真实值之间存在恒定的偏差等情况,重构时会模糊图像的边缘和细节。将双曲线函数引入小波阈值去噪法,根据参数选择的不同可构造出两种不同的阈值函数,解决了阈值处的连续性问题,并在一定程度上消除阈值处理后小波系数与真实值之间的偏差,在去除噪声的同时,很好地保持了图像的边缘和细节。     

压缩图像传输中基于小波-空间域联合估计的差错隐藏算法

基于小波域压缩的图像在传输发生错误时，会引起部分空间区域图像质量的下降。解决这一问题的传统方法是空间域插值或小波域估计。由于传统方法重构质量仍有待提高，为了获得质量更好的重构图像，提出了一种小波一空间域联合估计的差错隐藏算法。该算法首先对小波域低频系数进行简单的八邻域平均来得到初始重构图像；接着在空间域对核心受损区域进行基于块的匹配搜索，通过选择对已知正确小波系数影响最小的块作为匹配块来得到匹配图像；最后将经过滤波处理后的匹配图像变换到小波域，通过与小波域已知正确信息相融合来得到最终重构图像。仿真试验表明，在多数应用场合，该方法与简单的小波八邻域平均低频重构图像相比，客观质量峰值信噪比提高0．5—1dB左右，主观质量也有明显提高。