一种新的基于Contourlet变换的数字图像零水印算法

提出了一种基于Contourlet变换的数字图像零水印算法。算法首先对宿主图像进行Contourlet变换得到低通子带和带通子带,建立Contourlet系数与行列式之间的大小关系,利用该关系同时结合加密后水印图像构造零水印。实验结果表明,该水印算法对JPEG压缩、滤波、噪声、缩放、剪切等多种攻击具有很强的鲁棒性。同时,水印图像的双重加密提高了系统的安全性。     

基于离散余弦和Contourlet混合变换域的图像水印方案

针对多媒体资源的版权保护问题,结合离散余弦变换和Contourlet变换的优点,提出了一种基于离散余弦变换和Contourlet混合变换域的数字图像水印算法．该算法采用二值图像作为水印,利用混沌映射对水印图像进行加密．将水印嵌入到人眼最不敏感的蓝色分量的离散余弦和Contourlet混合变换域的低通采样逼近子带中,增加了嵌入信息容量．仿真结果表明该水印算法不仅具有较好的安全性、不可见性和稳健性,而且水印采用盲提取,不需要载体图像的信息,更有利于实际应用．     

基于非下采样Contourlet变换的自适应图像融合算法

Contourlet变换克服了小波变换在处理高维信号时的不足,但Contourlet分解和重构时需要采样因此不具有平移不变性,因此根据6trous算法构造了非下采样Contourlet变换(nonsubsampled C～ntourlet transform,NSCT).NSCT比Contourlet变换具有更灵活的方向性、且具有平移不变性.因此将NSCT变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息.基于NSCT的自适应图像融合算法是将图像进行NSCT分解后,针对在不同频率域特点选择不同的融合规则,最后通过重构得到融合图像.通过对试验结果进行的主观和客观的对比,试验结果表明NSCT能够为融合图像保留更全面的原始图像信息,且基于NSCT的自适应图像融合算法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法.     

基于邻域能量的压缩感知医学图像融合研究

将不同模态的医学图像进行合理融合,能够极大地丰富图像的信息,提高临床医学的诊断效果.本文结合压缩感知理论,采用Contourlet变换对原始图像进行分解,得到低频子带部分和高频子带部分;对低频子带使用平均加权的方式进行融合,对含有较多噪声的高频子带使用邻域能量加权的融合规则.通过对医学图像的仿真实验,该算法可以增加多模态医学图像互补信息,并能较好地提高医学图像融合的清晰度.比较融合评价指标,证实该算法无论在主观视觉还是客观评价指标上都有较好的效果.     

多分辨率域HMT图像去噪增强算法

为了同时削弱wavelet的伪吉布斯现象以及Contourlet的划痕效果,该文根据多分辨率分析原理.在Wavelett域与Contourlet域建立统一的隐马尔可夫树(HMT)去噪模型,实现了对图像的有效去噪与细节增强.该方法具有多向选择性、图像信息并行处理、信息利用率高、多频率图像融合增强等特点.通过仿真实验与Wavelet、Contourlet和Wavelet HMT等去噪算法进行比较,验证了该方法的有效性和优越性.     

非下采样Contourlet变换域多聚焦图像融合方法

针对同一场景的多聚焦图像融合问题,提出基于脉冲耦合神经网络(PCNN)的非下采样Contourlet变换(NSCT)域融合方法.将源图像经过NSCT变换生成的低通子带系数和带通方向子带系数输入PCNN,将各神经元迭代产生的点火频数构成点火映射图.采用接近度函数描述点火映射图邻域特性的关联程度,根据邻域接近度为融合图像选择相应的子带系数,通过NSCT逆变换得到融合结果.实验分析表明,新的融合方法在很大程度上保留了多聚焦图像的清晰区域和特征信息,具有比经典小波变换、Contourlet变换和常规NSCT方法更好的融合性能.     

形态金字塔图像分割算法

提出了一种数学形态金字塔图像分割算法，使用形态金字塔算法将图像逐级分解，在不同分辨率空间中对细节信息进一步处理，分割出不同特征区域．SAR图像实验结果表明该算法可以作为一类带通滤波器，提取不同特征区域，实现图像的多分辨率分割．     

一种新的NSCT超分辨率图像复原技术

考虑到非下采样Contourlet变换具有多尺度性和多方向性,提出了一种基于非下采样Contourlet变换的图像复原算法.首先对给出的序列低分辨率图像进行图像配准,对配准图像进行非下采样Contourlet变换,分解成低频及高频部分,对低频和高频分别采取不同的融合策略进行融合,再对融合后的高频和低频进行非下采样Contourlet变换逆变换得到融合图像.对融合后的图像再进行非下采样Contourlet变换,分别对高频细节和低频进行插值,再经非下采样Contourlet逆变换复原成高分辨率的图像.实验表明,该算法在主观效果和客观评价上均优于传统复原算法,是一种可行的图像复原新算法.     

基于平稳Contourlet变换的极化SAR图像融合

提出一种新颖而有效的基于平稳Contourlet变换的极化SAR图像融合算法。平稳Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用平稳Contourlet变换对多个单极化强度图像进行分解,对于低频系数和方向高频系数采用最优加权算法实现极化图像的融合处理。实验结果表明,该算法与PWF算法相比在保留原始图像边缘和纹理信息同时,可以有效地抑制相干斑噪声的影响,取得较好的融合视觉效果。     

基于FCN的TFT-LCD表面缺陷快速检测算法

为克服TFT-LCD表面缺陷检测中边缘模糊、对比度低、图像中存在重复纹理背景等噪声的干扰,提出了种基于全卷积神经网络的端到端的快速检测算法.该算法能够通过感受域获取原图信息,并生成低对比度特征图,然后将低对比度特征图映射到高对比度特征图上,最后通过高对比度特征图上的感受域重构出高对比度缺陷图像,并将缺陷筛选出来.     

一种新的Contourlet域鲁棒水印算法

为提高水印算法的鲁棒性和效率,提出了一种基于图像纹理特征的自适应鲁棒水印算法．选定灰度共生矩阵的能量、熵、对比度3种纹理特征量,通过Mean Shift聚类算法快速准确地提取图像强纹理区域,在图像强纹理的Contourlet变换域大系数中添加水印,通过纹理聚类结果自适应选择水印嵌入位置,控制嵌入强度．实验表明,这种算法对多种攻击(高斯低通滤波、维纳滤波、中值滤波、椒盐加噪、高斯加噪、JPEG攻击、剪切攻击)表现出强的鲁棒性,收敛速度明显优于基于FCM聚类以及K均值聚类的水印算法．     

基于混沌理论和量化方法的双功能水印算法

针对传统数字水印功能单一的问题,提出一种同时实现版权保护和完整性认证的双功能水印算法。采取块均值量化方式,使水印嵌人过程中块内系数的变化值自适应于系数本身大小,以协调不可见性与鲁棒性,同时利用混沌映射构造与图像特征信息相关联的认证水印嵌入图像的最低有效位,以减少脆弱水印对鲁棒水印的影响。实验结果表明,该算法中的鲁棒水印对常见攻击具有抗攻击性,脆弱水印具有敏感性,且能定位出图像的篡改位置。     

基于小波树的数字图像水印技术

基于限定的重要小波树提出了一个数字图像水印的算法，该算法针对水印置乱、嵌入子带的选取、子带阈值的计算、限定的重要小波树的构造、水印的嵌入和提取都给出了相应的策略．实验证明算法对常用的图像处理攻击如JPEG压缩、低通滤波、剪切、加噪等攻击具有较好的鲁棒性、不可见性和安全性．     

基于角点增强的抗打印扫描零水印算法

利用角点检测算法提取与图像旋转、平移、缩放等操作无关的Harris角点,对角点响应值与象素值的关系进行分析,进而角点增强响应值,以保证打印扫描前后检测到的角点具有较高的一致性,对角点构造特征向量作为图像的零水印信息。另外,针对已有局部特征描述子在打印扫描前后特征点匹配率不稳定这一问题,提出新的匹配算法,首先根据局部特征描述子进行粗匹配,然后用聚类法进行精匹配保证特征点匹配率。在水印检测时,对匹配成功的特征点进行遍历,将图像的局部特征信息和位置信息生成一维向量,对该一维向量作相似性运算,即可判别待检测图像是否含有零水印信息。实验结果表明,该算法对打印扫描等攻击具有一定的鲁棒性。     

基于奇异值分解的Contourlet域三维彩码鲁棒水印算法

移动互联网时代,三维彩码因其技术优势和便捷性成为条码发展的新趋势,但其版权保护问题也随之而来。结合奇异值分解提出了一种基于Contourlet变换域的鲁棒水印算法,首先对载体图像的蓝色分量进行Contourlet变换,然后对其产生的逼近子带进行奇异值分解再嵌入水印。实验结果表明提出的算法有良好的不可见性和鲁棒性,即使在水印嵌入强度微小、几乎不改变宿主图像的同时依然能很好地提取水印,不仅可对三维彩码进行版权保护,而且对常见攻击如JPEG压缩、噪声、滤波、旋转、裁切等具有较强的鲁棒性。     

结合编码交织的频数质心零水印算法

针对传统数字水印算法的透明性随嵌入强度的增加而下降,且存在鲁棒性和稳定性差的问题,提出了一种基于极化码与二维交织算法相结合的频数质心零水印算法.该算法依次对水印信息进行极化码编码,二维交织构造出交织矩阵,然后对载体图像进行非下采样轮廓波变换获得其低频系数,再通过分块非负矩阵分解得到一维基矩阵;根据频数分布特征计算局部频数质心以构造出特征矩阵,最后将含有水印信息的交织方阵和特征矩阵进行异或操作生成零水印.大量实验表明,该零水印算法可以有效地抵抗常规的信号处理攻击、几何攻击以及组合攻击,水印提取的归一化系数值在0.88以上,具有较强的鲁棒性和稳定性,且具有良好的实用价值.     

基于无监督深度学习的红外图像与可见光图像融合算法

红外和可见光图像表征了互补的场景信息. 现有的基于深度学习的融合方法大多通过独立提取网络分别提取两个源图像特征,从而丢失了源图像之间的深度特征联系. 基于此,提出了一种新的基于无监督深度学习的红外图像与可见光图像融合算法,针对不同模态的特点采用不同的编码方式提取图像特征,利用一个模态的信息补充另一个模态的信息,并对提取到的特征进行融合,最后根据融合特征重建融合图像. 该算法可在两个模态的特征提取路径之间建立交互,不仅可预融合梯度信息和强度信息,且能增强后续处理的信息. 同时设计了损失函数,引导模型保留可见光的细节纹理,并保持红外的强度分布. 将所提算法与多种融合算法在公开数据集上进行对比实验,结果表明,所提算法获得了良好的视觉效果,客观指标评价方面对比现有的优秀算法也有一定的提升.     

基于分块的小波域图像半脆弱水印认证算法

提出一种图像半脆弱水印认证算法,该算法将图像分成四块,从三级小波分解的低频系数中提取每部分图像的特征作为水印,嵌入到载体图像的各分块中,水印提取既不需要原始图像,也不需要原始水印信息.理论分析及实验结果表明,该算法可以对任意大小的载体图像进行水印嵌入,具有很好的透明性,不仅能抵御噪声、有损压缩等非恶意攻击,还能有效地检测定位剪切、替换等恶意攻击.     

全变差曲波变换在医学影像图像去噪中的应用

针对曲波变换算法在医学影像图像去噪中会产生截断伪影和边缘模糊等问题,提出了一种全变差曲波变换算法.该算法首先对含噪医学影像图像分别进行曲波阈值和全变差去噪,然后将得到的去噪结果进行曲波逆变换并生成最终图像.仿真实验结果表明,该算法不仅可有效地降低噪声,还可较好地保持医学影像图像边缘和细节信息,其效果明显优于曲波变换算法和全变差算法.因此,该算法对医学影像图像的噪声滤除具有良好的应用价值.