基于DWT-LSSVM的图像压缩算法

为了进一步提高图像压缩效率和质量,提出一种离散小波变换（DWT）和最小二乘支持向量机（LSSVM）相融合的图像压缩方法（DWT-LSSVM）。采用DWT对图像分解,得到低频系数和高频系数,采用LSSVM归学习逼近高频系数,并采用混沌粒子群算法对LSSVM参数进行优化,对支持向量、权重和低频系数进行编码,得到数据压缩数据流。仿真结果表明,DWT-LSSVM获得了较高的压缩比,可以较好满足图像传输的实时性要求。     

基于多变换域的彩色图像多功能水印算法

针对单水印存在功能单一的问题,提出一种基于离散小波变换（DWT）和四元数离散余弦变换（QDCT）的彩色图像多功能水印算法。首先,将彩色图像分通道置乱后进行DWT,选择低、中频子带作分块QDCT,利用部分实数系数构造系数矩阵,鲁棒性水印通过加法原则嵌入该系数矩阵的奇异值中;然后,将图像进行2×2分块的QDCT,特征脆弱水印利用QDCT的低频模值系数产生,并嵌入空域最低有效位（LSB）。实验结果表明,鲁棒性水印具有良好的抗JPEG压缩、噪声、对比度调节、剪切、旋转以及混合攻击的能力,脆弱水印对篡改敏感且具有精确的篡改定位功能。     

双重认证的变换域图像半脆弱数字水印算法

提出了一种DCT域与DWT域相结合的双重认证图像半脆弱数字水印算法,定义了一个小波系数量化函数以实现水印的嵌入与提取,根据图像局部特性,该量化函数可动态地进行调整;同时设计了三个混沌密钥,结合DCT域定义水印及其嵌入位置．实验表明,该算法在保持对常见的JPEG压缩稳健的同时,能有效地区分偶然失真与恶意篡改。     

支持分辨率渐进码流的无损图像编码方法

针对无损图像压缩编码,提出了一种新颖的图像分解去相关方法。当前的无损图像编码方法主要有CALIC和JPEG-LS,两者都在空域直接作预测,导致编码码流不具有分辨率可伸缩性。结合小波提升模式与边缘自适应预测研究实现了一种比二维小波变换性能更好的分解方法。首先,对图像的每一列样值进行一维小波分解;然后,对高频子带进行边缘自适应预测,减少残留的信息。针对低频子带图像进行同样的两步操作,就完成了对图像的一次二维分解。对低频图像进行多次迭代操作后即形成了对图像的一个多分辨率分解。实验结果表明,与JPEG2000的无损模式相比,由于边缘自适应预测的引入,提出的分解模式获得了明显的编码增益。     

基于准三维变换的视频隐写算法

结合离散余弦变换(DCT)的能量压缩能力和离散小波变换(DWT)的多分辨率特性,提出一种基于准三维变换的视频隐写算法。该算法利用二维小波变换描述视频序列的帧内信息,通过一维离散余弦变换描述视频序列的帧间信息,从而有效利用视频序列的空间及时间冗余,将秘密信息嵌入在DCT系数的量化过程中,保证了视频序列的稳定性及秘密信息提取的准确性。实验结果表明,该算法具有较好的视觉不可见性与较高的嵌入容量,且可实现秘密信息的盲提取。     

一种基于DWT域的数字水印算法

提出一种结合Arnold置乱技术的小波域灰度图像数字水印算法,将置乱后的数字水印嵌入到载体图像小波分解的低频和部分中高频系数上。实验证明,该算法不仅具有较好的透明性,而且对图像加噪、压缩、剪切等具有较高的鲁棒性。     

抗随机剪切的小波域音频水印算法

提出一种基于离散小波变换的有效抵抗随机剪切的鲁棒性音频水印算法。该方法首先把音频信号划分为若干个包含相同采样点的帧;然后对每帧进行小波变换,提取小波低频系数并计算相应的绝对平均值;最后根据每帧绝对平均值与低频系数比较的结果,将经过Arnold变换后的二值图像嵌入到小波低频系数中。该算法在对水印进行提取和检测时不需要原始音频。实验结果表明,提出的方法在抵抗各种音频处理（如高斯噪声、MP3压缩、重采样、去噪处理、随机剪切、抖动攻击等）性能良好,尤其是抵抗音频信号的恶意剪切攻击鲁棒性更强。     

基于小波变换和非局部平均的超分辨率图像重建

针对小波域超分辨率方法中重建图像存在的模糊效应,提出一种结合离散小波变换(DWT)、平稳小波变换(SWT)和非局部平均(NLM)的单帧图像重建方法DSNLM。算法首先对低分辨率图像同时进行DWT和SWT,得到四个子带图像;然后结合对应高频子带图像,直接将原始低频图像作为低频子带,各子带利用NLM滤波处理,得到待重建高分辨率图像的各子带图像;最后,通过离散小波逆变换(IDWT)得到最终的重建高分辨率图像。实验结果和重建视觉效果表明,所提方法与已有的超分辨率方法相比更优,在峰值信噪比(PSNR)、均方差(MSE)和结构相似性度量(SSIM)的评价指标上有显著的提高,对图像去噪、去模糊有效。     

基于离散小波变换和感知哈希的加密医学图像检索算法

针对加密存储在云服务器的医学图像安全检索问题,提出基于离散小波变换（DWT）和感知哈希的加密医学图像检索算法。首先结合Henon映射的特点对图像进行频域加密运算;然后,对加密医学图像进行小波分解,得到逼近原图的子图;其次,根据离散余弦变换（DCT）的特性,通过比较DCT各系数与系数均值的关系得到图像的感知哈希序列;最后通过比较感知哈希序列之间的归一化相关系数来实现对加密医学图像检索。与基于非负矩阵分解（NMF）的哈希算法相比,所提算法在高斯噪声下检索精度提高了近40%,且在JPEG压缩攻击、中值滤波攻击、缩放攻击和扭曲攻击下检索精度与之相差无几。实验结果表明,所提算法对于常规攻击和几何攻击具有较好的鲁棒性,同时降低了图像加密的时间复杂度。     

小波变换和硬C均值聚类的数字水印算法

提出一种基于硬C均值聚类的小波域数字图像水印算法。该算法利用人类视觉特性对小波域的低频子图进行硬C均值聚类,确定可嵌信息区域,在可嵌信息区域内通过交换相邻小波域系数值嵌入二值水印图像;双混沌序列的使用增强了水印系统的安全性。实验结果表明：该算法不仅具有良好的透明性,而且对叠加噪声、JPEG压缩、几何剪切,改变图像核心部分等恶意攻击具有高鲁棒性。     

基于灰关联的彩色图像DWT域信息隐藏算法

基于灰关联的理论思想以及信息隐藏的特点,文中定义了一种新型的灰关联系数的计算方法，并在此定义的基础上提出了一种新的基于彩色图像的信息隐藏算法。该算法通过对原始载体图像DWT域中LH和HL频带的系数进行调整，将秘密数据隐藏到彩色载体图像各个颜色分量的LH和HL频带系数上，根据系数间的灰关联系数大小对秘密信息进行提取，提取时不需要覆盖图像，实现了秘密信息的盲提取。实验结果表明，该算法不仅具有较好的透明性，而且能够对一些常见的攻击如叠加噪声、几何剪切、JPEG压缩、滤波等均具有较好的鲁棒性。     

一种基于DWT域的数字水印算法

提出一种结合Arnold置乱技术的小波域灰度图像数字水印算法,将置乱后的数字水印嵌入到载体图像小波分解的低频和部分中高频系数上。实验证明,该算法不仅具有较好的透明性,而且对图像加噪、压缩、剪切等具有较高的鲁棒性。     

基于小波变换的自同步音频水印算法

该文提出了一种基于DWT的自同步音频水印算法．该算法具有如下特点：(1)在隐藏水印信息的同时，嵌入一个同步信号，使水印具有自同步能力；(2)同步信号与水印隐藏于DWT域低频子带，在改善同步信号鲁棒性的同时，利用DWT的时频局部特性，有效地提高在变换域内搜索同步信号的效率，较好地解决了同步信号鲁棒性与其搜索计算量之间的矛盾．实验表明，所提出的方法在抵抗各种通用的音频处理和攻击(如高斯噪声、MP3压缩、重采样、重量化、裁剪等)方面具有良好的性能．     

一种双重变换域图像半脆弱水印算法

提出了一种DCT域和DWT域相结合的双重变换域半脆弱图像数字水印算法。充分利用了DWT变换提取图像特征方面的优势和DCT变换与JPEG压缩过程结合紧密的特点,使用自行设计的篡改估计函数,有效地实现了篡改检测和篡改定位,而且检测时不需要原始图像。使用密钥控制生成的混沌序列对水印进行加密处理,保证了系统的安全性。实验结果表明,该算法对于JPEG压缩等常规图像处理具有较强的鲁棒性,对于恶意篡改具有高度的敏感性,并且能够准确定位篡改发生的位置。     

Data compression techniques in Wireless Sensor Networks

The advancement in the wireless technologies and digital integrated circuits led to the development of Wireless Sensor Networks (WSN). WSN consists of various sensor nodes and relays capable of computing, sensing, and communicating wirelessly. Nodes in WSNs have very limited resources such as memory, energy and processing capabilities. Many image compression techniques have been proposed to address these limitations; however, most of them are not applicable on sensor nodes due to memory limitation, energy consumption and processing speed. To overcome this problem, we have selected Discrete Cosine Transform (DCT) and Discrete Wavelet Transform (DWT) image compression techniques as they can be implemented on sensor nodes. Both DCT and DWT allow an efficient trade-off between compression ratio and energy consumption. In this paper, both DCT and DWT are analyzed and implemented using TinyOS on TelosB hardware platform. The metrics used for performance evaluation are peak signal-to-noise ratio (PSNR), compression ratio (CR), throughput, end-to-end (ETE) delay and battery lifetime. Moreover, we also evaluated DCT and DWT in a single-hop and in multi-hop networks. Experimental results show that DWT outperforms DCT in terms of PSNR, throughput, ETE delay and battery lifetime. However, DCT provides better compression ratio than DWT. The average media access control layer (MAC) delay for both DCT and DWT is also calculated and experimentally demonstrated.     

小波变换和清晰块搜索结合的图像融合算法

在基于小波变换的多聚焦图像融合中,低频系数选取决定融合图像的轮廓,同时影响融合图像的边缘细节,因此小波变换法是以损失图像的局部清晰来换取整幅图像的平均清晰;而基于空域块选择的融合方法能很好地保留利用聚焦图像的清晰部分,但是图像模糊区域效果不佳。因此提出一种新的融合算法,先对图像进行小波变换融合,之后对原图像进行清晰块搜索,进行基于清晰块选择的图像融合。实验结果表明,该算法融合结果优于单一的小波变换算法。     

小波变换用于基于图像内容的自适应数字水印算法

为了提高在频率域嵌入水印抵抗攻击的能力,该文提出一种基于DWT的CBWM自适应数字水印嵌入算法,该算法依据离散小波变换域的水印嵌入策略:水印应当首先嵌入小波图像的低频系数中,若有剩余,再按小波图像频带重要性的排序,嵌入高频带中,并且水印嵌入到图像的低频系数和高频系数中时,需采用不同的嵌入强度;将水印嵌入到图像三级小波分解变换域的低频空间(LL3)的特征向量中,并且水印与特征向量两者正交。并且,其中水印的嵌入过程是自适应的,即先将小波系数组织成小波块,再依据纹理强弱对小波块分类,然后根据分类结果,将不同强度的水印分量嵌入到特征向量的不同分量中。此外,该算法对静止图像的水印检测是通过Neymann-Pearson决策准则来实现的。实验结果证明,该算法对滤波、噪声、几何变换、图像压缩、以及x-y方向修剪、StirMark攻击等都具有很好的抵抗能力;对裁剪和图像旋转也具有较好的鲁棒性。     

基于双树复小波变换的图像融合方法

为获得更好的融合效果,提出基于双树复小波变换的图像融合方法。双树复小波变换具有平移不变性、方向选择性等特点,适合进行图像融合,优于传统离散小波变换方法。给出多策略的融合规则,源图像小波变换后低频采用区域清晰度,高频采用区域标准差。灰度多聚焦图像和彩色多聚焦图像的融合实验测试以及评价指标的统计结果,表明了双树复小波变换方法的优势和所用融合规则的有效性。     

An efficient encryption-then-compression technique for encrypted images using SVD

This paper presents a lossy compression technique for encrypted images using Discrete Wavelet Transform (DWT), Singular Value Decomposition (SVD) and Huffman coding. The core idea of the proposed technique lies in the selection of significant and less significant coefficients in the wavelet domain. Significant and less significant coefficients are encrypted using pseudo-random number sequence and coefficient permutation respectively. Furthermore, encrypted significant data is compressed by quantization and entropy coding while, less significant encrypted data is efficiently compressed by discarding irrelevant information using SVD and Huffman coding techniques. At receiver side, a reliable decompression and decryption technique is used to reconstruct the original image content with the help of compressed bit streams and secret keys. The performance of proposed technique is evaluated using parameters such as Compression Ratio (CR) and Peak-Signal-to-Noise Ratio (PSNR). Experimental results demonstrate the effectiveness of proposed work over prior work on compression of encrypted images and obtain the compression performance comparable to state of art work on compression of unencrypted images i.e. JPEG standard.     

基于冗余小波变换的医学超声图像去斑噪算法

医学超声图像中固有的斑点噪声严重降低了图像的可解译程度,影响了后续的图像分析和诊断。提出了一种基于冗余小波变换的超声图像去斑算法,首先对含斑图像进行对数变换,将乘性噪声变成加性噪声;再对转换后图像做冗余小波分解;在小波系数服从广义高斯分布的前提下,计算每个小波高频子带的贝叶斯萎缩阈值,利用软阈值方法修正小波系数。实验结果表明,该算法去斑性能优于传统的空间域滤波和正交小波阈值去噪方法。