彩色图像可见水印的网络算法

在对可见教字水印算法以及.NET Framework GDI+技术的研究基础上,提出一种彩色图像可见水印的网络实现算法.该算法将彩色图像从RGB空间转换到HSI空间后,根据载体图像信息计算出嵌入强度大小,在空域中嵌入可见水印以实现彩色图像的版权保护功能.实验结果表明:嵌入的水印对原始彩色图像的影响较小并且很难被去除,为图像提供较好的保护,且嵌入图像大小、位置均可调整,实用性好.     

HSI鲁棒彩色图像数字水印算法*

提出了一种彩色图像数字水印算法,先将图像从RGB色彩空间变换到HSI色彩空间,在HSI模型中取I（强度）分量,结合JND自适应地嵌入水印,然后再反变换回RGB色彩空间,而且水印提取不需要原始图像和原始水印。实验结果表明该算法可以有效抵抗有损压缩、滤波、添加噪声等常见图像处理操作,尤其是对色深变换具有较好的鲁棒性,是一个有实用价值的算法。     

基于块均值调制的彩色图像公开水印技术

为了解决彩色图像的水印嵌入、空间域水印的低稳健性和公开水印的设计等问题,提出一种新的空间域公开水印技术。该技术将水印嵌入到视觉不太敏感的蓝色通道中,通过调制图像子块均值在映射区间上的分布,构建新的图像稳定特征,并实现水印的嵌入和盲检测。讨论了调制区间的最大精度以及映射区间长度对算法稳健性的影响。实验结果表明本方法对多种图像处理具有稳健性。     

一种基于伪随机数调制的混合域盲水印算法

提出了一种基于伪随机调制技术的混合域彩色图像盲水印算法,先将彩色图像由RGB空间转换到HSI空间,并取出饱和度分量S,随后对S分量多小波变换后的中频区域进行分块DCT变换,对每个DCT系数子块,按一定的方案提取出若干个中频系数。然后使用密钥产生两个互不相关的伪随机数列,用其调制前面选出的DCT系数来嵌入水印。通过比较两个伪随机数列和待检测系数相关性的大小来实现水印的提取,不需要原始图像参与。实验结果表明,该算法能有效抵抗剪切JPEG压缩、放缩和较大强度的噪声攻击等攻击操作。     

篇章层自然语言数字水印方法

通过引入扩展频谱技术对水印信息进行编码,提出一种篇章层的自然语言数字水印方法。抽取文本中所有命名实体构成一个向量空间,根据密钥选择一个子空间用于嵌入信息,通过指代消解技术修改子空间内命名实体的个数实现信息嵌入。通过比较最终提取的信息向量与原始水印信息所生成的向量判断是否嵌入了水印信息。实验结果表明该算法具有较好的鲁棒性,能抵抗一些常见的主动攻击。     

多比特水印的实现方法研究

明确了多比特水印的概念,利用水印嵌入空间不相关标志之间无相互影响的特性,给出了基于多符号编码方法的三种多比特水印实现方法。方法1 通过空域分割实现并在单一标志域使用了基于置乱和哈达玛变换的空域水印处理技术;方法2 在空域分割后使用了基于DCT变换的频域水印技术;方法3 在对图像进行三层小波分解后通过对小波系数不相交的划分形成独立的嵌入空间。由实验结果看完全可以满足一般的多比特水印应用的要求。     

多维均衡水印子空间构造研究

在一些图像或视频水印算法中,通常将水印空间划分成多维水印子空间,水印嵌入是通过对子空间的能量调制以嵌入水印信息.由于图像或视频帧中的纹理、边缘信息在不同区域的分布差别很大,因而各个子空间的能量很不均衡.同时,水印子空间元素所允许修改的幅度不能超过感知掩蔽极限,因而会出现某些子空间在元素允许修改的幅度范围内,无法通过子空间能量调制手段有效嵌入水印.因此,迫切需要构造能量均衡的多维水印子空间,以实现水印信息在所有子空间都能有效的嵌入.     

基于IWT和HVS的彩色图像盲水印算法

针对目前大多数图像水印技术是关于灰度图像并且基于离散小波变换的研究,提出了一种基于整型小波变换（Integer Wavelet Transform,IWT）将彩色数字水印嵌入到彩色宿主图像中的算法。采用YCbCr色彩空间的Y分量嵌入水印,利用人类视觉系统特性（Human Visual System,HVS）实现彩色水印嵌入位置的自适应确定;彩色水印的提取不需要原始水印和原始宿主图像。实验证明,嵌入水印后的图像具有很好的不易觉察性,并且对常见的图像处理操作具有很强的鲁棒性。     

HSV颜色空间的彩色图像数字水印算法

提出了一种新的基于HSV颜色空间的彩色图像数字水印算法.该算法采用彩色图像作为水印嵌入到原始彩色图像中.算法根据HSV颜色空间的特点,首先将RGB格式的彩色水印图像转换到HSV颜色空间内,然后分别将水印图像的H、S、V三层进行分块DCT变换,对每一个子块保留左上角的系数,将其它的系数替换为0,得到嵌入矩阵,使得嵌入的有效信息大为减少.再将原始彩色图像转换到HSV域内,对原始图像的H、S和V平面进行分块DCT变换后,将变换后的H、S、V层水印信息分别嵌入到原始图像的H、S和V层变换后的中频和低频系数中,最后通过DCT逆变换和颜色空间转换,将嵌入水印的图像转换成RGB的图像,得到嵌入水印的图像,完成水印的嵌入过程.水印图像小于载体图像,利用冗余嵌入提高了水印的鲁棒性.     

一种基于D CT的序列分组水印算法

在保证鲁棒性前提下,为了进一步提高水印的不可感知性,提出了一种基于DCT变换的二值序列分组数字水印算法。该算法选择载体图像的部分中频系数作为可嵌入的位置空间,同时将水印的分组数值映射到该空间中的一个具体系数作为实际内嵌位置。算法利用一个DCT系数嵌入多比特水印信息,减少了水印嵌入过程中需要修改的系数量,提高了水印算法的感觉容量。实验结果表明,该算法能够实现水印嵌入位置的随机选取,并对典型攻击具有鲁棒性。     

基于纹理方向的高效视频编码鲁棒视频水印

针对现有基于高效视频编码的视频水印算法鲁棒性不足的问题,提出一种基于纹理方向的鲁棒视频水印算法。算法根据水印值将帧内角度预测模式分为水平方向和垂直方向两组,计算N×N分割编码时每个预测单元的纹理方向。当纹理方向与水印所表示的方向一致时,将当前预测单元的33种角度预测模式截断为水平方向或者垂直方向的预测模式,随后根据率失真代价函数决策出最优的预测模式,并判断水印是否嵌入。记录最终水印嵌入位置作为密钥,用于解码端提取。实验结果表明,该算法具有较小的码率增长和视频失真,在历经噪声、滤波和重编码等攻击后能保持较低的误码率(BER),说明该方案能用于视频版权保护。     

结合BEMD与Hilbert曲线的重复嵌入图像水印算法

为解决数字图像水印算法中水印图像与宿主图像在嵌入时尺寸匹配上的局限问题,并提高图像水印算法在抗大尺度剪切、高斯噪声和椒盐噪声等攻击的鲁棒性,提出一种结合二维经验模态分解算法(BEMD)与Hilbert曲线的重复嵌入图像水印算法.首先,利用Arnold变换对水印图像进行置乱处理,以增加水印图像的安全性;其次,利用Hilbert曲线将置乱后的二维水印图像进行数据降维,得到一维水印信号.数据降维不仅有效地解决了嵌入时水印图像与宿主图像在尺寸匹配上的局限,同时也进一步置乱了水印图像,加强了水印图像的安全性.对宿主图像进行BEMD分解得到不同尺度下的内蕴模态函数和余量信息,并检测第1个内蕴模态函数对应图像的极值点作为水印嵌入位置.最后,依据人类视觉系统的纹理掩蔽特性,将一维水印信号按照从左至右、自上而下的顺序依次、重复嵌入到第1个内蕴模态函数对应图像的极值点中,并结合剩余内蕴模态函数及余量信息重建得到嵌入水印后的图像.水印图像的提取为该嵌入过程的逆过程.通过对多组图像进行水印嵌入,得到嵌入水印后图像的峰值信噪比均在40 dB以上;对嵌入水印后图像进行高斯噪声、椒盐噪声、大尺度剪切等攻击实验,得到提取水印图像与原始水印图像的归一化相关系数均在0.96以上.实验结果表明,嵌入水印图像具有良好的不可见性,并对高斯噪声、椒盐噪声,特别是对大尺度剪切具有较强的鲁棒性.     

基于混叠DCT频域灰度级盲水印多重嵌入算法

基于扩展频谱通信技术，对宿主图像的频域进行2维DCT变换，采用保持图像亮度的JND（just noticeable distortion）门限值和多数字基底对宿主图像DCT频域进行选块，对中频分量的DCT交流系数分组嵌入水印比特，以随机二值序列对高低频分量的DCT系数的水印比特嵌入进行控制，使多个数字盲水印信号载波传输于混叠的DCT频带。该算法可预估水印嵌入量，提取水印无需宿主图像和水印图像，仿真测试实例表明，该算法能有效抵抗滤波、加噪、剪切、JPEG有损压缩，具有较强的顽健性和鲁棒性。     

图像插值空间大容量可逆数字水印算法

可逆数字水印技术在遥感、医学、军事等众多领域有着广泛应用,而现有大数可逆水印算法需要依赖于附加信息,严重影响了嵌入容量,为此提出一种无附加信息的大容量可逆水印算法。首先设计了一种类似双线性插值原理的图像放大方法,并利用该方法将载体图像放大为原来的4倍,放大图中有1/4的插值点保留了原始图像信息,其余插值点均可嵌入水印。为了在插值的同时同步嵌入水印,先利用随机函数选取水印嵌入位置,再由嵌入水印信息决定理论插值的最终取值,实现水印嵌入,保证了水印的均匀分布,而且最大限度地降低了嵌入水印对插值的影响,同时还提高了算法效率和水印安全性。与经典插值算法相比,生成的含水印图像质量较好,且对任何载体图像嵌入率均能达到0.75 bpp,大量实验也表明,算法隐蔽性好、安全性高、嵌入率高、实用性强。     

基于HJ-1A高光谱数据的藏北高原草地分类方法对比

环境减灾星星座A星（HJ 1A）携带的超光谱仪填补了我国星载高光谱影像采集领域的空白,但目前国内关于该高光谱数据的应用较少。本文基于HJ 1A高光谱(HSI)数据预处理技术,以申扎县北部为研究区,采用SPCA MLC和HSI SAM分类方法,结合野外实测样本,将研究区分为沼泽草甸、高寒草甸、高寒草原、荒漠化草原和裸地5种类型,并结合分类精度和分类图对2种分类方法进行了对比分析,可得基于HJ 1A高光谱数据的藏北高原草地分类方法中SPCA MLC法优于HSI SAM法。2种方法的分类精度皆大于80%,证明了HJ 1A的HSI数据在实现藏北草地高精度分类方面的巨大潜力。     

Guided Hyperspectral Image Denoising with Realistic Data

The hyperspectral image (HSI) denoising has been widely utilized to improve HSI qualities. Recently, learning-based HSI denoising methods have shown their effectiveness, but most of them are based on synthetic dataset and lack the generalization capability on real testing HSI. Moreover, there is still no public paired real HSI denoising dataset to learn HSI denoising network and quantitatively evaluate HSI methods. In this paper, we mainly focus on how to produce realistic dataset for learning and evaluating HSI denoising network. On the one hand, we collect a paired real HSI denoising dataset, which consists of short-exposure noisy HSIs and the corresponding long-exposure clean HSIs. On the other hand, we propose an accurate HSI noise model which matches the distribution of real data well and can be employed to synthesize realistic dataset. On the basis of the noise model, we present an approach to calibrate the noise parameters of the given hyperspectral camera. Besides, on the basis of observation of high signal-to-noise ratio of mean image of all spectral bands, we propose a guided HSI denoising network with guided dynamic nonlocal attention, which calculates dynamic nonlocal correlation on the guidance information, i.e., mean image of spectral bands, and adaptively aggregates spatial nonlocal features for all spectral bands. The extensive experimental results show that a network learned with only synthetic data generated by our noise model performs as well as it is learned with paired real data, and our guided HSI denoising network outperforms state-of-the-art methods under both quantitative metrics and visual quality.

     

一种抗重压缩的H.264/AVC视频水印算法*

针对当前视频水印抗重压缩能力不足,提出一种基于I帧色度量化残差系数的视频水印算法。通过对H.264/AVC帧内预测模式的分析,得出重压缩后预测模式的转变是造成水印提取失败的主要因素,因此,算法选择在更加稳定的色度分量中嵌入水印。首先,利用4?4子块中非零系数个数选择合适的色度子块,然后,运用差分能量的思想,结合Arnold置乱后的水印信息,通过调制其中一个非零量化DCT残差系数改变两个特定位置系数的关系嵌入水印。算法在帧内预测模式色度分量中嵌入水印,有效的解决了重压缩后水印提取不同步问题,提高了水印的抗重压缩性能。实验结果显示,提取的水印图像位错误率(BER)在20%以下,重构图像的SSIM比现有方案提高了1.2%-4.4%,另外,测试序列的比特增加率(BIR)平均降低了70%左右。算法适用于广播监控等实时视频应用。     

Interactive multi-image colour visualization for hyperspectral imagery

Data visualization can accelerate data processing so that enormous quantities of data can be utilized effectively. Visualization of data can achieve image communication between people and data as well as between people to help observers get information hidden in data, providing a tool for discovery and understanding of scientific law. To solve the problem of multi-image and multi-modality image display in the field of remote sensing, an interactive colour visualization method for hyperspectral imagery (HSI) is proposed in this article. This method visualizes complex information of original HSI data through different fusion results of multiple images in a colour space, which is under the interactive control of the observers. By gradually determining predetermined points, observers can obtain a relatively satisfying image blending mode, output an image with clearer interested target, and obtain the corresponding mixing coefficient of images. The proposed method can also solve the problem that traditional visualization methods only display information from three bands in one image, and conduct information mining in HSI with a certain purpose based on the demands of users. In addition, this approach is also applicable for visualization of other types of multi-modal imagery.