伪Zernike矩归一化的抗几何攻击图像水印

以改进的伪Zernike矩相关知识为基础,提出了一种改进的抗几何攻击的数字水印算法。该算法首先计算载体图像的伪Zernike矩,然后对其进行归一化处理。最后选择部分低阶矩幅值量化嵌入水印。实验结果表明该数字水印算法不仅可以抵抗常规的数字信号处理,而且较基于伪Zernike矩的抗几何攻击的数字水印算法有对旋转和缩放的联合攻击具有较好的抵抗能力。     

分形与伪Zernike矩的鲁棒水印算法研究

以分形编码技术及伪Zernike矩相关知识为基础,提出一种可有效抵抗几何攻击的高鲁棒数字水印新算法。算法首先利用分形编码及设置的阈值将图像分成自相似性块和非自相似性块;然后计算自相似性块的伪Zernike矩,并从中选出最鲁棒的矩;最后通过量化调制伪Zernike矩幅值将水印嵌入其中。仿真实验表明,算法不仅具有较好的透明性,而且对常规信号处理(滤波、锐化、加噪和JPEG压缩等)和几何攻击(全局仿射变换、局部失真等)均具有较好的鲁棒性。     

图像归一化与伪Zernike矩的鲁棒水印算法研究*

以基于矩的图像归一化技术及伪Zernike矩相关知识为基础,提出一种可有效抵抗几何攻击的数字水印新算法。算法首先利用归一化技术将原始图像映射到几何不变空间内;然后结合不变质心理论提取出归一化图像的重要区域;最后通过量化调制伪Zernike矩幅值将水印嵌入到重要区域中。仿真实验表明,该算法不仅具有较好的透明性,而且对常规信号处理(滤波、锐化、加噪和JPEG压缩等)和几何攻击(全局仿射变换、局部失真等)均具有较好的鲁棒性。     

基于非下采样Contourlet变换的伪Zernike矩水印算法研究

方案以非下采样Contourlet变换及伪Zernike矩知识为基础,利用非下采样Contourlet变换提取出低频区域,在此区域采用量化调制伪Zernike矩的幅值将水印信息嵌入.由于非下采样Contourlet变化有很好的平移不变性和抗噪性,而伪Zernike矩具有旋转不变性,还具有对噪声不敏感的特性,两者结合是一个较好的抗几何攻击方法.仿真实验表明,该算法不仅具有较好的透明性,而且对常规信号处理和一般性几何攻均具有较好的鲁棒性.     

一种新的基于伪Zernike矩的图像盲水印算法

抵抗几何攻击的鲁棒性是目前数字水印技术中的热点也是难点。提出一种新的基于伪Zernike矩的图像盲水印算法,首先计算图像归一化后的伪Zernike矩,然后选取部分合适的矩通过量化调制嵌入水印信息。水印提取时,利用伪Zernike矩的相位信息估计旋转角度进行几何校正,以提高矩的几何不变性。实验结果表明,本算法对于抗几何攻击尤其是旋转攻击具有很好的鲁棒性,同时也能抵抗常规的信号处理攻击。     

基于伪Zernike矩和Contourlet变换的抗几何攻击图像水印算法

在研究Contourlet变换和伪Zernike矩理论的基础上,提出了一种新颖的抗几何攻击数字图像水印算法。该算法首先 用Contourlet变换处理 原始图像,提取出图像的低频区域;然后依据人眼的视觉特性以及嵌入水印前、后系数的相关性,采取量化调制伪Zernike矩的幅值将数字水印信息嵌入图像的低频区域中。其无须借助于原始图像,就能进行水印提取,实现真正的盲检测。实验结果表明,该算法对平移变换的抵抗力最强,对旋转和缩放也有很好的抵抗力,而且经过JPEG压缩之后,数字水印也不会失真。     

基于SIFT和伪Zernike矩归一化的抗几何攻击水印

提出一种基于SIFT和伪Zernike矩归一化的抗几何攻击水印方案。首先用SIFT方法提取载体图像的特征点,筛选得到关键点。然后在关键点确定载体图像的方形子区域嵌入水印。嵌入时计算方形子区域的伪Zernike矩值,并对矩值作归一化处理,选择部分低阶矩幅值抖动量化嵌入水印。为抵抗几何攻击,检测前进行基于SIF关键点的几何失真校正,对校正后的图像提取水印。实验结果表明该算法对旋转、剪切、JPEG、压缩、噪声、中值滤波等攻击有很好的鲁棒性。     

一种可有效抵抗几何攻击的鲁棒图像水印算法

伪Zernike矩(Pesudo-Zernike Moments)是一组正交复数矩,其不仅具有旋转不变性、更低的噪声敏感性,而且还具有表达有效性、计算快速性以及多级表达性等特点.以伪Zernike矩理论为基础,提出了一种可有效抵抗几何攻击的数字图像水印新方案.该方案首先结合伪Zernike矩的旋转不变特性,计算出原始载体图像的伪Zernike矩;然后选取部分低阶伪Zernike矩;最后采纳量化调制策略将水印信息嵌入到伪Zernike矩幅值中.实验结果表明,该数字图像水印方案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、几何攻击等能力,整体性能优于Zernike矩图像水印方案.     

基于非下采样Contourlet变换和伪Zernike矩的水印算法

针对水印嵌入伪Zernike矩信息量小的不足,设计一种基于非下采样Contourlet变换和伪Zernike矩的水印算法.算法首先将水印信息量化调制嵌入原始图像的非下采样Contourlet变换域低频区域,然后计算伪Zernike矩进行几何校正.实验结果表明,该算法在具有较大的水印嵌入量的同时,对常见图像处理和几何攻击具有较好的鲁棒性.     

基于伪Zernike矩归一化的人脸特征提取方法

以改进的伪Zernike矩相关知识为基础,提出了一种新颖的人脸识别特征提取方法。该方法在识别时不需要进行几何校正,降低了人脸识别系统的算法复杂度。计算人脸图像的伪Zernike矩,对其进行归一化处理,采用最小邻近分类器进行判别。实验结果表明,该算法不受人脸尺度和旋转变化的影响,并且对表情、姿态和光照具有较强鲁棒性。进一步探讨了伪Zernike矩在人脸识别方面的应用。     

新的分形水印方案的研究

以基于矩的图像归一化技术及分形相关知识为基础,提出一种可有效抵抗几何攻击的数字水印新方案。方案利用归一化技术将原始图像映射到几何不变空间内,结合不变质心理论提取出归一化图像的重要区域;利用分形,通过调整DCT中频系数,将水印自适应地嵌入到重要区域的自相似块中。仿真实验结果表明,方案不仅具有较好的透明性,而且对常规信号处理和几何攻击均具有较好的鲁棒性。     

基于伪Zernike矩的图像识别

研究和分析了伪Zernike矩的位移及尺度不变特性。利用此特性,对图像识别中的一种情况,即不同位移及不同尺度下同一目标的识别提出了新的方法。通过计算目标图像的高阶伪Zernike矩模值,再利用聚类方法进行分类。实验结果表明,伪Zernike矩对于不同尺度目标的识别具有很好的作用。     

一个分形图像水印算法的改进

改进了一个分形水印算法,它把二值版权图标嵌入到分形压缩的图像文件中。具体说,把宿主图像分成大小相同的不重叠的子块,对这些子块进行分形编码（采用正交分形编码方法）。这些子块按拼贴误差的大小进行降序排列,并根据宿主图像内容分成三个子列。按照新的量化嵌入公式,经Arnold变换置乱后的水印被强度不同地嵌入三个子列的子块的量化均值中,通过分形解码得到含水印图像。实验表明,该算法隐蔽性强,并对剪切、涂抹、加噪、滤波以及JPEG压缩等具有较强的鲁棒性。     

基于LFRs的大容量抗几何攻击水印算法*

如何有效抵抗几何攻击是目前水印技术研究的难点之一,且已有抗几何攻击水印算法的嵌入容量有限。提出了一种利用尺度不变特征变换（SIFT）特征点确定的局部特征区域（LFRs）嵌入水印的大容量抗几何攻击的水印算法。算法首先从图像的非抽样的Contourlet域（NSCT）低频分量中提取出SIFT中等尺度的稳定特征点,并通过最小生成树聚类算法的选择策略获得一组分布均匀且彼此独立的圆形特征区域;然后对每个圆形区域进行等角度的扇形分割和等面积的同心圆环分割,划分成等面积的子块;最后采用奇偶量化将经过混沌加密的水印嵌入到     

伪Zernike矩特征在图像重建中的应用

简单介绍了描述图像形状特征的伪Zernike矩,给出了伪Zernike矩的定义;在讨论伪Zernike矩性质的基础上,指出可以使用基于伪Zernike矩的形状特征数据来重建图像,阐述了基于伪Zernike矩的形状特征数据进行图像重建的理论基础;实验结果证明了基于伪Zernike矩进行图像重建的可行性。