基于DWT SVD域的彩色图像水印算法

针对数字产品的版权保护问题,提出了一种结合整数小波变换（DWT）和矩阵奇异值分解（SVD）的彩色图像非盲水印算法。该算法首先对待处理图像的蓝色分量进行整数小波分解,再将得到的低频子带的小波系数矩阵进行奇异值分解,然后对水印灰度图像进行奇异值分解,水印图像的奇异值被嵌入到由源图像小波系数分解得到的奇异值中。经过奇异值分解逆变换及整数小波逆变换得到含水印图像。实验结果表明,该算法对加噪、滤波、JPEG压缩、剪切、缩放和旋转攻击均有较强的抵抗力,具有较好的实用价值。     

一种基于DWT与SVD的数字图像水印算法

利用小波变换和矩阵奇异值的固有特性,提出了一种基于小波变换和奇异值分解的数字图像水印算法.算法对原始载体图像进行小波变换和奇异值分解;对水印图像进行Arnold变换和奇异值分解;把分解后的水印信息嵌入到分解后的原始载体图像中,再进行相应的变换处理,得到嵌有水印的图像.实验结果表明,该算法具有良好的安全性和鲁棒性.     

整数小波域张量Tucker分解的多光谱图像压缩

针对常用多光谱图像压缩算法-把图像作为矩阵向量量化后再进行相应压缩处理-导致图像的本征结构被破坏、信息损失以及压缩效率低等问题,提出一种基于非负张量(NTD)Tucker分解的多光谱图像压缩算法。首先将多光谱图像的每个谱段进行二维提升整数5/3小波变换,消除多光谱图像的空间冗余。然后将所有谱段的每级小波变换的4个小波子带看作为4个NTD。对每个非负小波子带张量采用改进局部HALS-NTD算法进行Tucker分解,消除光谱冗余和空间残余冗余。最后,将分解的核心张量和模式矩阵进行熵编码。实验结果表明,本文提出的压缩算法具有良好压缩性能,在压缩比32∶1～4∶1范围内,平均信噪比(SNR)高于40dB,与传统多光谱图像压缩算法比较,提高了1.779dB,有效提高了多光谱图像压缩算法的压缩性能。     

基于图变换和DWT-SVD的鲁棒图像水印算法北大核心CSCD

针对图像水印算法在攻击强度较大时鲁棒性差的问题,提出了一种基于图变换(graph-based transform,GBT)、离散小波变换(discrete wavelet transform,DWT)和奇异值分解(singular value decomposition,SVD)的鲁棒图像水印算法。首先对载体图像进行不重叠分块处理,挑选出像素方差值较高的子块进行DWT得到其低频系数矩阵,然后对低频系数矩阵依次进行GBT和SVD得到奇异值矩阵,最后将水印信息嵌入到奇异值矩阵的最大奇异值中。实验结果表明,Pirate图像结构相似度(structural similarity,SSIM)达到0.97以上时,本文算法能有效抵抗噪声、滤波、JPEG压缩、剪切和交换行列等攻击,归一化互相关系数(normalization coefficient,NC)值均在0.9以上。     

压缩感知观测矩阵的优化算法

为克服基于压缩感知的图像重构算法存在的不足,文中对观测矩阵设计方法进行了改进,并根据稀疏信号的特点对观测矩阵加权,令奇异值分解得到的对角阵对角线上的元素全部为1。通过仿真实验表明,将改进后的矩阵作为压缩感知算法的观测矩阵,在大压缩比时PSNR值约提高(1~2 dB),在小压缩比较时PSNR值提高了(8~9 dB)。     

基于奇异值分解动态寻找最佳压缩比的方法

针对奇异值分解变换在对图像进行压缩时,其压缩比是动态可调的,从而提出了一种新的方法,在图像压缩过程中能自适应的寻找最佳压缩比。文章引入能量差Q的概念,利用Q与奇异值个数q之间的关系,通过确定合适的Q值,动态寻找最佳的q值,从而达到动态图像压缩的目的。经过对多幅灰度图像的压缩实验证明,该方法切实可行,具有一定的应用前景。     

基于奇异值分解的图像降噪方法

由于奇异值分解可以有效地提取图像的主要特征,为了提高算法的鲁棒性,通过将矩阵的奇异值分解引入振幅-相位恢复算法,提出了基于奇异值分解的抗噪声多强度相位恢复算法。首先,将奇异值分解引入振幅-相位恢复算法,在振幅-相位恢复算法取平均值之后,对恢复的图像进行奇异值分解,奇异值较小的分量认为是噪声,保留奇异值较大的分量,将奇异值较小的分量置为0。其次,通过数值模拟实验可以看出,通过奇异值分解,不仅可以去除测量过程中所引入的噪声,而且还可以充分利用自然图像稀疏的特性,加快振幅-相位恢复算法的收敛,且具有更少的算法运行时间。     

基于四重奇异值分解的小波包数字图像水印算法

结合奇异值分解和小波包分解的特点,提出了一种基于四重奇异值分解的小波包数字图像水印算法.该算法先对载体图像进行分块,然后对每块二级小波包分解后的频带四重使用奇异值分解和再次分块的方法构造矩阵,将SVD后提取的奇异值重新分配和组合,最后将灰度水印图像有效地嵌入到多次组合后的矩阵中.这不仅能增加嵌入的信息量,而且极大地提高了水印的安全性,实现了水印的透明性和鲁棒性之间的最佳平衡.     

改进的奇异值分解算法在数字水印技术中的应用

在基于奇异值分解(SVD)算法的基础上,提出了一种基于Strassen矩阵乘法的奇异值分解水印算法;提供了原图像和水印图像的相似性度量方法;给出了本算法与SVD及Block-SVD算法的时间对比分析.实验结果表明本算法的鲁棒性强,速度快,效率高.     

基于改进的奇异值分解和形态滤波的弱小目标背景抑制

红外弱小目标的复杂背景抑制一直是弱小目标检测与跟踪的一个难点。提出一种改进的奇异值分解和形态滤波Tophat变换相结合的红外弱小目标背景抑制算法。首先通过奇异值分解得到原红外图像的奇异值矩阵和左右奇异矩阵,然后通过对奇异值进行对数非线性变换,利用优化后的奇异值矩阵进行重构得到增强对比度的红外图像,最后利用形态滤波中的Tophat变换进行滤波达到背景抑制的目的。实验结果表明,该算法能够很好地实现红外弱小目标图像的背景抑制,并能使目标信号得到保存和增强。     

基于奇异值分解的图像去噪

提出了利用奇异值分解去除图像噪声的方法。从矩阵的角度出发,通过对图像矩阵进行奇异值分解,将包含图像信息的矩阵分解到一系列奇异值和奇异值矢量对应的子空间中,然后通过有效奇异值重构图像矩阵达到去噪目的。试验利用MATLAB通过对MRI(核磁共振)医学图像进行去噪处理,验证了奇异值分解的去噪效果,并且通过对多幅图像的试验结果进行分析,得到了去噪重构图像时所需有效奇异值数目的统计值。     

一种新的自适应数字水印算法

为了提高数字水印抗击各种图像攻击的性能和保持图像的稳健性和不可见性,提出了一种基于离散小波变换(DWT),SVD(singular value decomposition)奇异值分解水印图像和原始载体图像的离散余弦变换(DCT)的自适应水印嵌入算法,主要是将水印图像的两次小波变换后的低频分量潜入到原始图像分块经过SVD分解的S分量矩阵中,同时根据图像的JPEG压缩比的不同计算各个图像块的水印调节因子。实验证明该算法在抗击JPEG压缩、中值滤波、加噪等均具有很好的鲁棒性,嵌入后的图像的PSNR达到38,具有良好的视觉掩蔽性     

基于矩阵范数分析的自适应数字水印算法

针对数字产品的版权保护问题,提出了一种基于矩阵范数分析的自适应数字水印算法.算法将载体图像分为8×8不重复块并进行DCT变换,根据8×8模板对每个分块的低、高频数据分别组成新矩阵并进行SVD分解.结合人眼视觉特性和矩阵范数理论推导结果求解对应的块能量确定嵌入位置.水印信息选择在摸板的低频区矩阵的奇异值分解的首个值中,嵌入强度随块能量比自动调节.理论分析和实验结果表明,该算法不仅具有较好的透明性,而且对常见攻击如高斯噪声、JPEG压缩、滤波以及几何攻击等具有较好的稳健性.     

一种基于DWT_SVD的抗几何攻击彩色图像水印算法

针对传统离散小波变换(DWT)水印算法不能较好地抵抗几何攻击的缺点,提出了一种基于离散小波变换(DWT)和奇异值分解(SVD)相结合的彩色图像水印新算法。首先对原始彩色载体图像进行RGB三基色分解,然后进行离散小波变换,再选取四个子块的四分之一重构成新子块,并进行二次离散小波变换,最后对其低频部分进行奇异值分解嵌入水印信息,得到嵌入水印的彩色图像。实验结果表明,该算法能够较好地抵抗诸如高斯噪声、椒盐噪声、压缩等常规攻击,并对大角度旋转、任意角度旋转、剪切加旋转等几何攻击也表现出了较强的鲁棒性,其总体性能明显优于传统的DWT水印算法。     

基于奇异值分解的小波域水印算法

文章提出了一种新的小波域奇异值分解的算法,通过对原图像小波分解后的系数进行奇异值分解来嵌入水印,具有很强的抗JPEG压缩能力,并在嵌入水印时采用了自适应嵌入的方法提高了不可见性,还采用了一种基于队列置换的图像置乱技术,提供密钥增加了系统的安全性。     

基于随机映射的特征压缩在快速目标检测中的应用

目标检测通常利用复杂的、高维度的特征来提高其检测精度,而高维特征往往会产生较高的计算复杂度和存储开销。经典的特征压缩算法常常被用于目标检测系统以实现特征降维,但在其求解过程中会涉及到大量的矩阵分解运算,从而降低了算法的实时性。针对此问题,提出一种基于随机映射的特征压缩算法。该算法仅通过一个稀疏随机矩阵和简单的矩阵乘法运算就实现了特征从高维空间到低维空间的映射。利用经该算法压缩后的特征向量构建了Ada-Boost分类器,实验结果表明,该分类器在保证检测精度的前提下,提高了目标检测的实时性。     

基于奇异值分解的半易损水印算法

随着数字图像在报刊杂志、医院、法庭中的广泛应用，越来越需要一种有效的图像认证方法，数字水印技术为上述问题提供了一个潜在的解决方案。本文提出了一种基于分组奇异值分解（SVD）的半易损水印技术，算法将经过伪随机排序的二值图像通过量化策略嵌入到分组SVD分解中最大的奇异值点，提取水印信号无需使用原始图像。仿真实验表明水印是不可察觉的，可将JPEG有损压缩同恶意攻击区分开来，能够准确地定位被篡改的图像内容。     

基于奇异值分解的Contourlet域图像水印算法

针对小波变换由于方向性缺乏而无法有效稀疏地表示图像本身几何结构的问题,结合Contourlet变换和奇异值分解的优点,提出了一种Contourlet变换域内基于奇异值分解的数字水印算法。宿主图像经过两层Contourlet分解后,生成一系列多尺度多方向的子带,选取第二层分解中能量最大的子带进行大小为4×4的互不重叠的分块,并进行奇异值分解,再将置乱后的原始二值水印信息嵌入到奇异值矩阵中。实验结果表明,该算法实现简单,透明性良好,对常规攻击和几何攻击具有较强的鲁棒性,且优于一般的小波域算法。