人眼视觉特性与SIFT相结合的视频双水印算法

针对视频水印容易遭受几何攻击以及水印的鲁棒性与透明性的平衡问题,提出一种基于人眼视觉特性与尺度不变特征变换（SIFT）相结合的抗几何攻击视频双水印算法。首先获取视频序列中人眼视觉掩蔽阈值作为水印的最大嵌入强度。其次,将视频帧进行离散小波变换（DWT）,对中高频子带系数提出基于视频运动信息的自适应水印算法;针对低频子带,提出基于小波低频系数统计特性的抗几何攻击视频水印算法。最后,以SIFT作为触发器判断视频帧是否遭受几何攻击,对遭受几何攻击的视频帧利用SIFT的尺度与方向不变性进行校正,并对校正后的视频帧提取水印信号;针对非几何攻击的视频帧,直接利用中高频提取算法。所提算法与实时性视频水印算法——基于小波域直方图的视频水印（VW-HDWT）算法比较,峰值性噪比值（PSNR）提高了7.5%;与基于特征区域的水印算法相比,水印嵌入容量提高约10倍。实验结果表明,在保证水印透明度较好的情况下,所提算法对常规几何攻击具有较强的鲁棒性。     

基于改进SIFT的抗几何攻击的数字水印

通过改进的SIFT（尺度不变特征变换）算法提出了一种可有效抵抗几何攻击的鲁棒数字水印算法。此算法利用改进的SIFT进行水印信号的同步;水印嵌入采用圆环的嵌入模式,在空域以奇偶量化形式嵌入;通过奇偶检测器提取水印。实验结果表明,改进的SIFT大大降低特征点匹配的维数,提高匹配速率,同时该算法能获得很好的图像质量,能有效抵抗几何攻击和常规的信号处理攻击。     

基于SIFT和非采样Contourlet变换的鲁棒水印算法

针对常见抗几何攻击水印算法存在的不足,设计一种基于SIFT和非采样Contourlet(NSCT)变换的鲁棒水印算法。算法首先利用尺度不变特征变换在载体图像的尺度空间上提取特征点并形成矩形特征区域,然后水印信息自适应量化嵌入特征区域的NSCT低频变换系数中,最后保存若干个稳定特征点用于几何校正。实验结果表明,该算法不仅具有很好的透明性,同时对常见图像处理攻击和几何攻击均具有很强的鲁棒性。     

基于DWT最优多子图和SIFT几何校正的鲁棒水印算法

为提高水印系统鲁棒性,提出一种基于PSO算法优化的DWT多子图水印算法。算法选择DWT变换后的多个子图作DCT变换,然后利用PSO算法寻找最优的多子图组合权重,利用扩展变换QIM原理嵌入和提取水印。为提高算法抵抗几何攻击的性能,提出基于改进SIFT的水印图像抗几何攻击方法,采用一种基于圆的特征点描述方法改进SIFT,然后在水印提取前通过SIFT特征点匹配进行几何校正预处理。实验仿真结果表明,在保证水印不可察觉的基础上,基于PSO算法优化的DWT多子图水印算法的鲁棒性优于基于DWT单一子图的水印算法;加入改进SIFT算法的水印系统抵抗几何攻击的能力明显提高。     

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     

一种抗几何失真的彩色图像数字水印算法*

提出了一种基于SIFT(尺度特征变换)特征点校正几何参数的小波域彩色图像水印算法.该算法利用RGB彩色图像中蓝色与绿色分量的小波系数之间的关系,在蓝色水平细节和垂直细节中嵌入相同的水印;水印检测前,利用红色分量中的SIFT特征点估计几何参数,校正失真水印图像,从而可以无失真地提取水印.实验结果表明,该算法对压缩、噪声、剪裁、旋转、缩放等各类几何攻击具有很好的鲁棒性.     

基于SIFT的DCT域抗几何攻击水印算法

针对几何攻击的特点,提出一种基于SIFT变换的鲁棒水印算法.嵌入过程中,在图像的兴趣区域寻找合适的关键点,利用交流系数关系在DCT域重复嵌入水印.提取过程充分利用SIFT关键点对旋转、尺度缩放等的不变性,对隐秘图像进行校正,找出水印嵌入位置,并提取水印,与原始水印进行相似度判定.实验结果表明,基于SIFT变换的水印算法对常见几何攻击有较强的鲁棒性.     

一种基于CS-SIFT抗几何攻击的图像双水印算法

利用压缩感知(CS)技术及图像尺度不变特征变换(SIFT),研究了一种既能抗几何攻击又能实现盲水印的方法。第一重版权水印经过扩频,嵌入在非抽样轮廓变换(NSCT)低频子带的DWT域中;第二重认证水印通过对含第一重水印的图像压缩感知生成,并作为零水印提交IPR数据库保存。提取水印时,先通过获取的零水印信息得到SIFT特征模板,并对含水印图像完整性进行验证及篡改定位和恢复,再根据SIFT特征点的尺度特征和坐标关系,对图像进行几何校正,使水印信息的提取位置同步。实验表明,该算法透明性良好、水印容量较大,而且对于常规攻击和多种几何攻击都具有良好的鲁棒性。     

基于SIFT特征点的抗几何攻击水印算法

提出一种利用尺度不变特征变换（SIFT）特征点实现对抗几何攻击的水印方案。基于特征点构造Delavnay三角网,依靠SIFT特征点的抗几何变换性实现图像三角形区域的抗几何攻击。在提取部分图像内容的基础上,按照多对一的原则,使用改进的加性方法嵌入水印信息。实验表明,该算法能够较好地抵抗几何攻击和一般的信号处理攻击。     

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。     

SIFT算法的并行实现及应用

SIFT算法广泛应用于计算机视觉等领域,而该算法具有较高复杂度,为此提出了一种基于改进SIFT特征提取的视频全景合成方法。该方法采用了多核系统平台并行优化来实现SIFT算法,首先对相邻视点的特征进行配准,然后对重合区域进行双线性融合,减少了视差的影响,同时克服了SIFT算法高复杂度问题。实验结果证明,SIFT算法的并行实现能够实时处理视频拼接,并在大角度旋转情况下仍能较好地合成视图。     

基于SIFT的椭圆区域鲁棒数字水印方案

如何有效抵抗去同步攻击是数字图像水印研究领域的热点问题之一。利用图像仿射协变特征,提出一种可有效抵抗去同步攻击的鲁棒水印算法。对目前流行的利用多尺度Harris和SIFT描述算子来匹配图像的方法,后者有较好的匹配效果,对恢复同步水印更加稳定,并且能较好抵抗去同步攻击。该算法利用性能稳定的SIFT算子提取图像特征点,并通过基于最小生成树聚类算法的选择策略获得一组稳定且彼此独立的椭圆仿射协变特征区域,基于特征区域,利用椭圆归一化得到具有缩放和旋转不变性的圆形区域。将圆形区域进行非下采样轮廓变换（NSCT）,其中非下采样轮廓变换不仅克服了小波（Wavelet）变换的非奇异性最优基缺点,而且提供了优于轮廓（Contourlet）变换的平移不变性。将水印嵌入变换后的低频子带中。该算法实现盲提取,仿真实验结果表明,提出的算法是有效的且对常规图像处理、几何攻击以及组合攻击均具有较好的鲁棒性。     

基于图像纹理复杂度的小波域数字水印算法

针对水印信息嵌入量小、鲁棒性弱、遮蔽性差的问题,提出一种基于图像纹理复杂度的小波域人类视觉系统的水印算法。该算法将载体图像进行分块,计算每块的图像熵,并根据图像熵对载体图像的纹理特征区域进行分类,不同纹理特征水印的嵌入量不同。利用Logistic映射对水印信号进行置乱变换,将水印信号嵌入到二层离散小波变换的低频系数中,并利用小波域人类视觉模型控制水印的嵌入强度。在提取水印时,通过水印误码率和峰值信噪比评价水印质量。实验结果表明,该算法能抵抗噪声干扰、裁剪和密钥攻击,水印图像具有较强的鲁棒性和良好的遮蔽性。     

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。     

一种改进的摄像头视频实时拼接方法

针对普通摄像头水平视角较小的问题,通过同时采集具有一定重叠区域的摄像头视频帧图像,基于尺度不变特征变换（ScaleInvariantFeatureTransform,SIFT）特征点,用二分哈希搜索算法（DichotomyBasedHash,DBH）进行匹配,用随机采样一致（RandomSampleConsensus,RANSAC）算法消除误匹配,得到帧图像拼接映射关系。实验结果表明,该方法能有效地实现摄像头视频实时拼接,克服了既有方法在重叠区域小于20％时失效的不足,在重叠区域为10％左右时仍能取得有效的拼接。     

基于SIFT特征的抗遮挡目标跟踪算法

针对多目标跟踪过程中目标易丢失的问题,提出一种基于尺度不变特征变换(SIFT)特征的多目标跟踪算法。利用SIFT特征集,通过设置目标特征留存优先级,实时更新特征集,保存目标近几帧的稳定特征。对于半遮挡导致的物体丢失现象,提出一种根据匹配特征位置关系进行目标分离的方法,可有效标定遮挡发生时的各个目标。该算法无需目标的先验信息,通过留存优先级即可较稳定地跟踪多个目标。实验结果证明其对目标遮挡、尺度变化及形变具有较好的容错性和跟踪鲁棒性。     

多层次SIFT特征在语义概念检测中的应用

SIFT局部特征因良好的性能在图像和视频的语义概念检测中得到广泛应用。已经有很多学者对SIFT做了深入研究,并提出了PCA-SIFT,SURF,MSER等,但是在SIFT算法中,阶与阶之间采样率的变化对SIFT特征的影响关注很少。考察了SIFT算法中,阶与阶之间采用不同降采样率对SIFT特征差异性的基础上,提出了一种多层次的SIFT（ML-SIFT）算法。Caltech256和SceneClass13数据集上的实验表明,ML-SIFT相比于原始SIFT,其MAP的提高能够分别达到15.7%和5.1％。另外在Caltech256上,当采用不同比例的正负样本训练时,ML-SIFT算法具有较好的稳定性。同时,还将ML-SIFT算法、SIFT、SURF算法做了性能比较,SURF和SIFT算法的性能较接近,但是SIFT和SURF相对于ML-SIFT算法,则其性能较差。实验表明,ML-SIFT是有效的。     

基于改进SIFT算法的双目视觉SLAM研究

SIFT算法通常用于移动机器人视觉S LAM中。但其算法复杂、计算时间长,影响视觉SLAM的性能。在两方面对SIFT改进：一是用街区距离与棋盘距离的线性组合作为相似性度量;二是采用部分特征方法完成快速匹配。应用扩展卡尔曼滤波器融合SIFT特征信息与机器人位姿信息完成SLAM。仿真实验表明,在未知室内环境下,该算法运行时间短,定位精度高。