一种多级离散余弦变换和奇异值分解的零水印算法

传统的基于离散余弦变换的数字水印方法在嵌入水印时都要对原始图像数据进行一定的修改导致嵌入水印图像的保真度下降。文章提出了一种基于多级离散余弦变换和奇异值分解的零水印算法,该算法首先对要嵌入的原始图像进行多级离散余弦变换（MDCT）,提取低频子图并对其进行奇异值分解（SVD）;其次对嵌入的水印图像进行置乱,将置乱后的图像进行奇异值分解;最后将原始图像和水印图像两次SVD后的结果进行运算产生密钥图像。由于本文选取的水印为灰度图像而不是伪随机序列或二值图像,因此在水印检测时具有很好的区分度和检测精度。仿真实验表明该算法的鲁棒性优于现有算法,而且在抗各种常见攻击方面性能良好。     

结合分块噪声估计的字典学习图像去噪算法

图像去噪是图像处理领域的重要环节,也是对图像进行后续处理的基础。近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用。但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,本文先提出一种平滑图像块筛选方法,并将其与奇异值分解(Singular Value Decomposition, SVD)相结合实现对图像的噪声标准差估计。再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(Total Variation, TV)去噪算法相比,本文算法不仅能够使去噪后图像的峰值信噪比提升1~3dB,并且能较好地保留图像的细节信息和边缘特征。     

A Perceptually Constrained GSVD-Based Approach for Enhancing Speech Corrupted by Colored Noise

The singular value decomposition (SVD)-based method for single-channel speech enhancement has been shown to be very useful when the additive noise is white. For colored noise, with this approach, one needs to whiten the noise spectrum prior to SVD-based approach and perform the inverse whitening processing afterwards. A truncated quotient SVD (QSVD)-based approach has been proposed to handle this problem and found very useful. In this paper, a generalized SVD (GSVD)-based subspace approach for speech enhancement is first extended from the concept of the truncated QSVD-based approach, in which the dimension of the signal subspace can be precisely and automatically determined for each frame of the noisy signal. But with this new approach some residual noise is still perceivable under lower signal-to-noise ratio conditions. Therefore a perceptually constrained GSVD (PCGSVD)-based approach is further proposed to incorporate the masking properties of human auditory system to make sure the undesired residual noise to be nearly un-perceivable. Closed-form solutions are obtained for both the GSVD- and PCGSVD-based enhancement approaches. Very carefully performed objective evaluations and subjective listening tests show that the PCGSVD-based approach proposed here can offer improved speech quality, intelligibility and recognition accuracy, whether the noise is stationary or nonstationary, especially when the additive noise is nonwhite     

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度 场内奇异值分解相结合的边缘检测方法。首先在图像预处理阶段,为了提取准确的边缘特征, 文中利用小波变换的时频局部化特性,对图像进行小波变换。该文对用小波求取的梯度场使用 局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出 并且能够达到抑制噪声的目的。实验证明该文方法既能在无噪声影响的图像中提取出清晰完整 的单边缘,又能在有噪声干扰的情况下提取出理想的边缘。     

结合PCA及字典学习的高光谱图像自适应去噪方法

高光谱图像各波段图像噪声分布复杂,传统去噪方法难以达到理想效果。针对这一问题,在主成分分析（PCA）的基础上,结合噪声估计和字典学习,提出一种新的高光谱去噪方法。首先,对原始高光谱数据进行主成分变换得到一组主成分图像并根据能量比重将其划分为清晰图像组和含噪图像组;然后,根据任一波段图像的信息,利用奇异值分解（SVD）对图像进行噪声估计,再将得到的噪声估计方法与K-SVD字典学习去噪算法结合,提出一种具备自适应噪声估计特性的字典学习去噪算法,并将其应用于信息量较小的含噪图像组进行去噪处理;最后,按各主成分图像对应的信息量比例进行加权融合得到最终的去噪图像。通过对模拟与实际高光谱遥感图像的实验表明,与PCA、PCA-Bish、PCA-Contourlet三种去噪方法相比,所提方法去噪后图像的峰值信噪比（PSNR）可以提升1~3 dB,且具有更多的细节信息和更好的视觉效果。     

一种NMF和SVD相结合的鲁棒水印算法

提出了一种非负矩阵变换(NM})和奇异值分解(SVD)相结合的数字水印算法。该算法对宿主图像进行离散小波变换,然后选取低频部分进行非负矩阵变换和奇异值分解,最后在奇异值中嵌入Arnold置乱后的水印。实验表明,该算法在获得良好的视觉效果的同时,又具有很好的鲁棒性,对加噪、滤波、剪切等图像攻击有很好的抵杭能力。     

改进滑动平均滤波在PSO辨识中的应用

在实际系统信号中不可避免的会存在噪声和瞬时扰动,噪声过大会严重影响粒子群优化算法(pso)的辨识结果.针对强噪声环境下利用PSO算法进行参数辨识精度差甚至不能收敛的问题,提出了一种改进的滑动平均滤波算法,通过动态修正滑动平均后的数据相位,来实现无滞后的滑动平均滤波效果.仿真实验表明,对这种改进滑动平均滤波算法应用于PS...     

基于NMF和SVD相结合的Contourlet域鲁棒水印算法*

为了提高变换域数字水印技术的鲁棒性,提出了一种在Contourlet域将非负矩阵变换(NMF)与奇异值变换(SVD)相结合的鲁棒水印算法。宿主图像经过Contourlet变换后,对低频子带进行非负矩阵变换,然后对非负基向量组W进行奇异值分解,最后将经过Arnold置乱的水印图像嵌入到奇异值中。实验结果表明,该图像水印算法在获得良好视觉效果的同时,对于加噪声、滤波、剪切等图像攻击有较好的鲁棒性。     

基于POCS算法的图像超分辨率重建

传统POCS算法对图像进行超分辨率重建时,一般都假设所处理的噪声为零均值的加性高斯白噪声,当噪声为非高斯噪声如椒盐噪声时,POCS算法的重建效果将会下降.针对这一问题,本文对含噪图像首先采用平稳离散小波变换技术进行去噪预处理,然后再用POCS算法重建图像.实验证明,此方法对信噪比较低的图像有很好的重建效果,对高斯及椒盐等噪声处理比较有效.     

基于SVD和Radon变换的抗旋转攻击盲水印算法

为了提高传统基于奇异值变换（SVD）的数字水印抗几何攻击能力,提出一种在小波变换域将Radon变换和奇异值变换相结合的抗旋转攻击鲁棒性水印算法。将宿主图像进行小波变换,对变换后的低频子带进行奇异值分解,将经过仿射变换置乱后的二值水印图像嵌入到奇异值中。在水印嵌入操作上采用了奇偶量化嵌入算法从而实现了二值水印图像在水印检测时的盲提取;同时在水印检测之前,利用Radon变换检测算法对待检测图像进行几何校正,然后提取水印信息。实验结果表明,该算法对于噪声感染、滤波、JPEG压缩等常规信号处理的鲁棒性优于传统的基于SVD的数字水印算法,同时对于旋转几何变换具有很好的鲁棒性。     

基于条件生成对抗网络的CT图像去噪方法

医学图像在重建过程中总会受到噪声干扰,对于此问题,本文提出了一种基于条件生成对抗网络(CGAN)的去噪方法,算法以完整图像作为网络的输入及输出,使生成的图像信息更加稳定可靠。为了适应CT图像的特点,本文对CGAN结构进行了改进,使其能够适应不同噪声水平下的加性高斯白噪声,为了提高效率,在判别器进行训练时采用了损失判别,且在Tensorflow环境下训练网络模型。实验结果表明,与其他传统图像去噪算法相比,本方法能在保留特征信息的同时有效减少图像中的噪声。     

基于软门限去噪的图象压缩编码研究

在详细地分析了Donoho提出的子波域软限去噪方法的基础上,给出了含噪图象信号噪声水平的估计及门限值随尺度变化的规律。采用可分离的二维子波滤波器,方便地将Donoho的软门限去噪方法应用于图象信号处理,从而对含噪图象,在去除噪声的同时,又最大限度地进行了压缩。针对含噪的自然景物图象和合成孔径雷达图象的不同特点,分别提出了这在图象的压缩方案。对于SAR图象的压缩编码,通过一个自然对数变换,使得乘性噪声转变为适于软门限去噪的加性噪声。模拟结果显示,用软门限方法处理的解压缩图象比硬门限方法具有更好的视觉质量,因而该方法是解决含噪图象压缩编码的有效技术。     

基于改进人工鱼群算法的含噪图像分割方法

针对传统的图像分割方法计算量大、抗噪性弱等问题,将新型的智能仿生优化算法--人工鱼群算法（Artificial Fish Swarm Algorithm,AFSA）和小波变换有效地应用到图像分割中,并提出一种并行的阈值分割方法。采用合适的固定步长与自适应步长相结合的方法提高AFSA收敛速度,利用小波变换对小波系数进行阈值处理来提升图像信噪比。利用二维Otsu作为人工鱼群算法的适应度函数,以获得最优阈值。实验结果显示,该方法在分割质量和降噪方面较潘喆等人提出的方法有明显提高。     

An adaptive watermarking approach based on weighted quantum particle swarm optimization

In this paper, we propose a novel optimal singular value decomposition (SVD)-based image watermarking approach that uses a new combination of weighted quantum particle swarm optimization (WQPSO) algorithm and a human visual system (HVS) model for both the hybrid discrete wavelet transform and discrete cosine transform (DCT). The proposed SVD-based watermarking approach initially decomposes the host image into sub-bands; afterwards, singular values of the DCT of the lower sub-band of the host image are quantized using a set of optimal quantization steps deduced from a combination of the WQPSO algorithm and the HVS model. To evaluate the performance of the proposed approach, we present tests on different images. The experimental results show that the proposed approach yields a watermarked image with good visual definition; at the same time, the embedded watermark was robust against a wide variety of common attacks, including JPEG compression, Gaussian noise, salt and pepper noises, Gaussian filters, median filters, image cropping, and image scaling. Moreover, the results of various experimental analyses demonstrated the superiority of the WQPSO approach over other optimization techniques, including classical PSO and QPSO in terms of local convergence speed, resulting in a better balance between global and local searches of the watermarking algorithm.     

一类SVD域水印问题分析及改进算法

分析了一类SVD域图像水印算法存在过高虚警率的原因,并给出了相应的实验结果。在此基础上,提出了一种混合DWT和SVD的图像水印算法。算法先将载体图像划分为互不重叠的块,并对每一块进行1层DWT分解,再对低频子带进行SVD分解。采用量化的方法,将Arnold置乱处理后的水印图像嵌入到SVD分解后的奇异值之中。实验表明,提出的算法克服了传统的SVD图像水印算法存在的虚警问题,对常见的信号处理如JPEG压缩、滤波、噪声等具有较好的鲁棒性。     

局部区域拟合的快速水平集图像分割方法

目的 由于灰度不均匀图像在不同目标区域的灰度分布存在严重的重叠,对其进行分割仍然是一个难题;同时,图像中的噪声严重降低了图像分割的准确性。因此,传统水平集方法无法鲁棒、精确、快速地对具有灰度不均匀性和噪声的图像进行分割。针对这一问题,提出一种基于局部区域信息的快速水平集图像分割方法。方法 灰度不均匀图像通常被描述为一个分段常数图像乘以一个缓慢变化的偏移场。首先,通过一个经过微调的多尺度均值滤波器来估计图像的偏移场,并对图像进行预处理以减轻图像的不均匀性;然后,利用基于偏移场校正的方法和基于局部区域信息拟合的方法分别构建能量项,并利用演化曲线轮廓内外图像灰度分布的重叠程度,构建权重函数自适应调整两个能量项之间的权重;最后,引入全方差规则项对水平集进行约束,增强了数值计算的稳定性和对噪声的鲁棒性,并通过加性算子分裂策略实现水平集快速演化。结果 在具有不同灰度不均匀性和噪声图像上的分割结果表明,所提方法不但对初始轮廓的位置、灰度不均匀性和各种噪声具有较强的鲁棒性,而且具有高达94.5%的分割精度和较高的分割效率,与传统水平集方法相比分割精度至少提高了20.6%,分割效率是LIC（local intensity clustering）模型的9倍;结论 本文提出一种基于局部区域信息的快速水平集图像分割方法。实验结果表明,与传统水平集方法相比具有较高的分割精度和分割效率,可以很好地应用于具有灰度不均匀和噪声的医学、红外和自然图像等的分割。     

基于四元数模型和奇异值分解的图像水印算法

将四元数离散余弦变换（QDCT）和奇异值分解（SVD）相结合,提出了一种在彩色图像中嵌入水印的新方法。首先,借助Arnold置乱对二值水印进行预处理,应用四元数理论将彩色图像进行分块QDCT和SVD;然后,利用Logistic映射随机抽取一批图像块实现水印的嵌入。实验表明,该方法具有较强的抗JPEG压缩能力,对各种噪声和滤波等具有较好的鲁棒性。     

Robust and imperceptible image watermarking technique based on SVD,DCT, BEMD and PSO in wavelet domain

This article introduces a robust image watermarking primarily founded on DWT (discrete wavelet transform), BEMD (bi-dimensional empirical mode decomposition), DCT (discrete cosine transform), PSO (particle swarm optimization), and SVD (singular value decomposition). During the process of embedding, 2nd level DWT is used to decompose the cover image into sub-bands. DWT is also used for the decomposition of images for watermarking. Further, BEMD decomposition runs to implement on the selected band of DWT. For optimization, PSO is used for complex and multidimensional searches. Further DCT as well as SVD applied to the selected band. The embedding and scaling factors are embedded with the help of a security key. Further, this method is followed by using the inverse of ISVD, IDCT, IDWT, and IBEMD. The Watermark image is extracted by the extraction process. Experimental results show that the suggested technique is robust compared to several geometrical and non-geometrical attacks. Therefore, this proposed technique provides better visible quality and robustness against numerous attacks like salt and pepper, Gaussian filter, rotation, median filter, speckle, gamma correction, scaling, and shearing for gray scale images and provides the watermarked image with good quality.

     

基于SVD-形态降噪的TKEO故障诊断方法研究

针对强噪声干扰背景下微弱故障特征信息难以提取的问题,提出了一种基于奇异值分解(SVD)-形态降噪的Teager能量算子(TKEO)故障诊断方法.首先对轴承振动信号进行SVD,对得到的分量信号进行形态滤波,以滤除噪声干扰;然后利用峭度准则对分量信号进行筛选,并对其进行重构;最后利用TKEO计算重构信号的瞬时能量,得到信号的能量谱,提取振动信号的特征.将提出的方法应用于滚动轴承故障分析,结果表明该方法能清晰地提取故障特征信息.     

基于奇异值分解的压缩感知核磁共振图像重构算法

针对传统压缩感知在核磁共振成像中存在着重构算法慢、成像时间长的缺点,利用核磁共振图像自身非满秩的特点,在压缩感知框架下以奇异值分解作为基底对图像稀疏表示进行了研究,并对重构算法进行了优化。实验结果表明,提出的奇异值方法在重构效果上能达到与小波稀疏变换法相近的峰值性噪比,且能有效缩短图像重构时间,达到加速核磁共振成像的目的。