基于小波系数相关性的图像隐写分析

提出了一种基于小波包分解和小波系数相关性的通用型图像隐写分析方法。对差分处理后的图像进行小波包分解,提取图像及其小波子带的高阶统计量作为特征。利用图像小波系数在尺度方向和空间方向的相关性,使用马尔可夫模型挖掘小波系数层内和层间相关性,提取转移概率矩阵作为特征。针对H4PGP、F5和OutGuess隐写算法的实验表明,方法对上述三种隐写算法具有较好的检测效果。     

基于分数阶小波变换的图像隐写分析

为了提高现有的图像隐写分析算法的检测性能,提出一种基于分数阶小波变换的图像隐写分析算法。该算法首先通过二维分数阶小波变换将图像映射到分数阶小波时频域内。然后在时频域内使用主成分分析提取隐写图像高频子带的主成分特征统计量、计算主成分的信息熵、构建敏感特征向量。最后采用支持向量机(SVM)对该算法所提特征进行分类。通过仿真实验利用所提算法分别对三种隐写算法下不同嵌入率的隐写结果进行检测,结果表明该算法可有效提高隐写分析准确率。     

复小波域层内层间相关性图像去噪方法

提出了双树复小波变换域尺度内和尺度间复系数相关性图像去噪新方法。该方法利用双树复小波变换的多方向性和平移不变性对图像进行多尺度分解,采用邻域复系数微分窗对其高频方向子图进行尺度内复系数相关性建模,并按最小错误率贝叶斯决策规则进行分类和状态标识;再把复系数尺度内状态标识与复小波域隐马尔可夫树相结合,从而实现降噪功能。实验结果表明,该方法在峰值信噪比指标上优于传统的滤波方法,能有效地抑制噪声的同时,对图像边缘具有较好的保护能力。     

基于噪声模型和通道融合的彩色图像隐写分析

彩色图像的隐写分析大多在单信号通道进行,弱化或忽略了彩色图像不同颜色通道的相关性.通过分析彩色图像隐写噪声模型,提出了基于噪声模型和通道融合的通用彩色图像隐写分析算法,算法基于小波滤波,得到待检测图像的噪声小波系数子带,从该类子带中提取刻画噪声通道融合特征的噪声梯度方向序列及噪声梯度和序列,结合描述彩色图像颜色通道融合特征的颜色梯度方向序列及颜色梯度和序列,应用HHT变换提取各序列的振荡特征,构建基于Hilbert谱的特征向量,应用SVM分类器进行分类判别.实验表明,与已有的彩色图像隐写分析算法比较,所提出的算法误检率低,具有更好的检测效果.     

图像隐写分析中小波系数相关性的研究与应用*

提出了一种针对空域图像隐写的盲检测方法。利用互信息分析秘密信息嵌入对图像小波系数在尺度方向和空间方向相关性的影响,使用马尔可夫模型挖掘小波系数层内和层间相关性,提取转移概率矩阵作为特征。针对LSB匹配和随机调制隐写算法的实验表明,此方法能有效检测未经JPEG压缩过的含密图像,相比现有空域盲检测方法,对低嵌入率含密图像的正确检测率提高约8%14% 。     

一种针对小波域隐匿图像的隐写分析方法

通过对图像小波域差分直方图的统计观察,提出一种针对小波域信息隐藏的隐写分析方法.该方法对图像进行小波分解,得到每个小波子图的水平方向系数差分直方图,通过对该差分直方图频谱的分析,发现小波域隐写图像的差分直方图频谱的分布规律与未隐写图像有明显差别,据此实现对小波域隐写图像的检测,并可估算隐写信息长度.实验结果表明该方法检测正确率高、检测速度快,实用性强.     

基于小波系数相关性的图像自适应空域隐写术

定义图像中像素的嵌入失真是图像自适应隐写中的关键。为提高图像自适应隐写的安全性,根据最小化嵌入失真原则,提出了一种基于小波系数相关性的图像自适应空域隐写术。首先以一维高通、低通滤波器为工具构造方向滤波器;然后沿水平、垂直、对角线方向对图像进行方向滤波,并根据小波系数与其邻域系数的相关性对失真函数进行设计;最后根据像素的嵌入失真值,利用网格码(STC)对秘密信息进行嵌入。实验结果表明,该隐写术能够将嵌入区域集中在内容复杂的纹理区域,且能够有效抵抗通用隐写检测算法的分析。     

一种图像隐写分析方法

针对现有隐写分析算法对彩色图像的检测效果不理想的问题,提出一种基于小波统计特征的隐写分析算法来分析嵌入信息前后载体图像与隐写图像之间的统计特征的差异。该算法首先将图像变换到YCbCr空间,其次通过小波分解提取预测子带的小波系数概率密度函数矩(PDF)和预测误差图像的子带系数直方图特征函数矩(CF),最后运用支持向量机(SVM)进行分类。实验表明,该方法对于流行的F5、OutGuess和Jphide&Seek隐写方法具有较强的检测能力。     

基于DCT系数多方向相关性的信息隐藏盲检测方法

给出了一种JPEG域基于离散余弦变换(DCT)系数多方向相关性的图像信息隐藏盲检测方法。首先利用DCT系数多方向相关性构造差值彼邻相关矩阵,然后利用此矩阵提取48维特征向量,最后使用支持向量机(SVM)区分载体、载密图像。该方法应用于6种典型的JPEG图像隐写算法,实验结果表明,该方法对这些隐写算法都能够进行比较可靠的检测。     

基于多小波变换域特征的多模态医学图像融合

多小波是小波理论的扩展,在图像处理方面具有单小波所不具有的优点.它能够为图像提供一种比小波多分辨率分析更加精确的分析方法.在研究了多小波变换域上同一尺度多个子带间相关性、子带内相邻系数的相关性以及能量的低聚性的特性后,提出了一种基于离散多小波变换域特征的融合方法,并将不同模态的医学脑部CT图像和MR图像利用此方法进行融合,相比于传统小波域内的图像融合方法.该方法不仅能够完好地显示源图像各自的信息,很好地将源图像的细节融合在一起,而且得到的融合图像具有更良好的视觉效果和更优的量化指标,体现出更好的融合效果.     

基于人类视觉系统的非抽样Contourlet变换域图像隐写算法

为提高图像信息隐藏的容量和隐蔽性,对比分析了非抽样Contourlet变换(NSCT)和Contourlet变换各自的优缺点和适用范围,提出了一种基于NSCT和人类视觉系统(HVS)的图像隐写方案。通过对人眼的视觉掩蔽效应进行建模,在NSCT分解的最精细尺度的各方向子带中,对不同系数分别嵌入不同的秘密信息量。仿真实验表明,新的算法相比小波域中的隐写方案,隐写的嵌入量至少提高了70000b,峰值信噪比(PSNR)提高约4dB,较好地兼顾了隐写在不可见性和嵌入容量上的要求,较小波域中的隐写方案具有更好的应用前景。     

基于多小波变换及多层阈值的图像降噪研究

提出了一种基于多小波变换分层阈值的图像降噪的方法。此方法首先对一幅噪声图像进行多小波分解;接着根据多小波分解后的能量分布特性,在不同尺度的高频子带内,对小波系数进行不同阀值处理;最后经多小波反变换,得到重构图像。实验结果表明:此方法既可以有效地降低噪声,又可以较好地保持图像细节。     

抗统计分析的BPCS隐写算法

位平面复杂度分割（BPCS）隐写在复杂度较高的位面小块嵌入秘密信息,有较好的隐蔽性,但会引起图像位面小块复杂度的统计特性的变化。通过深入分析图像位平面上相邻像素之间的相关性,本文提出了一种改进的BPCS隐写法。它更好地利用人的视觉特性,结合图像的局部特征来嵌入秘密信息。实验结果表明,改进后的算法能够抵御针对原BPCS隐写的分析方法,有较大的嵌入量,并对原图像所作的改变具有更好的不可见性。     

基于非下采样Contourlet变换的医学图像融合方法

针对传统多尺度变换的医学图像融合问题,提出一种基于非下采样Contourlet变换的医学图像融合新方法。在低频子带系数的选取上,根据医学图像的特点,考虑到相部低频子带系数之间存在的相关性,采用基于区域能量的融合规则;在选择带通方向子带系数时,充分利用非下采样Contourlet变换的方向特性,采用改进拉普拉斯能量和作为带通方向子带系数的融合规则。实验结果表明,与传统融合方法相比,该方法避免了图像失真,达到了良好的图像融合效果。     

非下采样Contourlet变换的彩色图像融合

为了提高图像融合的效果,以多聚焦的彩色图像为研究对象,提出了一种基于非下采样Contourlet变换的多聚焦彩色图像融合算法。对IHS模型的亮度分量I进行NSCT分解,根据多聚焦图像的成像特点和分解后的高低频系数相关性,对分解后的低频系数采用"区域能量取大"和高频系数采用"绝对值和取大"的融合准则进行融合,再进行非下采样Contourlet逆变换,得到融合后的亮度分量,并由此计算融合后的色调分量和饱和度分量,实现彩色图像的融合。实验结果表明,该方法的融合效果优于小波变换的融合结果,针对IHS模型的融合结果也明显优于RGB模型的融合结果。     

基于非下采样Contourlet变换域

依据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布模型,并基于该模型提出一种新的非下采样Contourlet变换图像分割方法。用合成纹理图像和实际图像进行仿真实验,并与小波域隐马尔可夫树模型分割及Contourlet域隐马尔可夫树模型分割等方法进行了比较,实验结果表明,在大多数情况下,该算法分割结果要好于相比较的方法,在边缘特征方面保持了良好的视觉效果,并且模型的训练简单快速。     

基于HMT模型的图像去噪方法研究

小波图像去噪已经成为图像去噪的主要方法之一。利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,但现有的去噪声方法忽略了小波系数之间的相关性。针对这一不足,在小波域隐Markov树模型（HMT）的基础上给出了一种图像去噪新方法。实验结果表明,与普通的小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比。     

基于Contourlet域隐马尔可夫树模型的图像融合

基于Contourlet域的隐马尔可夫树模型能反映不同尺度系数之间、不同方向系数之间的相关性,基于此,提出了一种基于Contourlet域隐马尔可夫树模型的图像融合算法。对源图像进行Contourlet变换,并针对高频子带系数建模并训练得到每一系数的后验概率;利用该后验概率指导高频系数融合的规则,对边缘和背景区域进行不同的融合处理,以尽可能保留原始图像的重要特征;进行Contourlet反变换得到最终融合结果。针对多聚焦图像进行了融合实验,采用联合熵、熵、相关系数、清晰度等指标对融合效果进行评价,实验表明了该算法优于基于Contourlet域的常规融合算法以及小波域隐马尔可夫树融合算法。     

基于离散多小波变换的纹理分类

纹理分析在遥感、医学图像处理、计算机视觉及基于纹理的按内容检索的图像数据库等许多重要领域均有着广泛的应用.引入多小波理论,提出了基于多小波分解的纹理图像分类.通过一系列的实验并与单小波进行比较,实验结果表明,多小波分解比金字塔小波分解或小波包分解其分类准确率更优.     

基于提升静态小波变换与联合结构组稀疏表示的多聚焦图像融合

为抑制传统小波变换在多聚焦图像融合中产生的伪吉布斯现象,以及克服传统稀疏表示的融合方法容易造成融合图像的纹理与边缘等细节特征趋于平滑的缺陷,提高多聚焦图像融合的效率与质量,采用一种基于提升静态小波变换（LSWT）与联合结构组稀疏表示的图像融合算法。首先对实验图像进行提升静态小波变换,根据分解后得到的低频系数与高频系数各自不同的物理特征,采用不同的融合方式。选择低频系数时,采用基于联合结构组稀疏表示的系数选择方案;选择高频系数时,采用方向区域拉普拉斯能量和（DRSML）与匹配度相结合的系数选择方案。最后经逆变换重构得到最终融合图像。实验结果表明,改进的算法有效地提高了图像的互信息量、平均梯度等指标,完好地保留图像的纹理与边缘等细节信息,融合图像效果更好。