基于HVS的静止彩色图像小波压缩编码

为了寻求更有效的针对静止彩色图像的小波压缩编码方法，本文简述了能用于工程实践的人类视觉系统（HVS）模型；着重讨论了适合压缩的亮／色彩色空间和彩色对比敏感度函数（CSF）。结合HVS对彩色图像处理的有关特性，研究了一种静止彩色图像小波编码方法。该方法与其他基于小波的彩色图像编码方法相比，编码效率高、算法简单，提高了主观质量。     

基于HVS与实体调色板的二维工程图信息隐藏算法

基于HVS与实体调色板的特性,提出一种二维工程图的信息隐藏算法.该算法先获得工程图中的有序实体集,然后根据所产生的二值化混沌序列,选择其中部分实体,结合I-IVS和隐秘信息依次对选中实体的颜色进行微小修改,从而实现信息的隐藏.仿真结果表明,该信息隐藏算法对旋转、平移与均匀缩放等攻击具有较好的鲁棒性.     

基于视觉侧抑制模型的图象增强算法

Mach现象[4]表明,人眼视觉系统对图象亮度有急剧变化的部分具有增强的作用,而对亮度相对比较平坦的部分则有抑制作用。这个现象可以通过视觉的侧抑制模型来进行解释。本文从研究人体视觉系统的侧抑制模型出发,提出了一种基于视觉侧抑制模型的图象增强算法。实验证明,从视觉的侧抑制模型出发得到的滤波器具有很好的图象增强效果。     

小波域最小嵌入失真函数设计及其在隐写中的应用

为了提高隐写方案的安全性,提出一种基于最小嵌入失真原理和网格码的图像隐写算法。首先在离散小波域结合人眼视觉特性和整数提升小波变换设计了失真测度函数,主要考虑了亮度、频率和纹理掩蔽因子对载体失真的影响。然后结合网格码设计了隐写算法,将嵌入信息对载体的修改最小化并且集中在人眼不敏感区域。实验结果显示,方案具有良好的视觉不可见性,且能抵抗空域、小波域等隐写分析的攻击,安全容量达到0.4 bits/pixel。     

基于模糊聚类分析的自适应图像空间域水印技术

结合人眼的视觉感知特性与图像的局部相关特性,提出了一种基于模糊聚类分析的自适应图像空间域水印嵌入算法．该算法首先根据人眼视觉系统(HVS)的感知特性,结合模糊c-均值(FCM)聚类分析,自适应确定出数字水印嵌入位置;然后利用图像自身的局部相关性,通过修改像素值,将二值水印图像降维置乱后自适应嵌入到宿主图像内,并且具有水印嵌入深度智能调节特性．该算法在提取水印信息时,不需要原始载体图像．实验结果表明：该自适应空间域图像水印嵌入技术不仅具有较好的透明性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强、马赛克效果等攻击均具有较好的鲁棒性．     

基于HVS视觉模型下的图像降噪

描述了构建人类视觉系统(Human vision system,HVS)降噪模型的思想方法及理论依据。为了解决SureShrink及VisuShrink方法对重建图像带来的不良影响,建立了基于HVS模型的适应小波门限降噪模型,提出HVSShrink降噪策略。通过对该算法进行测试和比较,证明了使用本方法可以得到具有较好视觉效果的重建图像。     

基于结构相似的DCT域图像质量评价

通过对DCT域图像结构特性的研究,将频域信息作为图像的结构信息,根据人类视觉系统对各个频带的不同敏感程度进行加权,提出了DCT域结构相似度(DCTSSIM)质量评价方法。试验结果表明,对于JPEG2000、JPEG压缩失真图像,DCTSSIM比SSIM和峰值信噪比(PSNR)更符合人眼的视觉特性,可以更好地评判图像质量。     

基于改进脊波变换的抗攻击数字水印算法

针对小波变换域不是图像轮廓边缘特征最佳表示的问题,在研究小波变换的基础上,利用脊波变换比小波变换更适合表示图像轮廓边缘特征的特性,结合人类视觉系统特性和奇偶量化算法改进脊波变换算法,提出了一种基于改进脊波变换的数字水印算法.将原始图像均匀分割,对各子块执行脊波变换,再结合人类视觉系统特性选择恰当的脊波系数,利用奇偶量化算法嵌入一维水印序列,最后作脊波反变换得到含水印图像.仿真实验结果表明,算法不仅具有很好的透明性,而且在抵抗攻击时表现出较好的鲁棒性.通过与小波变换算法的性能比较,本文算法在抗加噪、滤波和剪切的攻击中鲁棒性较强.     

HVS-DWT算法在数字水印技术中的应用

介绍了一种利用HVS-DWT的数字水印算法,该算法采用人类视觉系统(HVS)和离散小波变换(DWT),将数字水印信息嵌入到中频段,通过多次嵌入水印低频系数,以此增强水印的鲁棒性;最后通过水印提取算法,从含水印的图像中提取出嵌入的水印.试验表明,该算法具有较好的隐蔽性,对噪声等攻击手段具有较好的鲁棒性.     

基于支持向量机的自适应图像水印技术

提出一种基于支持向量机的自适应图像空域水印嵌入算法.由于支持向量机与人眼视觉系统在自学习、泛化和非线性逼近等方面具有极大的相似性,算法利用支持向量机模拟人眼视觉特征,结合图像的局部相关特性,自适应地确定图像的最佳嵌入位置和嵌入强度.首先,利用无导师的模糊聚类分析方法对图像各像素进行初步的聚类,为有导师的支持向量机找到分类规则;然后,从各类别中选出隶属度超过一定阈值的像素作为支持向量机分类的训练样本集,建立支持向量机的分类模型,根据此模型对图像各像素再次分类,从而确定水印的最佳嵌入位置;最后结合图像自身的局部相关性,自适应地调整水印嵌入位置的像素值.该算法在提取水印时不需要原始载体图像.实验结果表明,此算法对多种图像处理均具有很好的稳健性和图像感知质量,其性能优于相关文献上的相近方法.