基于SIFT和NMF-SVD的NSCT域抗几何攻击水印算法

为了进一步提高水印算法的鲁棒性,提出了一种在无下采样Contourlet变换(non-subsampled contourlet transform,NSCT)域中利用尺度不变特征变换(scale-invariant feature transform,SIFT)特征点进行几何攻击校正,并结合非负矩阵分解(non-negative matrix factorization,NMF)和奇异值分解(singular value decomposition,SVD)的图像抗几何攻击水印算法。该算法首先对RGB宿主图像进行两层NSCT并分别提取低频部分的红色分量和蓝色分量;然后充分利用非负矩阵的线性无关性和稀疏性以及奇异矩阵的稳定性,对蓝色低频分量进行水印的嵌入;最后利用红色低频分量的SIFT特征点信息对宿主图像进行几何攻击校正,恢复水印的同步信息后再提取水印。大量的实验结果表明,该算法在保证不可感知性的前提下,对于常规图像处理具有更好的鲁棒性能,并能有效地抵抗各类几何攻击和组合攻击。

基于QR分解的NSCT域指纹图像脆弱水印算法

为保证指纹信息在网络传输中的安全性,提出一种基于QR分解的非下采样contourlet变换(non-subsampled contourlet transform,NSCT)域指纹图像脆弱水印算法.首先用Arnold变换和Logistic置乱对指纹水印进行双重加密待用.将宿主图像进行两层NSCT分解,提取出低频分量进行分块处理,对所有分块都进行QR分解,得到多个上三角矩阵.由于图像QR分解后大部分信息集中于上三角矩阵的首行元素,具有较好的信息保真能力,因此将加密后的指纹水印嵌入上三角矩阵.实验结果表明,该算法在保证不可感知性的前提下,对于常规图像处理和一般几何攻击都具有很好的脆弱性,并且能够精确地定位出篡改区域.

基于混沌蜂群优化的指纹匹配算法

为了进一步加快指纹匹配算法的运算速度、提高识别效率,提出了一种基于混沌蜂群优化和可变界限盒的指纹匹配算法。首先,结合人工蜂群优化算法收敛速度快、控制参数少、能够避免局部最优等优点以及混沌策略的类随机性、高遍历性等特点,在指纹点匹配中引入混沌蜂群优化算法,并设计兼顾了匹配精度和运算时间的适应度函数;然后利用适应度函数估计出指纹特征匹配的几何变换参数并进行指纹点特征的粗匹配;最后,利用可变界限盒进行精匹配,避免指纹图像局部形变带来的影响。大量实验结果表明,与基于局部特征的指纹匹配算法、基于遗传算法优化的指纹匹配算法相比,本文提出的算法所需运算时间更短,匹配精度更高。

基于多尺度Retinex的非下采样Contourlet域图像增强

针对部分遥感图像和高光谱图像中存在的对比度不足、整体偏暗等问题,提出了一种基于多尺度Retinex(MSR)和混沌小生境粒子群优化(NCPSO)的非下采样Contourlet变换(NSCT)域图像增强方法,用于改善图像质量。对图像进行NSCT分解,得到一个低频分量和多个不同方向的高频分量;在低频分量上进行混合灰度函数的多尺度Retinex增强;同时利用非线性增益函数调整高频分量系数,将兼顾对比度和信息熵的定量综合评价函数作为NCPSO的适应度,寻找非线性增益函数所涉及的最优参数。大量实验结果表明,与双向直方图均衡方法、NSCT方法、多尺度Retinex方法、平稳小波变换和Retinex方法等4种增强方法相比,提出的方法能更有效地提高图像的对比度和信息熵,增强图像的整体视觉效果。

基于复Contourlet域的支持向量机和Krawt-chouk矩的双水印算法

为了进一步提高基于支持向量机(SVM)水印算法的鲁棒性,提出了一种基于复Contourlet域的SVM和Krawtchouk矩的双水印算法。首先从RGB宿主图像中提取B分量和G分量,并且充分利用Krawtchouk矩不变量的平移、旋转、缩放不变性和Krawtchouk矩良好的局部重构特性,计算B分量图像的Krawtchouk低阶矩不变量,由此构造鲁棒水印;然后对G分量图像进行两级复Contourlet分解,在其低频分量中,利用SVM建立图像尺度内的局部相关性训练模型,并根据预测结果自适应地实现数字水印图像的嵌入和提取。大量实验结果表明,本文算法不仅具有较好的不可感知性,而且对中值滤波、加性噪声和JPEG压缩之类的常规图像处理,以及缩放、旋转和剪切等几何攻击,均具有较好的鲁棒性能,其性能优于基于小波域的SVM和基于Contourlet域的SVM水印算法。