中值检测的迭代中值滤波算法

对于高密度的脉冲噪声,现有滤波算法的去噪性能并不理想,在噪声检测与噪声滤除上存在缺陷。鉴于此,提出中值检测的迭代中值滤波算法,对噪声检测和噪声滤除的方法分别进行有效的改进。算法用灰度最值进行噪声检测,再用邻域中值作进一步的检测。对于噪声像素,运用迭代的方法,用邻域中信号像素的中值取代,充分利用了前次滤波的结果。实验结果证明,相对于现有的滤波算法,所提出的算法有着更好的滤波性能,在滤除噪声的同时,很好地保持了图像的纹理边缘和细节。

基于像素预测和秘密图像共享的可逆信息隐藏

为增强图像加密的安全性以及增加加密图像的信息隐藏容量,提出一种基于像素预测和秘密图像共享的可逆信息隐藏算法。首先,利用共享矩阵逐行处理图像并分存为四个共享图像;其次,利用二维混沌映射生成随机密钥加密共享图像;再次,利用中值边缘检测器(MED)预测共享图像中可嵌入位置的像素值,预测值与原像素从高位开始比对相同的位数,根据规则记录标签值,提取参考像素的高三位与认证信息存入可嵌入位;最后,将标签值存入参考像素高位,剩余的可嵌入位为所提算法的嵌入容量。实验结果表明,所提算法不仅能够为信息隐藏提供大容量的嵌入空间,而且能够实现可逆数据隐藏并根据(k,n)阈值策略实现加密图像的无损复原。

迭代的自适应最小偏差滤波算法

为了更有效地去除脉冲噪声,该文提出了一种迭代的自适应最小偏差滤波算法.该方法根据脉冲噪声的灰度特征、灰度的局部偏差以及局部统计特征进行噪声检测,自适应地根据邻域像素的局部偏差大小,用与邻域像素偏差最小的像素灰度作为当前噪声像素的新灰度.迭代且自适应地执行噪声去除,以适应不同噪声密度与噪声分布的局部不均匀性,并充分利用先前去噪处理的结果.实验结果表明,在峰值信噪比PNSR、边缘保持指数EPI和视觉感知以及计算效率上,所提出的方法优于现有的方法,具有更好的去噪性能和细节保持能力.

基于多残差学习与注意力融合的中值滤波检测

针对小尺寸JPEG压缩图像携带有效信息较少、中值滤波痕迹不明显的问题,提出一种基于多残差学习与注意力融合的图像中值滤波检测算法。该算法将多个高通滤波器与注意力模块相结合,获取带权值的多残差特征图作为特征提取层的输入,特征提取层采用分组卷积形式,对输入的多残差特征图进行多尺度特征提取,融合不同尺度的特征信息,同时采用密集连接方式,每一层卷积的输入来自前面所有卷积层的输出和。实验结果表明,针对小尺寸JPEG压缩图像的中值滤波检测,本文算法比现有算法具有更高的检测精度,且能更有效地检测与定位局部篡改区域。

一种增强的运动自适应算法

基于传统算法,提出了一种增强的运动自适应去隔行算法.在第一步运动检测得出运动状态之后用中值检测来纠正运动误判,提高了运动检测的抑制噪声能力.其次,由检测结果进行运动自适应插值:对图像静止部分使用场间插值,对运动部分使用边缘自适应插值.实验结果表明,该算法提高了运动检测的准确性,对静止图像和动态图像均能达到较好的效果.在一定程度上克服了传统算法带来的运动模糊、边缘锯齿等问题,同时与运动补偿算法相比,具有易于硬件实现的优点.