一种基于图像特征区域的数字水印系统

该文提出了一种基于载体图像特征区域的强壮数字图像水印算法。采用边缘识别和人工选择的方法标记出载体图像的特征区域,将水印信号嵌入该特征区域中,在水印嵌入时利用图像的HVS特性使水印强度具有自适应调节特性。水印检测算法还可加入自动校正模块,可大大提高判决的准确性。实验表明该算法具有较好的透明性和强壮性,水印检测结果准确,并且算法复杂度较低。

基于SIFT图像特征区域的全息水印技术

为了增强水印的不可见性和鲁棒性,提出了一种基于图像特征区域的水印算法。首先利用SIFT(Scale Invariant Feature Transform)算法从载体图像蓝色B通道中提取图像特征点来进行优化和筛选,根据优化后的稳定特征点及其特征尺度确定图像的特征区域,再结合全息技术,对原始水印图像进行双随机相位加密,生成加密全息水印;然后对特征区域进行离散余弦变换(DCT);最后在其中频区域嵌入加密全息水印。在提取水印时无须借助原始图像,是盲水印技术。实验结果表明:该算法重建的水印图像与原始水印图像的NC值高达0.95;水印的嵌入对图像质量影响很小,PSNR值高达55.97,能够抵抗常规信号攻击及缩放、剪切、平移等几何攻击。

基于图像特征区域的水印防伪系统

数字水印防伪技术是实现版权保护的重要手段。基于图像特征区域的水印技术将水印信号只叠加在人们感兴趣的部分。首先是通过曲线跟踪算法选择特征物体 ,然后根据人眼对亮度信息变化最为敏感的特点利用盲水印算法将水印信息加入图像的亮度信息中。由于水印提取时不需要原始载体图像。因此 ,文中介绍的图像特征区域水印防伪系统除了具有现有数字水印系统的优点以外 ,还具有更高的鲁棒性和抗裁剪、抗旋转攻击等特殊功效。

一种基于图像区域特征分类的数字水印算法

数字水印是一种新型的数字媒体版权保护技术。提出了一种基于图像区域特征分类的数字水印算法 ,它利用图像区域特征分类结果对水印的嵌入强度进行自适应调制 ,从而在确保水印不可见性的同时有效地增强了水印的强度。实验表明 ,该算法对 JPEG压缩、亮度改变、对比度改变、Gamma校正、直方图均衡。

一种新的基于图像区域特征的生物芯片边缘检测方法

传统的边缘检测方法是通过灰度级的不连续来定义图像边缘的。这种定义并没有考虑噪声因素的影响,因为噪声点也具有灰度突变性,所以这不足以将边缘信息和噪声信息区分。对于采集到的生物芯片图像来说,由于识别圆时所采用的Hough变换计算量大,而传统的边缘检测对噪声敏感,会大大增加可能的边缘点数,从而为后期的工作带来不便。考虑到边缘的连续性和方向性,文中提出了基于图像区域特征的检测边缘的方法:标准差方法和模板检测法。利用这两种方法分别对生物芯片进行了检测,结果表明,两种方法所检测出的边缘清晰、连续,并且大大减少了边缘点的数目,为生物芯片的后期识别打下了良好的基础。

基于特征域聚类下Radon变换的火车票图像方向检测算法研究

随着我国交通服务行业的发展,火车票票面信息的自动化识别已经成为提升铁路服务效率的重要手段,针对票面信息识别系统中获取火车票方向不一致的问题,本文提出了一种基于特征区域聚类下Radon变换的方向检测算法。首先,算法通过k均值聚类对火车票图像进行聚类分块,消除复杂背景的干扰,提取到火车票信息区域;然后,通过数字形态学闭运算结合图像块操作保留能够反映火车票位置信息的图像方向特征区域;最后,利用改进的Radon变换检测出火车票的倾斜角度。实验结果表明:该算法的矫正正确率为97.8%,矫正的时间为16.79s;该算法能够消除图像复杂背景、方向特征区域领域像素点对方向检测的干扰,能够对全角度任意方向的火车票图像进行方向检测,具有较高的实用价值。

基于K-均值聚类算法的图像区域分割方法

提出了一种自动确定聚类数目的K-均值聚类算法,并基于这种算法介绍了一种彩色图像区域分割方法。这种方法首先选择合适的彩色空间,抽取图像的像素点颜色、纹理及位置等特征,形成特征向量空间;然后,在此特征空间中,运用提出的方法进行聚类和图像区域分割;最后,抽取图像区域的特征。对提出的方法进行了详细的介绍,给出实验结果分析,并与相类似的方法进行了比较实验。实验结果表明,提出的图像区域分割方法具有分割速度快、效果好等特点,适合于基于图像区域检索系统,具有较强的实用价值。

基于连通区域的仿射不变区域提取方法

针对现有仿射不变特征提取方法存在计算量大、鲁棒性差的问题,提出一种基于连通区域的仿射不变区域提取方法。对输入的灰度图像进行各向异性高斯滤波,并对滤波后的图像进行灰度直方图均衡化。找到图像中灰度值相同点所组成的连通区域,将灰度值差小于delta的相邻连通区域进行合并,把满足条件的最后一次合并结果作为图像的局部仿射不变区域。实验证明,该方法提取效果好、速度快且鲁棒性强。

红外探测器光谱一致性测试方法研究

红外焦平面探测器的光谱一致性是评价材料制备水平的重要参数之一。探测器材料因制备工艺的不同而存在差异。由于光谱仪光斑尺寸的限制、探测器杜瓦结构的局限性以及设备采集光谱的巨大数据量,难以对探测器组件的光谱一致性进行测试分析。为此提出了一种新方法,即选取用传统工艺和优化工艺制备的两种探测器样品,并选取成像图中与工艺相关的多个明暗特征区域,再测试这些区域的光谱曲线并对其进行分析汇总,然后通过比较光谱最大差异来评判探测器光谱一致性的优劣。该方法测得两种探测器特征区域的光谱最大差异分别为1.21μm和0.30μm。测试结果表明,优化工艺后的光谱一致性优于传统工艺。