利用小波零树结构和PCA构造图像零水印

为了解决水印图像的鲁棒性和透明性之间的矛盾,提出一种利用小波零树结构和主分量分析提取图像特征,构造零水印的算法。在小波变换后的图像中,利用小波零树思想选取重要的系数树作为特征,用主分量分析方法作降维处理,构造出水印信息。由于水印嵌入过程并不修改图像,所以水印图像与原始图像相同。实验结果表明,本算法对抗各种常见攻击的鲁棒性很好,尤其是可以抵抗bpp=0.05的JPEG2000压缩、bpp=0.1的JPEG压缩以及缩放8倍等攻击。

基于小波系数零树结构的分形预测图象编码

提出了一种基于小波系数零树结构的分形预测图象编码方法 ,首先按照零树结构在同方向不同分辨率的各个子带图象上确定要预测的图象块 (Range Block) ,也就是将这些图象块串起来构成一棵与零树相类似的图象树(Range Tree) ;然后 ,对每一图象块 ,在同方向低一级分辨率的子带图象上寻找与其最佳分形匹配的相似块(Dom ian Block) ,而这些相似块也按照零树结构上下延伸 ,以产生多棵相似树 (Dom ain Tree) ,其中与图象树最接近的相似树就是图象树的预测树 .理论分析和实验结果表明 ,该方法在峰值信噪比稍微下降的情况下 ,能够获得较高的压缩比 .

基于小波零树结构的遥感影像编码方法

提出了基于小波零树结构的遥感影像保持量测精度的有损压缩的编码方法。研究了在不同滤波器长度下遥感影像经小波分解后各分量图像的统计特性 ,提出了遥感影像压缩的最佳方案是取四系数的小波分解滤波器 ,并得出了其他一些有意义的结论。

基于不完全树结构小波变换及FKCN的纹理分割

提出了一种新的不完全树结构小波变换用于纹理特征提取 ,提出了一种与人类视觉过程相一致的多分辨率多通道纹理分析方法 ,它由 (1 )特征提取 :使用不完全树结构小波变换抽取纹理特征 ;(2 )基于模糊 Kohonen聚类网络的特征粗分类 :使用缩减的特征向量对网络进行训练 ,得到粗分割结果 ;(3)粗分割结果的细化等几部分构成。

基于小波零树结构的自适应盲水印算法

提出了一种基于小波零树结构的小波域盲水印算法,该算法能自适应地选取和修改小波的重要系数进行数字水印信息的嵌入,且具有较好的鲁棒性。该算法利用小波变换后的重要系数序列与给定序列之间的相关性来判断提取水印,提取时不需要原图像。结果表明,该算法是一种有效和可行的盲水印算法。

基于可变树结构小波变换的图像检索的研究

用可变树结构小波变换不同于传统金字塔式小波变换,在提取图像的纹理特征时,充分利用了纹理的能量主要集中在中、高频的特点,而且使用能量准则来决定哪个子图应继续被分解,从而有效减小了特征空间的维数和数据量。试验证明基于可变树结构小波变换的图像检索具有较好的效果。

基于双密度双树复小波的结构化CS图像重构

提出了一种基于双密度双树复小波(double-density dual-tree complex wavelet transform,DDDT-CWT)基的结构化CS图像重构算法,该算法将图像在双密度双树复小波变换下的系数呈现的树结构化特征与Co Sa MP重构算法相结合,实现了对原始图像的更精确重构.实验结果表明:在相同压缩比的前提下,与传统使用DWT基且未考虑变换系数结构化特征的重构算法相比,使用DDDT-CWT基和融入结构化特征的重构算法分别可获得2.9～3.2 d B与0.2～1.2 d B的增益,综合两者后的重构算法可获得3.8～4.3 d B以上的增益.

基于小波域TS-MRF模型的监督图像分割方法

定义在单一空间分辨率上的树结构马尔可夫场(Tree-Structured Markov Random Field,TS-MRF)模型能够表达图像的分层结构信息,但难以描述图像的非平稳性.针对该问题,提出小波域的TS-MRF图像建模方法—WTS-MRF模型.按照图像分类层次树的结构形式,该模型将一系列的MRF嵌套定义在多分辨率的小波域中:每一个树节点对应于定义在不同分辨率上的一个MRF集合,并通过条件概率的形式将相邻分辨率上的MRF间的作用关系考虑进来;同时相同分辨率的父子节点对应的MRF通过区域约束嵌套定义.基于WTS-MRF模型,给出了一个监督图像分割的递归算法,通过给定的分类层次树表示先验信息,并通过训练数据给出叶子节点在各分辨率上的统计参数.它在尺度内和尺度间两个层次上进行递归:首先,在最低分辨率上执行尺度内递归,即采用ICM算法从树的根节点到叶子节点依次对MRF进行递归估计;然后执行尺度间递归,即在相邻的更高分辨率尺度上,通过直接投影的方式依次获取每一MRF的初始估计,并采用ICM算法递归优化;最后,原始分辨率的MRF估计完成,获取最终分割结果.两组实验从视觉效果和定量指标(整体分类正确率和Kappa系数)两个方面验证了算法的有效性.

基于小波树和互补分解的CS-MRI重建算法

针对压缩感知(CS)核磁共振成像(MRI)重建算法中全变分(TV)正则项会导致图像细节丢失的问题,引入互补分解模型,结合小波树结构稀疏(简称小波树),提出一种基于小波树和互补分解的CS-MRI重建算法。利用互补分解将图像分成平滑分量和残差分量两个部分,并将平滑分量用于TV正则项,残差分量用于1范数,可避免TV正则项在滤除噪声的同时滤除过多的细节信息;利用小波树结构稀疏可进一步补充小波稀疏等先验信息,减少测量值或提高信噪比。针对目标函数中存在平滑和残差两个未知分量,将目标函数分解为相应的两个子问题交替最小化进行求解。实验结果表明,与基于小波树的WaTMRI和基于TV的TVCMRI、FCSA等重建算法相比,其能在滤除噪声的同时有效改善MRI图像的细节信息。

基于小波树的鲁棒-脆弱图像水印技术

为了实现数字图像的版权保护和篡改检测功能,提出一种鲁棒-脆弱水印算法。在小波变换后的图像中,由逼近子带的系数构造特征水印,并根据小波零树思想,嵌入到重要小波树的第一主分量中。提取的特征与水印进行比较不仅可确定图像的版权,而且可证明内容的完整性。实验表明,此算法不仅可以抵抗滤波、压缩、加噪、重量化等常见的图像处理操作,且在人的参与下,可以较好的定位图像的篡改。

一种多重水印零嵌入算法

根据零水印概念,提出一种基于小波和混沌的多重水印零嵌入算法.该算法利用小波零树结构构造匹配矩阵,然后用其加载已由混沌空域置乱的多重二值图像水印.算法实现了多重水印的零嵌入,从根本上保证了水印的不可见性,并能够进行分级盲检测.实验表明,该方法鲁棒性较强,安全性良好,具有可靠性和可行性.

数字水印的鲁棒性和易脆性相结合的研究

综合零水印技术及其他水印方法,根据水印普遍具有的特点和零水印独有的特点,以及现在零水印的发展现状,阐述了零水印具有更强的特点,实现鲁棒性和易脆性的结合,这是其他数字水印方法无法独立完成的.提出了实现鲁棒性和易脆性相结合的基于小波零树结构和奇异值分解的零水印算法,并进行了仿真实验.实验结果表明该算法不仅具有很强的鲁棒性,而且能够实现易脆水印的图像篡改定位能力.