基于Radon变换不变矩和小波提升的水印算法

提出了一种基于Radon变换不变矩和提升小波的抗几何攻击水印算法。该方法首先对图像进行一次提升小波分解,然后计算其低频成分的Radon变换不变矩来构建水印系统。水印提取过程简单,只需计算所得图像的几个Radon变换不变矩不变量。文章给出了实验结果,并与基于几何矩不变量的算法进行了比较。经过仿真实验证明,该方法对于旋转,缩放,平移等攻击具有很好鲁棒性的同时,对于普通的加噪,滤波,JPEG压缩攻击也具有很好的鲁棒性,且具有极低误检率。

Radon变换不变矩在数字水印技术中的应用

几何形状识别在计算机视觉中具有重要意义,不变矩由于其在图像平移、伸缩、旋转时均保持不变,而且具有全局特性,是几何形状识别的主要方法。但现有的基于不变矩理论的数字水印算法还不多,而且传统的数字水印算法在水印检测时均存在误检和漏检的问题。针对以上提出的问题,文章提出一种基于Radon变换不变矩鲁棒性数字水印技术可以有效地减少水印的漏检和误检问题并经过仿真实验证明,该方法对于旋转,缩放,平移等几何攻击具有很好鲁棒性的同时,对于常规信号处理(加噪,滤波,JPEG压缩等)攻击也具有很好的鲁棒性,且具有极低误检率。

Radon变换频变自适应多次波压制方法

Radon变换是常用多次波压制方法之一,然而有限、离散的采样空间导致一次波和多次波在Radon域混叠,并且混叠程度随频率降低愈加严重.高分辨率Radon变换可以改善一次波和多次波分离效果,但分辨率的提高会降低保幅性,导致多次波残留或一次波损伤.为此,本文在最小二乘反演基础上,提出一种随混叠程度自适应分离多次波的频变滤波方法.根据Radon变换褶积模型,分析一次波和多次波频变混叠机制;建立随频率调整的修正柯西函数混叠模型;依据一次波和多次波的混叠比例设计多次波滤波器,该滤波器能够根据一次波和多次波的混叠程度自适应调整滤波函数,提高多次波估计精度.合成数据和实际数据的多次波压制实验表明,这种频变滤波方法既可以改善多次波压制效果,又可避免高分辨率反演方法计算量大的问题.

基于Radon变换的图象矩特征抽取及其在图象识别中的应用

介绍了图象的Radon变换以及在Radon变换下图象矩的计算方法；利用Radon变换的抗干扰特性，提出一种图象矩特征的抽取方法，以得到图象在Radon变换下的矩特征矩阵；进而提出了一种利用该矩阵的奇异值进行图象识别的方法。

基于Radon变换的矩不变量及其应用

提出了一种基于 Radon变换的新的图像识别方法。首先构造了二维图像在 Radon变换空间的平移和比例矩不变量 ,基于该矩不变量引入整体平均技术获得了更好的抗噪效果 ,并根据变换空间数据的特性 ,提出了利用奇异值分解得到一般意义下的旋转不变量。利用不同的图像库进行识别研究 ,实验结果指出了两种方法的不同应用条件。

基于Radon变换的矩不变量在声成像探测中的应用

声成像探测是当前国内外近炸引信技术的一个重要发展方向.针对声图像的特点,构造目标轮廓在Radon投影空间的平移、尺度、旋转矩不变量.实验仿真结果表明,与Hu矩相比,该方法能够快速有效地识别水下目标,并且在由于目标运动造成的少量形状缺失的情况下,仍具有较高的识别率.

一种基于Radon变换的物体几何变换不变矩分析方法

几何形状的识别在计算机视觉中具有重要意义,不变矩特征由于其在图像平移、伸缩、旋转时均保持不变,而且具有全局特性,是几何形状识别的主要方法。在已有的不变矩分析方法基础上,本文提出一种基于Ra-don变换的不变矩提取算法,用于对物体的几何变换不变性分析。该算法首先对图像进行坐标变换与归一化处理以实现平移与尺度变换不变,然后利用Radon变换将经过坐标变换与归一化处理后的目标图像转换到Radon投影空间,组成投影矩阵,再从投影矩阵中提取不变矩A(r)、E(r)进行目标图像的识别与分类。理论分析与实验结果表明,与现有的不变矩分析方法相比,该算法对噪声的鲁棒性强、时间复杂度低,仅用有限的几个矩即可以达到很好的分类效果。

基于Radon变换和四元数实矩阵的彩色图像零水印算法

为了提高空间域彩色图像零水印算法的水印嵌入和检测精度以及抵抗旋转几何变换的能力,提出了一种基于Radon变换和四元数实矩阵表示的抗旋转攻击空间域零水印算法。首先将原始彩色图像使用四元数实矩阵来表征,并计算实数字矩阵的Radon变换不变矩;然后利用少量低阶Radon变换不变矩来设计和构建零水印信息;在水印检测前,通过Radon变换几何校正算法对可能遭受旋转攻击的待检测图像进行旋转角度的校正,然后进行水印的提取。实验结果表明,该方法可以获得良好的图像视觉效果,对于旋转几何攻击具有很强的鲁棒性,同时对滤波、JPEG压缩和剪切攻击也具有一定的鲁棒性。

通用径向复指数变换的图像鲁棒水印算法

针对图像水印对噪声和几何攻击的鲁棒性差的问题,文中提出了一种通用径向复指数变换的鲁棒水印算法。该算法通过调整选取的通用径向复指数变换的变换系数幅值大小并嵌入图像,在提取水印过程,通过水印图像计算变换系数,从而获得水印。实验结果显示了通用径向复指数变换的参数取不同值时,该水印算法对噪音、滤波和几何攻击的鲁棒性,验证了通用径向复指数变换的参数适当选取时,该水印算法对中心修剪攻击的鲁棒性更强。

基于Radon变换的水声图像矩特征提取与分类

成像声纳采集的水声图像分析是自动水下潜器研究中的一个重要课题,该文提出了一种基于图像边缘Radon变换的水声图像矩特征提取和分类方法。使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓,构造目标轮廓在Radon变换空间的平移、比例和旋转矩不变量,应用于3类水下物体的分类中,实验仿真结果表明该方法在运算速度上优于Hu's不变矩和图像目标面Radon投影空间不变矩,具有很好的性能和较高的实用价值。

Radon变换修正不变矩在零水印中的应用

提出一种使用修正后的Radon变换不变矩零水印算法。该算法的思想是先计算原始图像的Radon变换不变矩,利用其构建零水印系统;然后用参考图像和测试图像之间的相关系数来修正Radon变换不变矩,最后利用修正后的Ra-don变换不变矩来检测水印。文章的算法在满足Radon变换不变矩具有的所有性能外,能够有效抵抗常规的信号处理。经过仿真实验证明在抗噪性上鲁棒性明显优于传统的Radon变换不变矩算法。

基于Radon变换及Legendre-Fourier矩的零水印算法

为进一步提高彩色图像零水印算法的精度与抵抗几何变换攻击的鲁棒性,提出一种基于Radon变换与Legendre-Fourier矩的零水印算法。首先将原始彩色图像进行Radon变换,在Radon投影空间计算其低阶Legendre-Fourier不变矩;然后利用矩不变量构造图像的零水印信息。水印检测过程简单,只需计算图像的几个低阶矩不变量。试验获得良好的视觉效果,并与其他常用矩的方法进行了比较。结果表明该方法对旋转、缩放等几何攻击以及常见的噪声、滤波、JPEG压缩攻击均具有较高的稳健性。

频域稀疏双曲Radon变换去噪方法

Radon变换是地震数据处理中广泛应用的一种技术方法,但实际应用中存在分辨率及运算效率低的问题。笔者在相移双曲线的基础上,推导了时不变双曲积分路径,提出了基于贝叶斯原理的稀疏双曲Radon变换,给出离散变换的参数选取准则,并且为保证不同反射层的反射波具有最佳收敛,在变换中引入了动态时窗。频域稀疏双曲Radon变换不仅具有较高的分辨率,而且可以在频域实现,计算效率大幅提高。模型数据测试和实际资料应用结果表明,频域稀疏双曲Radon变换可以有效去除规则干扰波、压制随机噪声,提高数据信噪比,且具有较好的保真度和保幅性。

基于矩和小波变换的目标图象识别

在图象目标的识别中 ,目标图象的不变矩对于具有旋转、尺度变换特性的目标具有良好特征匹配性能 ,但其识别准确度直接受到不变矩计算区域内的目标个数的影响 .本文首先采用一维小波变换降噪并获取图象边缘 ,结合轮廓跟踪法 (“爬虫法”)与投影法对图象进行区域分割获取各目标存在区域 ,再利用目标图象的不变矩进行目标识别 ,最后通过利用目标的主轴特性及质心变化计算目标的旋转角度及尺度变换倍率 .通过仿真实验 。

基于颜色矩的改进尺度不变特征变换的移动机器人定位算法

针对基于图像外观的移动机器人定位中图像特征提取与匹配实时性和准确性差的问题,提出基于颜色矩的改进尺度不变特征变换分级图像匹配算法。该算法先由颜色矩来排序图像序列,再由改进尺度不变特征变换特征与排序后图像序列精确匹配实现定位。其中,改进的尺度不变特征变换算法以基于采样的迭代搜索算法检测极值点,由Sobel算子计算特征点的梯度方向和幅值,提高尺度不变特征变换算法速度及匹配精度。实验结果表明：改进的尺度不变特征变换算法降低误匹配率约9.2%,特征提取与匹配耗时减少约25.8%;分级图像匹配算法减少尺度不变特征变换特征计算代价约70%,减少总体耗时约43.3%。

基于小波变换和不变矩的车标识别方法

形状特征是目标识别的重要参数,小波变换的低频部分代表物体的总体形状特征,而图像中的噪声主要分布于高频部分.根据这一特征,利用小波变换消除噪声提取目标形状,进而利用特征不变矩距离进行分类,实现目标识别,将该方法应用在实测车标图像的识别中,结果表明识别效果较好.

基于小波变换与图像不变矩的遥感图象匹配研究

小波变换具有数据压缩和检测局部突变的能力 ,而图像空间不变矩对于平移、旋转、比例缩放、灰度对比度变化具有不变性。两者优势的结合不但可以有效减少遥感图像匹配的计算量 ,而且还可以减弱对于图像采集平台拍摄方位、拍摄距离、角度气象条件等的依赖性 。

局部Radon变换技术及在毛杆折痕识别中的应用

针对羽毛杆折痕识别问题,提出一种新的特征提取方法。为了消除Radon变换对缩放平移敏感问题,采用改进的Radon变换提取目标区域的不变矩,并引入局部投影技术消除羽毛杆生理纹理干扰。通过改变尺度因子获得矩不变量矩阵,并采用奇异值分解(SVD)获得特征不变量用于分类识别。实验结果表明该方法具有较强的鲁棒性,具有较高的折痕识别率。

基于Radon变换和SWT的旋转不变纹理分类

提出了一种应用Radon变换和离散平稳小波变换(SWT)的旋转不变纹理分类算法。该方法首先对纹理图像进行Radon变换将旋转转化为平移,再用具有平移不变性的离散平稳小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机实现纹理图像的分类。将本方法与其它旋转不变纹理分类法进行比较,实验结果表明,提出的方法能有效地提高正确分类率。

基于Radon变换的SAR图像目标统计不变特征提取研究

SAR目标图像敏感于目标方位的特性为SAR解译带来了困难。通过对目标散射机制的分析,认为一定方位角变化范围内的目标图像只是在图像域发生了旋转和平移,其灰度统计分布是不变的,利用X波段的实测车辆目标数据,通过Radon变换提取图像64个投影方向上序列的各阶矩以及序列的极值、宽度等灰度统计值构造特征矩阵,然后对特征矩阵进行旋转和平移校正得到统计不变特征。结果表明:该特征在5°方位角范围内具有70%以上的稳定性,因此可以用来合并目标不同方位角的信号。