结合Retinex和HVS的自适应全息水印算法

提出一种水印算法的新思路,可以自适应地确定水印嵌入的区域和强度。基于HVS的人眼掩蔽效应对图像亮度和纹理敏感度的量化指标进行计算,图像先后两次分块。依据评分选择最佳嵌入区域后对其进行单尺度Retinex分解,将其分解为用于评价亮度信息的照度分量和评价纹理信息的反射分量。根据评价结果,设置不同的水印嵌入强度分别嵌入图像小波域中频的各分块中。提取的水印通过数学形态学处理以提高其可辨识度。嵌入水印的不可见性得到最大化实现(PSNR=40.0),鲁棒性较佳,能抵御信号处理和几何攻击。能根据图像特征自适应分析水印的最佳嵌入位置,在保证隐蔽性的同时嵌入尽可能多的水印信息;水印的安全性也得以保障,是一种应用面广、适应性强的数字水印算法。

结合内外先验知识的低照度图像增强与去噪算法

目的现有大多数低照度图像增强算法会放大噪声,且用于极低照度图像时会出现亮度提升不足、色彩失真等问题。为此,提出一种基于Retinex(retina cortex)的增强与去噪方法。方法为了增强极低照度图像,首先利用暗通道先验原理估计场景的全局光照,若光照低于0.5,对图像进行初始光照校正;其次,提出一种Retinex顺序分解模型,使低照度图像中的噪声均体现在反射分量中,基于分解结果,利用Gamma校正求取增强后的噪声图像;最后,提出一种基于内外双重互补先验约束的去噪机制,利用非局部自相似性原理为反射分量构建内部先验约束,基于深度学习,为增强后的噪声图像构建外部先验约束,使内外约束相互制约。结果将本文算法与6种算法比较,在140幅普通低照度图像和162幅极低照度图像上(有正常曝光参考图像)进行主观视觉和客观指标评价比较,结果显示本文方法在亮度提升、色彩保真及去噪方面均有明显优势,对于普通低照度图像,BTMQI(blind tone-mapped quality index)和NIQE(natural image quality evaluator)指标均取得次优值,对于极低照度图像,NIQMC(no-reference image quality metric for contrast distortion)、峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity index,SSIM)3种指标均取得最优值,其他算法的峰值信噪比在8~18.35 dB,结构相似度在0.3~0.78,而本文算法可达到18.94 dB和0.82,优势明显。结论本文算法不仅可以增强不同光照条件下的低照度图像,还可以有效去除图像中的噪声,效果稳定。

基于对比度增强的红外与可见光图像融合

为提高低亮度红外与可见光图像融合的视觉效果,提出了一种对比度增强的图像融合算法。使用双边滤波器对光照进行估计,提出了双边滤波子带分解多尺度Retinex变换,并在此基础上对原图像进行子带分解。使用基于局部空间频率的细节增强融合策略完成子带内系数融合,使用全局方差加权融合策略完成子带间系数融合。使用非线性拉伸法将融合结果由对数域映射到显示域。实验结果表明,该方法可有效消除光晕,提高融合图像清晰度,使细节信息更突出。