一种改进的基于Ripplet变换的多聚焦图像融合方法

针对多聚焦图像在融合时容易产生边缘模糊现象并损失清晰区域对比度的缺点,基于能有效描述图像边缘的Ripplet变换(RT),提出一种改进的多聚焦图像融合方法。首先,通过离散RT(type-I)获得分解后的高频和低频子带系数,对于低频子带系数,采用非下采样轮廓波变换(NSCT)进行3层系数融合,而对于高频子带系数,采用正交匹配追踪(OMP)算法求解其对应过完备字典的稀疏表示系数;然后通过系数向量的活跃度规则进行系数融合,并构造其对应的系数矩阵;最后通过反RT得到最终的融合图像。实验结果表明,本文算法能很好保持多聚焦图像的边缘轮廓和清晰部分的对比度,并且在客观评价上,本文算法在互信息、边缘保持度等指标上均具有一定的优势。

颜色空间转换耦合特征图的显著性检测算法

为解决当前视觉显著性检测技术忽略图像的全局与局部特征的联系,使其对复杂图像的检测准确度不佳的问题,设计颜色空间转换图耦合Ripplet变换的视觉显著性检测算法。将图像转换到RGBYI空间,并计算R与G、B与Y分量的颜色差异;引入Ripplet变换,对图像进行分解,获取相应的变换系数;借助逆Ripplet变换,形成特征图;基于概率密度函数,联合特征图,计算全局显著图;利用逐像素相似度估算像素的信息熵,获取图像的局部显著图;通过组合局部与全局显著图,形成最终的显著图,完成目标检测。实验结果表明,与当前显著性检测技术相比,所提技术具有更好的检测效果,呈现出更为理想的接收机工作特性曲线。

基于显著性检测与混沌对称折叠的图像选择性加密算法

当前图像选择性加密技术主要依赖明文的边缘信息实现局部像素的混淆与扩散,易泄露重要目标的形状信息,而且整个加密过程中忽略了初始明文特性,使其安全性不理想,为了解决以上的问题,提出了显著性检测耦合混沌对称折叠的图像选择性加密技术。首先,引入Ripplet变换,对输入明文完成多方向、多尺度分解,形成Ripplet系数,通过逆Ripplet变换,得到明文对应的特征图;通过高斯概率密度与信息熵来计算特征图的全局与局部显著图;再组合全局与局部显著图,根据区域生长法,检测明文的视觉显著性区域;随后,借助明文信息迭代Logistic映射,获取一组混沌数组,以定义索引扰乱机制,改变显著区域内的像素位置;最后,联合Logistic映射与对称连续折叠机制,设计了混沌折叠扩散方法,从多个方向利用不同的扩散函数对置乱后的显著性区域完成加密。实验结果显示:与已有的选择性加密方案相比,本文方法呈现出更好的安全性与密钥敏感性。