基于Tchebichef矩的几何攻击不变性第二代水印算法(英文)

提出了一种基于原始图像的Tchebichef矩实现的几何攻击不变性第二代盲水印算法,利用原始图像的Tchebichef矩估计图像可能经历的几何攻击的参数来还原图像,其中,原始图像的Tchebichef矩可作为水印检测器的密钥.水印嵌入过程结合人类视觉系统的特性,且可在任何图像变换域中实现,给出了小波域的一种实现方法.水印检测过程采用独立分量分析技术不仅可以检测到水印而且可以提取水印,实现了真正意义上的盲检测.实验结果表明,该水印算法对于通用水印测试软件Stirmark提供的各种攻击具有很好的鲁棒性.

Tchebichef矩在图像数字水印技术中的应用

提出了一种利用原始图像的Tchebichef矩来增加水印顽健性的方法,即利用原始图像的一个或多个Tchebichef矩的值来估计水印图像所经过的几何变换的参数以及图像增强等图像处理操作的参数,并将这一过程作为水印检测的预处理过程。实验中将多种不同的水印信息在不同的图像处理域(包括DWT、DCT、FFT以及空间域等)实现水印信息的嵌入。为了检测这种估计算法的顽健性,本文实验中的几何攻击是由Stirmark产生的。计算机模拟实验证明这种估计方法简单,估计精度很高,增加了图像水印技术对几何攻击的顽健性,而且可在任何处理域中实现,具有很好的实用价值。

一种基于Tchebichef矩的半脆弱图像数字水印算法

提出了一种适用于图像内容认证的基于Tchebichef矩的半脆弱图像数字水印算法。水印嵌入时首先将图像分块,然后使用查找表法快速计算图像块的Tchebichef矩,最后通过修改每个图像块的Tchebichef矩来嵌入水印。水印提取过程是嵌入过程的逆过程,实现了盲水印提取。实验表明,算法透明性较好,对于常见的攻击,如JPEG压缩、加性噪声、小角度的旋转缩放攻击、亮度/对比度攻击以及高斯低通滤波等具有很好的鲁棒性。

二维Tchebichef矩正反变换的快速算法

本文提出了一种二维Tchebichef矩正反变换的快速算法。在正变换中,使用Chebichef递推公式推导了一维Tchebichef矩正变换的快速算法,并将其推广至二维Tchebichef矩正变换的快速计算。在反变换中,使用Clenshaw递推公式我们推导了一维Tchebichef矩反变换的快速算法,并将其推广至二维Tchebichef正交矩反变换的计算。与以迭代方式计算Tchebichef多项式进而计算二维Tchebichef矩正反变换的方法相比,本文算法有效地减少了算术运算的次数,提高了计算速度。实验结果表明了该方法的有效性。

三维荧光光谱结合Tchebichef矩快速鉴别掺伪芝麻油

应用FS920荧光光谱仪测定样品的三维荧光光谱数据,直接利用Tchebichef矩提取三维光谱灰度图的特征信息,然后对其进行聚类分析,最后通过逐步回归建立样本中各成分的线性模型。聚类分析能够准确识别掺伪芝麻油,并正确解析其组成成分,得到的线性模型相关系数R>0.99。研究表明,Tchebichef矩能够有效提取光谱的特征信息,应用于掺伪芝麻油鉴别可获得良好的定性和定量分析结果。

基于Tchebichef矩和小波提升的数字水印算法

提出一种基于Tchebichef矩和小波提升的抵抗几何攻击的内容认证水印算法,对图像进行一次小波提升分解,计算其低频成分的Tchebichef低阶矩不变量来构建水印系统。水印认证过程只须计算图像的几个低阶Tchebichef矩不变量。将该算法与基于几何矩不变量的算法进行比较。结果表明,该算法简单、有效,对旋转、缩放、剪切等几何攻击以及JPEG压缩等攻击具有较高的稳健性。

基于Tchebichef矩和Logistic混沌加密的数字水印算法

目的针对现有的基于图像矩的数字水印算法比较复杂、鲁棒性差,尤其在抵抗缩放和旋转等攻击方面性能较差的问题,提出一种基于Tchebichef矩的数字水印算法。方法首先将载体图像进行非下采样Contourlet变换,得到与载体图像大小相同的低频子带,将低频子带分块后对各子块进行奇异值分解(SVD),根据奇异值的特点选择最佳嵌入位置,并由左奇异值和右奇异值矩阵自适应地计算水印嵌入强度,将通过Logistic混沌加密后的水印嵌入选中子块的奇异值中。计算含水印图像的Tchebichef矩,用于旋转及缩放校正。结果实验结果显示,文中算法的不可见性好,提取的水印NC值达到0.9386,能够有效抵抗旋转和缩放攻击。结论该算法对任意角度的旋转攻击和缩放攻击具有很好的鲁棒性,能够达到保护数字产品的目的。

基于Tchebichef矩的区域复制窜改检测算法

提出了一种新的数字图像被动认证算法,用于检测同幅图像的区域复制窜改问题。算法首先利用离散小波变换提取图像的低频分量,再对低频分量进行分块并提取每一块的离散正交Tchebichef矩特征;然后将特征矢量进行字典排序,比较相邻两组特征矢量的相似性;最后利用阈值判别实现窜改伪造区域的检测和定位。实验结果证明,算法能较好地检测及定位出图像中复制与窜改区域,且具有运算量小、检测效率高、鲁棒性好等特点。

基于径向Tchebichef矩的不变性模式识别

提出了一种基于径向Tchebichef矩构建的完整的拉伸和旋转不变性的方法,命名为径向Tchebichef不变矩.该方法直接从径向Tchebichef矩中提取不变特征,避免了归一化过程.实验结果表明,该新方法有很好的图像识别效果和抗噪声干扰性能.

Tchebichef矩及其在图像重建中的应用

一种基于Tchebichef离散正交多项式的称为Tchebichef矩函数具有在计算中采用完全的离散计算,因此可精确进行矩计算,在许多方面它有明显的优点。在推导出Tchebichef矩快速计算方法之后,通过图像重建实验证明了Tchebichef矩在图像处理中应用的有效性。

基于Tchebichef矩和粗糙集的图像分类方法

矩函数能够描述物体形状的全局特征,而采用粗糙集理论解决图像分类问题能避开图像相似度大小的复杂计算。考虑到二者在图像数据处理方面的优势,提出一种基于Tchebichef矩和粗糙集的图像分类方法。首先从图像中提取出Tchebichef矩,再应用粗糙集进行图像分类。实验结果表明该方法能有效地进行图像分类,同时比较了基于Tchebichef矩、Zernike矩和Hu矩的识别结果,说明该方法优于其它方法。

基于图像Tchebichef矩抗几何攻击的零水印算法

由于目前基于图像矩技术的水印算法水印容量小,算法复杂,鲁棒性有待提高,提出一种新颖的抗几何攻击的零水印算法。该算法以图像归一化技术和Tchebichef矩系数的特点为基础,首先计算原始图像单位圆内旋转归一化的Tchebichef矩,将Tchebichef矩的左上角部分扫描成数值矩阵;然后根据数值矩阵和水印图像生成二进制密钥并保存到零水印信息库。证明版权时待检测图像也按相同的流程处理,利用密钥和生成的数字矩阵提取待检测图像的水印。实验结果表明,该算法对任意角度的旋转、缩放和常规信号处理及其组合攻击具有很强的鲁棒性。

Tchebichef矩的平移不变量的新计算方法

文章提出了利用矩阵的方式来计算Tchebichef矩的平移不变量的方法,避免复杂的迭代的同时,保持了数值的稳定,实验表明,这种方法有着较高的精度.

基于Tchebichef矩的感兴趣区水印

提出了一种基于视觉注意机制的图像感兴趣区域(regions of interest,ROI)纹理块鲁棒水印方案,用视觉注意模型计算出图像的显著图,基于显著图坐标和图像纹理区,采用调整Tchebichef矩系数的方法对感兴趣区域进行水印的嵌入,用于保护图像的感兴趣区域。该算法实现了对图像感兴趣区域的有效自动分割,提高了计算机图像分析与处理的有效性和针对性,对图像压缩、滤波、噪声添加、背景替换以及恶意剪切等攻击均具有很强的鲁棒性。

基于离散Tchebichef矩和软决策量化的图像压缩

图像压缩编码能有效地减少图像像素间的信息冗余,并同时能保证图像重构质量和较低的计算复杂度。基于变换域的图像压缩编码是目前最常用且性能最优的压缩技术之一,但基于离散正交矩的图像压缩方法还未被深入研究。在研究JPEG的编解码流程的基础上,提出了基于离散Tchebichef矩的图像压缩算法。通过KS测试统计的方法研究变换系数的分布规律,利用软决策量化设计最优的量化表近似码率和失真度,从而提升了重构图像质量;接着对量化结果进行熵编码,最终实现了基于离散Tchebichef矩的图像压缩和重建全过程。在JPEG顺序编解码的流程下,与主流的DCT图像压缩方法进行比较,实验结果表明,比特率大于0.5bpp时,该算法重构的图像的质量更高;当PSNR分别为35dB,40dB,45dB时,其压缩性能明显优于DCT。同时,它们在编解码运行时间上接近。

基于Tchebichef矩的抗几何攻击图像水印

针对几何攻击容易使常规水印算法检测失败的问题,利用Tchebichef矩出色的重构性能,结合图像归一化,提出一种基于Tchebichef矩的抗几何攻击图像水印算法GWTM。该算法在水印嵌入和提取之前对图像进行几何失真的归一化,根据Tchebichef矩系数的特点,进行矩幅度修改量测试,筛选出最优矩集合。根据水印比特自适应地修改集合中的矩,并对修改后的矩进行Tchebichef重构,实现水印的嵌入。水印提取时,以最优矩集合为密钥,通过与原始图像的Tchebichef矩幅度比较提取水印。实验证明,GWTM算法能够抵抗任意角度的旋转攻击、缩放攻击及常规的信号处理攻击。

Tchebichef矩的快速算法

为了更有效将Tchebichef矩应用于模式识别和图像分析等领域,提出一种关于Tchebichef矩的快速有效算法.对二值图像采用图像块描述方法,并在推导了Tchebichef多项式一些性质的基础上,实现了一种快速计算Tchebichef矩的新方法.实验结果表明,该方法能够有效地节省计算时间,尤其在图像尺寸较大,以及所使用矩的阶数较高的情况下,该算法的效果更为明显.

基于Tchebichef矩与颜色矢量角度的鲁棒图像哈希算法

为了改善哈希算法对旋转等内容修改的鲁棒性,设计了径向Tchebichef矩耦合颜色矢量角度的鲁棒图像哈希算法。引入2D离散小波变换(DWT),对图像的颜色矢量角度实施分解,获取对应的4个子带,将其低频系数作为结构特征。采用径向Tchebichef矩计算预处理图像的Tchebichef矩,提取全局特征。通过组合这2种特征,以形成中间哈希序列。设计加密函数,对中间哈希完成加密,得到目标哈希序列。计算初始目标与待识别图像的哈希序列之间的l2范数距离,并将其与预设阈值作比较,完成图像内容的真伪判别。测试数据表明:相对于已有的哈希算法而言,所提算法具备更高的鲁棒性,可以对旋转、颜色与缩放等内容修改做出准确识别。

基于分段迭代法的Tchebichef矩

本文提出了一种基于分段思想的迭代算法,用来精确计算Tchebichef矩。在Tchebichef多项式的计算过程中,将整个迭代过程划分为几段,利用GMP大数库为每一段迭代求出Tchebichef多项式的精确值,然后以此精确值为初值求出其他多项式的值,使用该分段迭代算法可以在一定程度上控制并减少误差的累积,从而能够精确计算Tchebichef矩达到精确重构图像的目的。在图像重构的实验中,通过与经典Tchebichef矩的重构效果进行比较,证明了该分段迭代法具有一定的可行性。

基于递降阶乘计算的Tchebichef矩的旋转不变量

传统Tchebichef矩的旋转不变量是用几何矩的旋转不变量来表示的,这就不能避免几何矩冗余信息多、对噪声敏感等缺点。提出了一种新的Tchebichef矩的旋转不变量,用降阶阶乘的性质,将它转化为可以利用Tche-bichef矩直接计算的Tchebichef中心矩的线性组合。实验表明,提出的描述子具有更好的旋转不变性。