基于彩色图像Tetrolet变换的频数质心零水印算法

针对传统数字水印算法的透明性随嵌入强度的增加而下降的问题,已有许多零水印算法提出。然而大多数算法或是鲁棒性和稳定性较差,或是基于灰度图像设计的。本文提出一种基于彩色图像Tetrolet变换的频数质心零水印算法。该算法先提取彩色载体图像YCbCr空间的亮度分量,再对亮度分量进行Tetrolet变换获得其低频系数,再通过分块非负矩阵分解,采用计算频数质心的方法构造特征矩阵。对水印信息依次进行Polar码编码,二维交织构造出交织矩阵;最后将含有水印信息的交织方阵和特征矩阵进行异或操作生成零水印。仿真结果证明,该零水印算法可以有效抵抗非几何攻击、几何攻击以及组合攻击,水印提取归一化相关系数值在0.9以上,具有较强的鲁棒性和稳定性,且具有良好的实用性。

基于Tetrolet变换的红外与可见光融合

针对目前红外与可见光图像融合速度慢、融合结果对比度不高且易产生伪影的缺点,提出一种基于Tetrolet变换的改进融合算法。首先,将可见光图像转换到lαβ颜色空间得到三个几乎不相关的彩色通道;然后对其l分量和红外图像分别进行Tetrolet变换,对于低通系数引入邻域能量及其接近度的融合规则。而对Tetrolet系数采用伪随机傅里叶矩阵进行观测并加权融合其观测值;接下来对融合后观测值采用CoSaMP优化算法迭代出融合后的Tetrolet系数,并经Tetrolet重构得到融合后的灰度图像;最后将灰度图像映射到RGB颜色空间获得最终的融合图像。实验证明了本文算法的有效性。

基于Tetrolet变换的热轧钢板表面缺陷识别方法

通过Tetrolet变换将热轧钢板表面图像分解成不同尺度和方向的子带,提取子带的Tetrolet高通系数矩阵特征,得到一个高维的特征矢量。利用核保局投影算法对高维特征矢量进行降维,将降维后的低维特征矢量输入支持向量机,从而实现热轧钢板表面缺陷的分类识别。对现场采集到的热轧钢板表面图像样本进行试验,包括横向裂纹、纵向裂纹、横向划伤、纵向划伤、结疤、麻点、网纹、压痕等8类常见热轧钢板表面缺陷,以及氧化铁皮和无缺陷等样本。试验结果表明基于Tetrolet变换方法对样本图像的识别率可达97.38%,比基于Curvelet变换、Contourlet变换等方法得到的识别率提高1%左右。

基于模糊算子的Tetrolet变换图像融合算法

针对目前图像融合信息不完整,融合结果对比度不高的缺点,提出了一种基于模糊算子的Tetrolet变换图像融合算法。将源图像经过改进的Tetrolet变换,得到高频系数和低频系数;对于低通系数引入邻域能量及其接近度的融合规则,而对高频系数采用一种新的模糊融合算子,通过模糊推理确定各个源图像高频系数的权值,再对相应系数加权平均得到融合后的高频系数;对融合后的高频系数和低频系数,经Tetrolet反变换重构得到融合后的融合图像。通过实验证明了该算法的有效性。

基于改进Tetrolet变换的图像融合算法研究

针对红外图像目标物体能量高以及可见光图像细节信息丰富的特点,提出一种基于改进的Tetrolet变换的红外与可见光图像融合算法。对红外和可见光图像进行多尺度、多方向分解,在低频融合规则上,对区域能量进行适当缩放,突出红外目标,保留可见光背景信息。实验结果表明,对Tetrolet变换模板的选择的改进,有助于获取更多高频信息;融合算法相对于传统的算法不仅增强了图像对比度,改善了主观视觉效果,而且在客观标准上有了一定提高。

基于Tetrolet变换的图像稀疏逼近算法

针对现有大部分图像稀疏逼近算法通用性不强,仅对具有某类特征的图像具有最优逼近性能的问题,利用小波变换与Tetrolet变换各自的优点,提出了一种通用性强,不受图像特征限制的图像稀疏逼近算法。该算法分别利用小波变换与Tetrolet变换对图像的平滑区域与细节区域进行稀疏逼近,先提取平滑区域,对平滑区域进行修正,然后对修正后的平滑区域进行稀疏逼近。根据平滑区域稀疏逼近的结果分离出细节区域,实现对细节区域的稀疏逼近。对一系列典型图像进行仿真的结果表明,该算法通用性强,不受图像特征的限制,在同等条件下,图像重构质量比传统小波变换高约5.5dB,比Tetrolet变换高约1.0dB。

基于Tetrolet变换的自适应阈值去噪

提出一种新的阈值函数,在Tetrolet变换域中利用此阈值函数通过最小均方误差进行自适应图像去噪.此方法主要优点是利用图像Tetrolet变换的多尺度框架和方向性来保留原始图像的边缘和纹理等重要信息,同时在Tetrolet变换域中利用新阈值函数通过LMS算法来对图像自适应去噪.实验结果表明:该算法具有更高的峰值信噪比和更好的视觉效果,是有效可行的.

基于Tetrolet变换与PCNN的图像增强

针对传统图像增强方法易损失边缘对比度以及抗噪性不强的缺点提出了一种基于Tetrolet变换与PCNN结合的图像增强方法。对待增强图像分别进行Tetrolet变换,得到不同尺度的高通和低通子带系数,并将分解后的高通子带系数进行软阈值处理;把经处理后的各尺度高通子带轮廓图像序列作为PCNN神经网络增强算子的外部输入,进而得到增强后的高通子带系数;通过Tetrolet反变换获得增强后的结果图像。数值实验结果表明,该增强算法不但能够有效抑制噪声,而且能够很好地增强图像边缘轮廓的清晰度。

基于Tetrolet变换的图像降噪新算法

通过在Tetrolet变换域利用最小化均方误差的SURE无偏估计方法对图像进行去噪处理,利用图像Te-trolet变换的多尺度框架和方向性来保留原始图像的边缘和纹理等重要信息,同时在Tetrolet变换域中用SURE无偏估计方法代替经典的硬阈值函数来对图像进行去噪。实验结果表明了该算法的有效性,其更高的峰值信噪比和更好的视觉效果说明该算法是可行的。

平稳Tetrolet变换算法研究

为了得到有效的图像多尺度几何表达,提出一种有效的接于Haar小波变换的平稳Tetrolet变换算法.平稳Tetrolet变换是一种由四个单位正方形通过边连接起来的新的自适应Haar类小波变换,对应的滤波器组简单而有效.与标准二维小波变换相比,平稳Tetrolet变换是一种新型基于四格拼板的多尺度几何变换工具,能够通过多方向选择有效地捕获图像中各向异性特性.本文对平稳Tetrolet变换的分解和重构算法进行了详细描述,对利用平稳Tetrolet变换对图像的分解进行了仿真与分析.实验结果表明,与传统算法相比,提出的算法在保留原始图像边缘和纹理信息的同时,可以有效地取得较好的稀疏表达,能消除Tetrolet变换算法对图像融合存在方块效应的缺陷.

利用偏微分方程的Tetrolet变换图像去噪

对图像进行Tetrolet变换后利用偏微分方程对图像进行了质量改善,仿真结果表明,该算法不仅能有效去除噪声,而且可得到更高的峰值信噪比和更好的视觉效果,去噪后图像较光滑,减少了方块效应,更多地保留了图像边缘和细节等局部特征.

基于Tetrolet⁃Radon变换与Schur分解的盲水印算法

为了增强水印算法的鲁棒性及提取水印的便利性,提出一种基于Tetrolet⁃Radon变换与Schur分解的盲水印算法。首先对原始图像进行一级Tetrolet变换,再将得到的低频子带进行分块Schur分解,从分解得到的上三角矩阵中选择特征值最大的元素嵌入水印,并利用最大特征值元素和均值之间的稳定关系来设计密钥,利用密钥实现水印的盲检测。提取水印信息时,利用Radon变换对含水印图像进行几何校正后再进行水印提取操作。实验结果表明,文中算法在保证水印不可见性的前提下,能够有效抵抗各种类型的攻击,并且在绝大多数攻击下NC值均大于0.98。

Tetrolet变换方块效应改善算法

针对Tetrolet变换算法对图像去噪后存在方块效应的缺陷,文中对Tetrolet变换算法进行了扩展和改进,并引入移位(Cycle Spinning)来有效消除Tetrolet变换算法中的方块效应。仿真结果表明,所提出的算法不仅能有效去除噪声,而且可得到更高的峰值信噪比,提高了图像的主客观质量。去噪后图像保留了原始图像的边缘和细节等局部特征,较为平滑,且方块效应得到了一定的改善和抑制,因而该算法是有效可行的。

Tetrolet域卫星云图分块压缩感知(英文)

针对卫星云图数据量大,但传输通道和存储空间相对狭小的问题,本文提出了一种基于Tetrolet变换的卫星云图分块压缩感知方法。该方法将Tetrolet变换引入压缩感知的稀疏表示环节,以刻画卫星云图细节丰富,纹理复杂的特性,而且将分块压缩感知与平滑投影Landweber迭代方法结合用于云图重构,以提高计算效率。同时,为了进一步提高重构云图的质量,本文对云图的稀疏表示提出了另一种改进方案,首先对原始云图进行拉普拉斯金字塔分解,将得到的低频分量和高频分量分别进行分块及采样,并对低频及高频分量分别进行离散小波变换(DWT)及Tetrolet变换以实现稀疏表示,此不仅可以发挥不同稀疏变换各自的优点,而且充分利用了Tetrolet变换在表示云图方向纹理和边缘等重要信息方面的优势。实验结果表明,在相同采样率下,本文方法的重构结果明显优于直接用Tetrolet,DWT,Contourlet和DCT变换对卫星云图进行稀疏表示的重构结果。

基于Tetrolet变换域核维纳滤波斑点噪声抑制

针对图像中广泛存在的斑点噪声,提出了一种基于Tetrolet变换域抑制方法。该方法首先对噪声图像进行三层Tetrolet分解,获得低频和高频分解系数;然后对于高频Tetrolet分解系数采用基于核方法的自适应维纳滤波器进行滤波处理;对于低频Tetrolet分解系数设计出一种可调节参数的自适应阈值函数进行噪声抑制;最后进行系数重构。实验结果表明,该算法具有较好的滤波效果。

基于Tetrolet变换和支持向量机的积雨云检测研究

针对卫星云图的自然纹理特点,提出了一种新的积雨云检测方法。首先利用Tetrolet变换对多种几何特征都可以实现最优逼近的特性,提取云图的频谱纹理特征,并结合传统的亮温及亮温差特征,组成特征向量集;然后通过训练支持向量机(SVM)分类器,进行积雨云检测。对FY-2D卫星云图的实验结果表明,该方法对积雨云的检测准确率达到了95%以上,相较于传统方法,具有更强的泛化能力,对雷暴等灾害天气的预警具有较高的参考价值。

Tetrolet变换和SVD结合的盲检测稳健数字水印嵌入策略

提出了一种Tetrolet变换和奇异值分解(SVD)相结合的图像盲检测稳健数字水印算法。该算法先对二值水印图像进行双因子混沌加密预处理;对原始载体图像进行二级Tetrolet变换,并将二层低频子带系数进行分块SVD分解;最后将加密的水印信息量化嵌入SVD最大系数中。水印检测时,无需原始载体图像和原始水印图像的参与,实现水印信息盲提取,提高数字水印系统的实用性。仿真实验结果表明,在保证水印安全性和不可感知性的基础上,该算法对常规图像处理、几何攻击等均具有较好的稳健性。

基于Tetrolet变换和DCT-SVD的彩色图像稳健数字水印算法

文中提出了一种Tetrolet变换域中基于离散余弦变换(discrete cosine transformation,DCT)和奇异值分解(singular value decomposition,SVD)的彩色图像数字水印算法.该算法先对二值水印图像进行混沌加密预处理,对提取的彩色载体图像YCb Cr空间的亮度分量进行Tetrolet变换,将三层低频子带系数进行分块DCT变换;再对DCT变换结果进行SVD分解;最后将加密水印的奇异值嵌入,并根据高频分量的特征信息提取零水印.水印检测时,在低频区域提取鲁棒水印,并在高频区域提取认证水印,同时实现图像版权保护和内容认证.仿真实验结果表明:该算法在保证水印安全性和不可感知性的基础上,对常规图像处理攻击以及几何攻击等均具有较好的稳健性.

基于Tetrolet变换的近红外与彩色可见光图像融合算法研究

针对近红外与彩色可见光图像融合后出现的对比度降低、细节丢失、颜色失真等问题,提出一种基于Tetrolet变换和自适应脉冲耦合神经网络PCNN(PCNN-Pulse Coupled Neural Network)的近红外与彩色可见光图像融合的新算法。首先将彩色可见光源图像转换到各个分量相对独立的HSI空间(HSI-Hue Saturation Intensity),将其亮度分量与近红外图像进行Tetrolet分解,对分解后得到的低频系数,提出一种从给定不完备数据集中寻找潜在分布最大似然估计的期望最大算法融合规则;对分解后得到的高频系数,采用一种Sobel算子自动调节阈值的自适应PCNN模型作为融合规则;处理后的高低频图像经Tetrolet逆变换作为融合后的亮度图像,提出一种饱和度分量自适应拉伸方法来解决图像饱和度下降的问题。处理后的各个分量反向映射到RGB空间,完成融合。将本文算法与多种高效融合算法进行对比分析,实验表明,本方法取得的图像,细节清晰,色彩对比度得到提升,在图像饱和度、颜色恢复性能、结构相似性和对比度等客观评价指标上均具有明显的优势。

基于Tetrolet与数学形态学相结合的遥感图像增强

针对遥感图像中对比度低和图像失真等问题,提出了一种基于方块波（Tetrolet）变换与数学形态学相结合的遥感图像增强算法。首先,采用数学形态学和改进的伽马变换函数提高遥感图像整体对比度;其次对处理后的图像进行Tetrolet变换,将图像分解成多尺度的高通和低通子带系数,并利用自适应阈值方法对高通子带系数进行去噪处理;最后对Tetrolet反变换后的系数进行核各向异性操作,保留图像的细节和边缘信息。实验结果表明,该算法在主观上能获得较好的视觉效果,同时客观指标中的信息熵,均值与双向直方图均衡（bihistogram equalization,BHE）、NSCT（Non-subsampled contourlet Transform,NSCT）与模糊算法、NSCT与反锐化掩模算法、NSST（Non-subsampled Shearlet Transform,NSST）域的自适应算法相比,都有一定的优势。