基于相息图和小波变换的数字水印

提出一种基于相息图和小波变换的数字水印方案。利用迭代相位恢复算法将水印图像编码为相息图, 然后将经权重因子调制后的相息图嵌入到宿主图像的三层小波低频系数中, 完成整个水印嵌入过程。在水印提取阶段, 对宿主图像和含水印图像进行三层小波分解, 将得到的低频系数对应相减提取出水印相息图, 然后对此相息图进行傅里叶变换操作, 取其振幅即可提取原始嵌入的水印图像。针对不同权重因子的水印系统, 详细分析和讨论了所提出水印方案的隐蔽性和稳健性。计算机仿真结果验证了该数字水印方案的可行性。     

基于PSNR-NC函数优化和非抽样双树复小波变换的自适应多重水印算法

针对多重水印信息的有效嵌入和提取,提出了一种基于峰值信噪比-归一化相关系数函数(PSNR-NC)优化和非抽样双树复小波变换的自适应多重水印算法。该算法首先利用PSNR-NC函数来确定水印的最佳嵌入位置,其次通过非抽样双树复小波变换-奇异值分解(UDTCWT-SVD)算法将多个相互独立的水印信息嵌入到彩色宿主图像中,最后通过水印提取算法在含水印图像中提取多重水印,有效实现了多个版权信息的嵌入和提取。实验结果表明,嵌入水印图像具备良好的不可见性,所提算法对常见的图像处理攻击,特别是在抵抗JPEG压缩、噪声攻击和滤波攻击方面表现出较强的鲁棒性。     

基于Krawtchouk矩和Contourlet变换的多目的水印

提出了一种基于Krawtchouk矩和Contourlet变换的多目的水印算法.首先对图像进行两级Contourlet分解,通过计算其低频分量的Krawtchouk低阶矩不变量来构建鲁棒水印,然后在剩下的带通分量中选择一个作为水印嵌入域并在其中嵌入半脆弱水印,给出了实验结果,并从水印的不可见性、抗攻击能力及篡改的定位能力三个方面进行了定量评测.实验结果表明,该算法具有很强的鲁棒性和较好的脆弱性,能同时有效地保护版权和认证图像.     

基于Contourlet变换域的自适应量化索引调制数字图像水印算法

提出了一种新的基于Contourlet变换域的自适应量化索引调制数字图像水印算法.原始二值水印经过扩展置乱、降维和伪随机序列加密,嵌入到宿主图像经Contourlet变换后的低通子带系数中.根据低通子带能量分布特性,对分块低通子带的最大奇异值采用自适应量化索引调制,实现水印嵌入.实验结果表明,该水印算法不仅对嵌入的水印具有良好地视觉保真度,而且对JPEG压缩、低通滤波、加性噪声、重采样、剪切等多种攻击具有很强的稳健性.同时采用量化嵌入策略,水印提取时不需要宿主图像,即可实现水印网像盲提取.     

基于小波变换的加密全息三维模型盲水印

提出了一种基于小波变换的三维模型加密全息盲水印算法。该算法选取三维模型球面坐标与重心的距离作为离散二维信号,首先进行小波变换得到水平分量,水平分量经过小波变换后得到低频部分,将水印图像经光全息加密嵌入到低频部分,再经过逆小波变换生成含水印的三维模型,水印的提取是水印嵌入的逆过程。实验结果表明,该方法对噪声攻击、旋转、平移、比例变换、重排序攻击等具有很好的鲁棒性,且加密全息水印图像具有很好的水印安全性。     

基于图象特征的小波域水印算法

提出一种基于图象特征点的小波变换域第二代水印算法.首先对图象作小波变换,其中最低频成分是图象的粗尺度(低分辨率)逼近,从中提取出图象的特征点;然后在特征点对应的所有高频系数中嵌入水印.水印检验不需要原始图象,但需要原始图象的特征点位置信息,计算特征点对应的所有高频系数与嵌入水印的互相关,利用门限值检验水印是否存在. 实验证明该算法对通常的图象处理有很强的鲁棒性,对有损压缩的鲁棒性尤为突出,而且对几何变换也有一定鲁棒性.     

基于Contourlet变换的红外图像非线性增强算法

针对红外图像对比度低、噪声大等特点,提出一种基于Contourlet变换的红外图像非线性增强算法.Contourlet变换是一种有效的方向多尺度变换分析方法,能在任意尺度上实现任意方向的分解.首先采用Contourlet变换对图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.引入非完全贝塔函数对低频子带系数进行处理,提升图像整体对比度;采用非线性增益函数对各带通方向子带系数进行处理,通过估计噪声水平设定阈值,抑制绝对值小于阈值的系数,增强大于阈值的系数.最后经Contourlet逆变换得到增强图像.实际实验结果表明,该方法可以有效地增强低对比度红外图像,无论是在视觉效果上还是在图像对比度评估值定量指标上均明显优于直方图均衡化、小波变换增强等方法,且能保持更多的图像轮廓特征,克服了这些方法对噪声增强过度和图像细节增强不足等缺点.     

结合边缘信息和图像特征信息的曲波域遥感图像融合

曲波变换是一种更适合于图像处理的多尺度几何分析方法,具有比小波变换更强的方向选择和辨识能力,而且对图像边缘的表达更优于小波.结合色度-饱合度-亮度变换将其应用于合成孔径雷达图像和多光谱图像融合可以更好地表示图像中的有用特征.首先对多光谱图像进行色度-饱合度-亮度变换,得到亮度分量Ⅰ,对雷达图像和Ⅰ分量进行曲波变换得到粗尺度系数和细节尺度系数;将雷达图像的粗尺度系数和细节尺度系数进行叠加,计算归一化的曲波系数直方图,定义边缘有效因子,利用合成孔径雷达图像的特征信息将曲波变换系数分为均匀区、非均匀区和亮点目标区.然后采用相应的融合规则对融合图像的粗尺度系数进行处理,对细节尺度系数采用简单的直接取大方法,逆变换后得到新的亮度分量.用新的亮度分量替代原亮度分量进行逆色度-饱合度-亮度变换得到最终融合结果,利用统计类指标对融合结果进行评价.实验结果表明,该方法在保持光谱信息和提高空间分辨率上都有较好的效果.     

结合边缘信息和图像特征信息的曲波域遥感图像融合

曲波变换是一种更适合于图像处理的多尺度几何分析方法,具有比小波变换更强的方向选择和辨识能力,而且对图像边缘的表达更优于小波.结合色度-饱合度-亮度变换将其应用于合成孔径雷达图像和多光谱图像融合可以更好地表示图像中的有用特征.首先对多光谱图像进行色度-饱合度-亮度变换,得到亮度分量I,对雷达图像和I分量进行曲波变换得到粗尺度系数和细节尺度系数;将雷达图像的粗尺度系数和细节尺度系数进行叠加,计算归一化的曲波系数直方图,定义边缘有效因子,利用合成孔径雷达图像的特征信息将曲波变换系数分为均匀区、非均匀区和亮点目标区.然后采用相应的融合规则对融合图像的粗尺度系数进行处理,对细节尺度系数采用简单的直接取大方法,逆变换后得到新的亮度分量.用新的亮度分量替代原亮度分量进行逆色度-饱合度-亮度变换得到最终融合结果,利用统计类指标对融合结果进行评价.实验结果表明,该方法在保持光谱信息和提高空间分辨率上都有较好的效果.     

基于Contourlet系数相关特性的自适应图像去噪算法

研究发现, 图像经过Contourlet变换之后, 其变换系数在尺度内和尺度间都表现出很强的相关特性.基于此, 首先根据Contourlet系数在同一尺度内的邻域相关特性, 构造得到一个自适应阈值, 然后在采用阈值法进行自适应阈值去噪的同时, 利用Contourlet系数在相邻尺度间的相关性对系数进行进一步的取舍, 从而提出一种新的基于Contourlet变换系数特性的自适应阈值图像去噪算法.该算法不仅可以有效去除噪声, 而且可以很好地保留图像边缘信息.实验结果表明, 在相同条件下该算法的主客观去噪效果均优于现有同类方法.     

复轮廓波包的构造及其图像去噪应用

一般的轮廓波变换只对信号的低频部分进行分解,却忽略了信号的高频部分,因而丢失了丰富的细节和纹理信息,为了克服这种缺陷,本文利用解析的双树复小波包变换和非抽样方向滤波器组,构造了复轮廓波包变换,并提出一种基于相邻系数阈值分类的复轮廓波包图像去噪算法.新的变换除了具有多分辨率、局部性、多方向性和各向异性的特点外,还具有平移不变性和更丰富的方向分量.仿真试验结果表明,构造的复轮廓波包变换能够有效地抑制伪Gibbs现象,并且保护更多的边缘和纹理等细节,其PSNR值和视觉质量均优于一般的去噪方法.     

一种基于非下采样Contourlet变换多聚焦图像融合算法

针对现有小波类图像融合算法的不足,提出了一种基于非下采样Contourlet变换多聚焦图像融合算法,并在Contourlet域中引入了局部区域可见度以及局部方向能量的概念.针对低频子带系数和各带通方向子带系数分别提出了基于局部区域可见度以及基于局部方向能量的系数选择方案.通过对多聚焦图像融合的仿真实验,表明该算法相对于传统的基于离散小波变换和离散小波框架变换融合算法能够有效减少有用信息的丢失以及虚假信息的引入,同时能够从源图像中提取更多的有用信息并注入到融合图像中, 得到更好视觉效果和更优量化指标的融合图像.     

基于区域分割和Counterlet变换的图像融合算法

提出了一种基于区域分割和Contourlet变换的图像融合算法。首先,对各源图像做区域分割,并利用区域能量比和区域清晰比的概念来度量和提取区域信息;然后,对各源图像进行多尺度非子采样Contourlet分解,分解后的高频部分采用绝对值取大算子进行融合,低频部分则采用基于区域的融合规则和算子进行融合;最后进行重构得到融合图像。对红外与可见光图像进行了融合实验,并与基于像素的àtrous小波变换和Contourlet变换的融合效果进行了比较。结果表明,采用本文算法的融合图像既保留了可见光图像的光谱信息,又继承了红外图像的目标信息,其熵值高于基于像素的融合方法约10%,交叉熵仅为基于像素的融合方法的1%左右。     

Synthetic Aperture Radar image nonlinear enhancement algorithm based on NSCT transform

Due to the imaging mechanism, Synthetic Aperture Radar (SAR) images are susceptible to speckle noise, which affects radar image interpretation. So image denoising and enhancement are important topics of improving SAR image performance. A nonlinear image enhancement algorithm based on nonsubsampled contourlet transform (NSCT) is proposed in this paper. The image is decomposed into coefficients of different scales and directions through nonsubsampled contourlet transform. It is denoised by the threshold method of the multi-scale product of NSCT coefficients. Then thresholds of the nonlinear enhancement function are determined according to the coefficients of each scale. The two parameters of the function, among which one is used to control the range of enhancement and the other can determine the strength of enhancement, are obtained by solving nonlinear equations. The coefficients processed by the enhancement function are used to reconstruct the image. The simulation results on the Matlab platform show that the algorithm has a good effect of enhancing details of images and suppressing noise signals meanwhile.     

基于非采样Contourlet变换高分辨率遥感图像配准

为了提高高分辨率遥感图像配准的精确度,将非采样Contourlet变换应用于高分辨率遥感图像配准算法中.首先对高分辨率遥感图像进行非采样Contourlet变换.利用非采样Contourlet变换的平移不变性在变换域提取图像的边缘并选择合适的阈值准确地得到图像的边缘特征点.然后利用归一化互相关匹配法和概率支撑法对特征点进行匹配.最后通过三角形局部变换映射甬数实现图像配准.实验结果表明,该方法更能准确地提取高分辨率遥感图像的特征点,大大提高了正确匹配的概率,与基于小波方法的图像配准效果相比有更高的准确性和稳健性.     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘|然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具,本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘;然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频...     

Multifocus image fusion based on features contrast of multiscale products in nonsubsampled contourlet transform domain

In this paper, an efficient multifocus image fusion approach is proposed based on local features contrast of multiscale products in nonsubsampled contourlet transform (NSCT) domain. In order to improve the robustness of the fusion algorithm to the noise and select the coefficients of the fused image properly, the multiscale products, which can distinguish edge structures from noise more effectively in NSCT domain, is developed and introduced into image fusion field. The selection principles of different subband coefficients obtained by the NSCT decomposition are discussed in detail. To improve the quality of the fused image, novel different local features contrast measurements, which are proved to be more suitable for human vision system and can extract more useful detail information from source images and inject them into the fused image, are developed and used to select coefficients from the clear parts of subimages to compose coefficients of fused images. Experimental results demonstrate the proposed method performs very well in fusion both noisy and noise-free multifocus images, and outperform conventional methods in terms of both visual quality and objective evaluation criteria.     

Image fusion based on nonsubsampled contourlet transform for infrared and visible light image

In this paper, a new method based on nonsubsampled contourlet transform (NSCT) is proposed to fuse the infrared image and the visible light image, which will produce a new fused image by which the target can be identified more easily. Firstly, two original images were decomposed into low frequency subband coefficients and the bandpass direction subband coefficients by using NSCT. Secondly, the selection of the low frequency subband coefficient and the bandpass direction subband coefficient is discussed in detail. The low frequency subband coefficients are selected based on the regional visual characteristics. For the selection of bandpass direction subband coefficients, this paper proposes a minimum regional cross-gradient method, and the cross-gradient is gained by calculating the gradient between the pixel of bandpass subbands and the adjacent pixel in the fused image of the low-frequency components. Comparison experiments have been performed on different image sets, and experimental results demonstrate that the proposed method performs better in both subjective and objective qualities.     

Image denoising using trivariate prior model in nonsubsampled dual-tree complex contourlet transform domain and non-local means filter in spatial domain

Image denoising is always the basic problem of image processing, and the main challenge is how to effectively remove the noise and preserve the detailed information. This paper presents a new image denoising algorithm based on the combination of trivariate prior model in nonsubsampled dual-tree complex contourlet transformlet transform (NSDTCT) domain and non-local means filter (NLMF) in spatial domain. Firstly, NSDTCT is constructed by combining the dual-tree complex wavelet transform (DTCWT) and nonsubsampled directional filter banks (NSDFB). The noisy image is decomposed by using NSDTCT. Secondly, based on the correlation between the interscale and intrascale dependencies of NSDTCT coefficients, the distribution of the high frequency coefficients is modeled with the trivariate non-Gaussian distribution model. A nonlinear trivariate shrinkage function is derived in the framework of Bayesian theory, and then the denoised coefficients are obtained and inverse NSDTCT is performed to get the initial denoised image. Finally, NLMF is used to smooth the initial denoised image. Simulation experiment shows that our algorithm can obtain better performances than those outstanding denoising algorithms in terms of peak signal-to-noise ratio (PSNR), mean structural similarity (MSSIM) as well as visual quality.