基于系数相关性的自适应水印算法

根据人类视觉特征提出了一种基于小波系数相关性的自适应水印嵌入算法.该算法先对原始图像进行的小波分解,选取水印所要嵌入的子带并将所选取的子带划分成2×2大小的块,同时利用每一个小波块中相邻的4个系数之间具有一定的相关性与所要嵌入的水印图像来构造该小波块的水印系数,利用人类视觉模型调整水印的嵌入强度,从而在保证水印不可见性的基础上最大限度的保证水印的鲁棒性.选取不同特点的两幅图片进行实验,实验结果表明,该算法对高斯噪声、椒盐噪声、JPEG压缩、剪切、中值滤波等攻击都具有较好的鲁棒性,对旋转几何攻击具有一定的鲁棒性.     

一种基于小波系数动态量化的鲁棒数字水印算法

提出了一种改进的基于动态量化小波系数的鲁棒水印算法.水印通过动态量化嵌入到载体图像小波变换的高频子带上,混沌优化用于搜索嵌入水印的最大可用块数,中国剩余定理用于安全地产生动态量化参数.该算法和Lin等人提出的数字水印方案相比,不仅具有良好的隐蔽性、安全性和不可感知性,同时,算法也具有良好的抗压缩攻击等鲁棒性能.仿真结果验证了算法的有效性.     

数字音频双重水印算法

提出了一种同时嵌入鲁棒水印和易损水印的算法．利用离散小波变换的多分辨率特性以及离散余弦变换的解相关和能量压缩能力，在中低频区嵌入鲁棒水印；在小波域的高频区嵌入易损水印．水印的嵌入采用量化的方法，提取水印信号时不需要原始音频信号．实验结果表明，文中算法的水印鲁棒性高，适于音频作品的版权保护；而文中的易损水印对音频攻击具有很强的敏感性，可同时认证音频作品的内容完整性、     

基于混沌加密的小波包盲水印算法

利用混沌系统的特点调制了两种不同的混沌序列,分别用于水印加密和子图像的抽取.对子图像进行小波包分解,通过修改小波包的系数来嵌入数字水印.水印的提取不需要原始图像,实现了盲提取.实验结果表明,该算法对于常见的JPEG压缩、高斯噪声,裁剪和缩放等攻击具有较好的鲁棒性.     

用于拷贝检测的鲁棒图像特征提取方法

现有的图像拷贝检测方法中多数对类似噪声的图像失真具有较强的鲁棒性,而对几何类失真则比较脆弱.邹复好等人提出的基于圆环分区的顺序测度拷贝检测方法,在抵抗旋转和等比缩放失真方面性能良好,但是对于拉伸以及在旋转、缩放的同时进行保持图像中心不变的适当裁剪的混合攻击的性能不太好,这主要是由于用于划分圆环的圆形区域无法在这些攻击之后再现.因而本文提出了用于拷贝检测的鲁棒特征提取方法,通过自适应地选择几何不变的圆形区域,再将该圆形区域划分为多个圆环,并计算其特征的顺序测度作为图像特征向量,以增强Zou方法抗几何攻击的鲁棒性.实验结果表明,在抵抗旋拉伸以及在旋转、缩放的同时进行保持图像中心不变的适当裁剪的混合攻击等失真方面,该方法均好于邹复好的方法.     

基于张量奇异值分解的鲁棒视频水印算法

针对视频的版权保护, 提出了一种基于张量奇异值分解(T-SVD)的鲁棒视频水印算法. 不同于图像, 视频具有多维度的特点, 能够被看作一个高阶张量, 并通过张量奇异值分解以保留帧内和时域的相关性, 从而提高水印鲁棒性. 首先, 对视频帧的亮度分量进行离散小波变换(DWT), 计算得到低频子带(LL), 并将每3帧的LL作为一个三阶张量; 其次, 将三阶张量分成不重叠块, 并进行张量奇异值分解, 计算得到对角张量; 最后, 利用包含强相关性的对角线张量的奇异值嵌入水印以增强鲁棒性. 此外, 还采用密钥随机提取视频帧, 以加强算法的安全性. 实验结果表明, 提出的算法能够抵抗多种视频攻击, 具有较强的鲁棒性.     

基于BEMD、DCT和SVD的混合图像水印算法

水印的不可见性和算法的鲁棒性是图像版权保护领域关注的重要问题，然而大多数算法不能很好地平衡二者的关系。为此，提出了一种基于二维经验模态分解（BEMD）、离散余弦变换（DCT）和奇异值分解（SVD）的不可见性高、鲁棒性强的混合图像水印算法。首先，对水印图像采用Arnold置乱，增强算法的安全性，并对置乱后的水印图像进行二维DCT。然后，对宿主图像进行BEMD，得到有限个尺度不同的内蕴模态函数（IMF）及余量，选择与宿主图像相关性较低的IMF执行二维DCT，根据水印的大小对其进行不重叠分块，分别对每个分块图像以及经DCT的水印图像执行SVD。最后，根据自适应最优嵌入准则确定水印嵌入强度，并将水印嵌入每个分块，以增强算法的容错性。大量实验以及与现有算法的对比表明，所提算法不仅具有抵抗大尺度攻击的鲁棒性，而且具有较高的不可见性。     

一种基于卷积神经网络的快速噪声水平估计算法

对于非盲的高斯降噪算法而言,噪声水平值是非常重要的参数。传统的噪声水平估计算法多采用复杂的处理过程操作且效率较低。为此,本文利用非线性映射能力强大的卷积神经网络实现了一种快速高斯噪声水平估计算法。该算法首先对大量原始无失真自然图像施加不同水平的高斯噪声构成噪声图像集合,将噪声图像及其对应的噪声水平值作为卷积神经网络(convolution neural network,CNN)的输入和输出,训练得到一个噪声水平估计模型。模型一旦训练完成,即可快速地估计出任意给定的噪声图像的高斯噪声水平大小,整个过程无需人工设置任何参数。实验数据表明,与经典的噪声水平估计算法相比,所提出的算法保证了一定的预测准确性,且在执行效率方面更有优势,可适用于需要噪声水平作为输入参数的非盲降噪算法。     

一种新的盲数字水印算法

本文提出了一个有效的静止图像的盲水印算法.原始图像经小波变换后,选择内嵌水印所需要的子带,水印根据奇偶判决法内嵌到频域中所选择的子带上.实验结论和攻击测试表明,本文所提议的算法具有较好的透明性,对各种图像处理的攻击有较强的鲁棒性.     

视觉自适应灰度级数字水印算法

提出了一种新的灰度级数字图像水印算法,首先对灰度级水印图像进行位平面分解得到水印序列,利用伪随机序列对水印进行调制,以增强水印的安全性,然后对载体图像进行小波分解,并利用视觉掩蔽特性对小波系数进行量化嵌入水印信息.新算法中视觉隐蔽阈值与宿主图像相关,具有自适应性;提取水印时不需要载体图像,具有盲检测性.实验结果表明,该算法在保证嵌入水印后图像较好感知质量的情况下,对压缩、加噪、滤波等失真测试仍然具有较好的鲁棒性.     

一种去除椒盐噪声的自适应模糊中值滤波算法

针对传统中值滤波算法降噪性能不佳以及易造成图像细节模糊的问题,提出了一种自适应模糊中值滤波算法。 滤波过程分为噪声检测和噪声去除2个阶段。噪声检测阶段：采用极值法检测噪声,将图像的像素点分为两类,即疑似噪声点和信号点。 通过疑似像素点和与其相邻的已处理的像素点的平均绝对灰度差值定义模糊隶属度函数,利用该函数对疑似噪声点是否为噪声进行模糊分类。 噪声去除阶段：信号点保持原值输出,对于疑似噪声点的3种分类结果,采用模糊加权的中值滤波器进行统一处理。 实验结果表明,较于多种传统滤波方法,该算法能更有效地去除椒盐噪声,保护图像细节。     

一种去除椒盐噪声的自适应模糊中值滤波算法

针对传统中值滤波算法降噪性能不佳以及易造成图像细节模糊的问题,提出了一种自适应模糊中值滤波算法。 滤波过程分为噪声检测和噪声去除2个阶段。噪声检测阶段：采用极值法检测噪声,将图像的像素点分为两类,即疑似噪声点和信号点。 通过疑似像素点和与其相邻的已处理的像素点的平均绝对灰度差值定义模糊隶属度函数,利用该函数对疑似噪声点是否为噪声进行模糊分类。 噪声去除阶段：信号点保持原值输出,对于疑似噪声点的3种分类结果,采用模糊加权的中值滤波器进行统一处理。 实验结果表明,较于多种传统滤波方法,该算法能更有效地去除椒盐噪声,保护图像细节。     

基于小波变换的局部化数字水印算法

为了解决许多水印算法不能抵抗任意剪裁的缺点，提出了局部化数字水印算法．通过二维Mexican Hat小波变换提取图像中的多个特征点，在以特征点为中心的局部化区域中分别进行小波变换，并通过对小波系数进行单系数量化来实现水印信息的嵌入，同时水印的提取不需要原始图像的参与．实验结果表明，在剪裁后待检测图像中至少包含一个嵌入水印区域的前提下，该算法对JPEG、JPEG2000压缩和任意剪裁具有很强的抵抗能力．     

基于视觉掩蔽特性的数字水印技术

提出了一种在DCT域中绘图像加水印的方法，该方法合理综合了几种数字水印技术，利用DCT域的视觉掩蔽特性，在图像的不同部分嵌入不同强度的经过伪随机扩展编码后的水印，且提取水印时无需原因图像，结果表明，在保证水印不可视的前提下，该方法提高了水印的鲁棒性，并对JPEG压缩，中值滤波等攻具有很好的抵抗能力。     

基于混沌细胞自动机的DWT域数字音频水印算法

主要提出了基于混沌细胞自动机的小波域数字音频水印算法.首先由Logistic混沌序列模型产生序列,其次产生的序列通过细胞自动机产生要嵌入的数字水印.同时将原始音频信号通过小波表变换,提取出其低频系数,并将水印信号嵌入其中.实验证明:由混沌细胞自动机产生的数字水印具有很好的掩蔽性和鲁棒性,在各种攻击下(包括白噪声、低通滤波、重量化、有色噪声等)仍然能够很好的检测出来.     

基于混合高斯模型的运动目标检测

针对运动目标检测中的背景复杂度高、视频数据计算量大等问题, 且为避免计算不同复杂程度的视频背景, 并能够准确地获取所需要的运动目标, 提出了一种基于混合高斯模型的运动目标检测方法. 首先采用混合高斯模型获取运动目标特征; 然后利用中值滤波方法去除视频目标运动特征中的背景噪声; 最后依据形态学运算方法对通过统计直方图得到的运动显著图进行处理, 从而获取最终的运动目标. 对标准视频序列集的检测表明, 利用该算法获取的运动目标不仅能抑制背景噪声, 而且精准度和误差都优于普通的视频运动目标检测算法.     

基于Shannon-Cosine小波精细积分法的壁画降噪修复方法

为修复受破损且噪声点众多的壁画图像,提出了用偏微分方程（partial differential equation,PDE）扩散的方法对图像进行降噪修复。针对PDE法求解精度较低的问题,提出了一种Shannon-Cosine小波精细积分法,运用小波数值方法对偏微分方程进行离散处理,降低其方程组规模,并采用精细积分法求解,有效提高了计算速度。试验结果表明,采用该算法对受损壁画降噪处理后,视觉上,图像边界更清晰,且噪声点得到有效减少,达到了保边降噪的效果,更符合人眼的视觉效果;客观上,与中值滤波、均值滤波和维纳滤波方法相比,采用本算法处理后的图像其PSNR值和SSIM值均最大。因此,运用Shannon-Cosine小波精细积分法求解图像的PDE模型是可行的,取得了较好的图像降噪效果。     

基于Shannon-Cosine小波精细积分法的壁画降噪修复方法

为修复受破损且噪声点众多的壁画图像,提出了用偏微分方程（partial differential equation,PDE）扩散的方法对图像进行降噪修复。针对PDE法求解精度较低的问题,提出了一种Shannon-Cosine小波精细积分法,运用小波数值方法对偏微分方程进行离散处理,降低其方程组规模,并采用精细积分法求解,有效提高了计算速度。试验结果表明,采用该算法对受损壁画降噪处理后,视觉上,图像边界更清晰,且噪声点得到有效减少,达到了保边降噪的效果,更符合人眼的视觉效果;客观上,与中值滤波、均值滤波和维纳滤波方法相比,采用本算法处理后的图像其PSNR值和SSIM值均最大。因此,运用Shannon-Cosine小波精细积分法求解图像的PDE模型是可行的,取得了较好的图像降噪效果。     

一种视频图像的自适应水印新算法

随着计算机和网络技术的快速发展，数字水印技术正成为一种数字煤体知识产权保护的有效方法，本文提出一种视频自适应水印新算法，它直接对压缩后的视频数据流进行操作，将水印信息嵌入到运动矢量上，根据待嵌入的水印住处和运动矢量的特征矢量，新算法自动调整嵌入方案，使得嵌入水印后的图像质量损失达到最小，水印的提取算法具有盲检功能，并且新算法与视频标准有很好的兼容性，实验结果表明，算法简单有效。     

基于提升小波的方向扩散算法实现侧扫声纳图像去噪

侧扫声纳作为一种重要的海底探测技术,已得到广泛的使用,但声强数据经过严格的数据处理后,依然存在噪声,影响图像的正确判读.针对侧扫声纳图像中的噪声问题,采用基于偏微分方程的方向扩散、正则化P-M（AOS算法）、基于离散小波的方向扩散、基于提升小波的方向扩散4种方法,与传统的均值滤波、中值滤波、维纳滤波和小波软阈值、硬阈值、贝叶斯估计阈值的方法进行实验对比,发现基于提升小波的方向扩散方法,不仅能有效提高峰值信噪比,而且还能保持较好的平滑指数和边缘保持指数,更适用于侧扫声纳图像的去噪处理.