降低特征类内离散度的JPEG图像隐写分析

图像内容特征差异使得载体、载密图像的隐写检测特征混淆在一起而难以区分,这导致图像隐写分析成了一个"类内分散、类间聚合"的分类问题.针对此问题,从降低因图像内容、处理手段等造成的隐写检测特征类内离散度的角度出发,提出了一种更加可靠的隐写检测模型.依据内容复杂度将待检测图像分类,分别提取具有相同内容复杂度的每一类图像的隐写检测特征和训练分类器,得到最终检测结果.数据分析和实验结果表明:基于图像分类的隐写分析方法能够有效提高检测性能.     

应用空域局部高斯混合模型的LSB匹配隐写分析

考虑到图像是一个局部平稳信源,提出一种局部内容自适应的LSB(least significant bit)匹配隐写分析方法. 该方法将LSB匹配隐写建模为加性高斯噪声,将图像空域细节分量建模为高斯混合模型. 在局部区域内用期望最大化算法估计模型参数,取最小方差值为局部隐写噪声方差的估计. 然后提取局部方差直方图的加权和特征,以反映图像不同复杂度区域隐写前后的变化. 将原始特征和校准特征相结合,作为分类特征. 对未压缩图像库的实验表明,该方法较现有方法具有更好的检测性能,在嵌入率低至25%时仍有较可靠的检测性能.     

一种基于Contourlet变换的多聚焦图像融合方法

提出了一种基于Contourlet变换的多聚焦图像融合方法.首先采用Contourlet变换对不同聚焦的图像进行分解,然后在不同的子带中进行图像融合.低频子带采用基于区域能量改进的融合算法;高频子带采用基于D-S证据理论的融合算法.实验结果表明,该算法能够有效地融合源图像信息,保持源图像特征.     

基于二次模糊相关性的单通道置换图像盲分离

关键词：中图分类号：文章编号：针对模糊处理后的置换图像,提出一种基于二次模糊相关性的单通道盲分离方法. 该方法通过对置换图像进行二次模糊,估计二次模糊前后对应子块的相关系数来构造一个映射空间,利用映射空间内参数的不同分类完成置换混合矩阵的估计,从而实现置换源图像子块的分离. 实验表明,该方法对经历不同模糊处理的置换图像均能达到较高的检测正确率,同时,算法对高斯噪声和有损JPEG压缩都具有较好的鲁棒性.     

一种基于图像内容的隐写分析方法

数字图像已成为信息隐藏的一类重要载体,然而不同内容的图像对隐写分析呈现出不同的检测性能. 该文基于图像信源区域平稳马尔可夫特性,用方差度量图像的区域复杂度,运用四叉树分割方法对图像进行递归分解,提取对数字隐写较为敏感的平坦区域,并从这些区域提取游程长度直方图统计矩特征,最后结合支持向量机实现隐藏信息检测. 实验结果表明,依据图像内容分割出敏感区域进行隐写分析可有效改善检测性能.     

基于图像分类的鲁棒无载体信息隐藏

针对传统信息隐藏方法须通过修改载体以嵌入秘密信息所带来的安全性问题,提出一种基于图像分类与尺度不变特征转换(scale-invariant feature transform,SIFT)提取无载体信息隐藏的方法。首先通过快速区域卷积神经网络将原始图像库进行分类处理,生成不同种类的子图像库;然后利用图像SIFT特征点的方向信息设计一个感知鲁棒的哈希方案,并使用该方案计算出每个子图像库中图像的哈希值,将所有子图像库中的图像全部映射成相应的二进制哈希值;最后将秘密信息分割成若干个片段,通过对比秘密信息片段与所有的图像二进制哈希值,从子图像库中检索出与秘密信息片段相符的图像,将其作为含密图像传送给接收方,完成信息隐藏过程。接收方接收到全部含密图像后,根据约定的哈希方案提取秘密信息。实验结果和分析表明,该方法对JPEG压缩、高斯噪声、椒盐噪声、图像缩放等攻击具有较强的鲁棒性,且隐藏容量较高。     

小波变换在彩色图像检索中的应用

传统的直方图检索技术计算量大,检索时间长,而小波变换在图像检索率并不能满足真颜色图像的直观效果的要求,因此,提出逐步缩小检索范围的方法,结合颜色特征和纹理特征,先截取图像中心位置的矩形区域,利用各个等级颜色的使用率,把图像进行分类,找到与查询图像最接近的子图像库,然后在子库中的各个图像进行小波变换,提取特征,进行检索,实验表明,该方法能有效缩短检索时间,提高了检索率。     

Curvelet变换用于人脸特征提取与识别

针对小波变换用于人脸识别时难以充分描述人脸曲线特征的问题,提出用Curvelet变换进行人脸特征提取与识别的新方法. 将人脸图像进行Curvelet变换,提取进一步压缩的低频系数和高频各子带的Curvelet能量特征为人脸特征向量,并采用支持向量机进行特征分类与识别. 以Orl和Yale人脸库进行测试,结果表明,该方法相比小波变换法识别效果更佳,且对光照、姿态和表情变化具有良好的鲁棒性.     

一种优化的高光谱图像特征提取方法

众所周知,特征提取方法在降低计算复杂度和增加高光谱图像分类精确度方面十分有效,针对此,提出了一种优化的图像融合和迭代率波的特征提取方法。首先,将高光谱图像分割成多个相邻波段的子集;然后,通过均值法把每个子集中的各个波段融合在一起;最后,对融合后的波段进行递归滤波处理,获得分类的特征信息。结果表明,该方法展示出较高的分类精确度。     

曲波变换域侧扫声纳图像海底底质分类

通过快速曲波变换将海底声纳图像分解为低频子带和各方向子带. 用低频子带的标准差描述声图的整体不均匀度,各方向子带的纹理能量测度描述声图纹理的方向性和粗糙性. 将构成的特征向量按SVM分类算法用于对侧扫声纳海底图像进行底质分类. 对沙、泥、石3 种类型海底的侧扫声纳图像进行分类实验,并与空域、小波域的分类方法相比较,表明文中方法能较好地用于海底底质分类.     

基本图像特征用于文本图像文种识别

为了解决现有方法在运算速度和识别效果上的矛盾,该文将基本图像特征用于文本图像文种识别. 按照纹理分析结构方法的观点,将纹理基元划分为7 种类型,提取描述文本图像纹理基元构成以及其空间位置关系的特征,采用支持向量机对所提特征进行训练和分类,实现文字种类识别. 实验选用有质量退化的中、英、俄、日、韩、阿拉伯等10 种不同语言文字的文本图像,结果表明该算法运算速度快,有较高的识别准确率,并对图像质量退化有较好的鲁棒性.     

基于多码本矢量量化的图像篡改恢复

提出一种用于数字图像篡改检测与内容恢复的自嵌入脆弱图像水印算法.对原始图像每个不重叠分块进行基于边缘复杂度的内容分析,选择不同大小的矢量量化码本进行分块压缩,可获得相应的标识符和表示图像分块主要内容的索引值以构成压缩码.将其复制多份后作为参考比特,通过密钥嵌入至其他多个分块中.用于篡改定位的认证比特则被嵌入每个分块本身.由于在多码本矢量量化协同下生成的参考比特具有较高的内容表示效率,该算法在篡改率相同的条件下可取得更理想的内容恢复性能,这一结论得到了实验结果的验证.     

自动图像拼接中的一种特征提取和匹配方法

在比较目前特征提取和匹配的几种方法比较的基础上,提出了一种基于改进特征提取和匹配的拼接方法,使得图像拼接的质量和速度得到提高。该算法首先利用改进的尺度不变特征变换（scale invariant feature transform,SIFT）特征提取方法获得图像特征点,其次利用近似最近邻匹配进行特征匹配并引入随机抽样一致性（random sample consensus,RANSAC）算法去除误匹配对,最后根据匹配的特征点对得到图像间的变换参数进行拼接和融合。该算法具有很强的鲁棒性,允许图像有缩放变换、旋转变换,不受图像噪声、色差的影响。经实验证明,该方法可实现高质量快速的拼接系统。     

LLE方法在图像检索中的应用

在基于内容的图像检索中,图像特征的维数往往随着图像特征描述的详尽而剧烈的增加,在建立图像库时高维特征的存储空间度以及度量图像之间相似性的运算复杂度都将非常高.采取一个颜色均匀性谓词对图像进行多层分解来提取图像的颜色特征,在此基础上与LLE算法相结合对图像的高维特征进行降维.实验表明,该相关算法具有较好的性能.     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络（convolutional neural network,CNN）算法的时空权重姿态运动特征提取算法。针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果。与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升。     

矢量图像去噪的格子波尔兹曼方法

摘要： 针对矢量图像数据量大,基于传统非线性扩散模型的算法效率低和难以实现并行化的缺点,该文通过在格子波尔兹曼模型的松弛因子中嵌入矢量图像的边缘特征,并定义新的平衡态分布函数,实现矢量图像的非线性扩散去噪. 此方法在保证稳定性的情况下,能实现大步长迭代计算以提高计算效率. 随后,通过二维扩散问题的数值仿真,定量评价了平衡态分布函数对计算精度和效率的影响. 为验证此种方法,对分别受到加性高斯白噪声和脉冲噪声的彩色图像进行了去噪实验,结果显示在图像处理质量和计算效率方面,该文方法都优于加性算子分裂算法.     

一种边缘增强的光谱响应曲线分形维计算方法

提出了一种用于高光谱影像边缘增强的光谱响应曲线差分步长分形维特征值计算方法. 该方法首先对高光谱响应曲线进行差分处理,并利用步长分形维算法计算差分光谱曲线分形维值,最后根据差分分形维值计算高光谱特征影像. 实验结果表明,本文提出的差分步长分形维算法较原始步长法更能保持光谱影像细节并增强边缘,同时减弱噪声影响,可用于高光谱影像特征提取、分析和解译.