基于边缘特征和像素结构相似度的图像修复算法

针对Criminisi算法的块匹配准则仅采取单一颜色判断因子导致无法合理选择最佳样本块,且其在修复过程中使用单一修复模板易出现填充裂纹和错误像素的问题,提出基于边缘特征和像素结构相似度的图像修复算法.首先提出一种局部特征与边缘纹理分辨相结合的分段修复算法以增强边缘纹理分辨能力;其次采用样本相似度和信息熵相似度确定最佳样本块集合,并依据颜色和特征项的欧氏几何距离及结构相似性确立块匹配准则;再通过基于信息熵的自适应修复模板解决Criminisi算法的填充裂纹和错误像素问题;最后引入果蝇优化算法以减少图像修复时间.实验结果证明,对于不同的图像,文中算法能取得较为满意的修复效果和修复效率.     

基于像素中位扩散的大面积损坏图像修复机制

针对当前的图像修复算法在修复高对比度边缘和高频分量的大面积损坏图像时,存在明显的模糊效应与块效应等不足,提出基于像素中位扩散的大面积损坏图像修复机制。引入各向异性扩散模型,消除噪声对损坏图像修复边界等照度线的干扰;构造像素梯度模的斜率限制准则,以提高机制稳定性;嵌入加权因子,基于局部最大似然估计机制,设计基于像素中位扩散的图像修复模型,完成图像修复。最后借助仿真平台,测试了该机制性能。结果显示:与其他图像修复算法相比,在大面积损坏图像与高对比度边缘图像修复中,该机制具有更好的修复效果和更高的相似度,有效降低了模糊效应与块效应。     

基于改进PVO自适应嵌入的加密域图像可逆信息隐藏方法

针对加密图像像素间相关性小,嵌入数据困难等问题,提出了一种基于改进PVO自适应嵌入的加密域图像可逆信息隐藏方法.首先将加密图像进行分块处理,所有图像块依据块复杂度自适应地分为多个等级,图像块所在等级越高,所能嵌入数据的容量越大;并对块内像素根据灰度值大小进行升序排列,然后根据排序结果和图像块所在等级确定中间若干位置像素值作为目标像素,目标像素预测分块内其他像素;最后,预测结果根据相关性强度自适应地嵌入秘密信息.实验结果证明此方法具有较好的嵌入质量和嵌入容量.     

基于离散余弦变换的图像加密效果评估方法

不动点比,图像相似度等是传统的图像加密效果评估方法,传统方法具有局限性和不准确性。文中提出一种基于离散余弦变换的图像加密效果评估方法,利用离散余弦变换(DCT)把图像从时域变换到频域,同时分析图像的能量分布状况,以此评估图像的加密效果;计算明文图像和密文图像的频谱系数差值,用该差值构造差值系数矩阵,最后计算图像信息熵,通过熵值大小判断图像加密效果,得到新的图像加密效果评估方法。通过不同图像加密方法对同一图像进行加密,用新方法进行加密评估;对同一图像分别采用新的加密评估方法与传统方法进行评估,比较评估结果准确性等实验,验证了新方法的有效性。提出的加密评估方法改善了传统加密评估方法的局限性,提高了评估准确性,评估结果也与人眼观察效果基本一致。     

基于超像素分割的非局部均值去噪方法

针对非局部均值(NLM)去噪算法在变化丰富的纹理区域采用平移窗口的方法选择相似块的不足进行了研究,提出一种基于超像素分割的非局部均值去噪算法。该方法充分考虑非局部均值去噪算法中相似性对噪声去除的影响,利用经过超像素分割处理得到的图像块内部相邻像素间以及纹理边缘都具有一定相似性的特点,在超像素分割块基础上优化纹理区域相似窗口的选择策略,提高图像块与中心像素块之间的相似性,从而达到提升非局部均值算法的去噪水平、边缘纹理不被模糊的目的。在多幅经典自然图像上的实验结果表明,该方法能够有效的去除图像中包含的噪声信息,相比于传统的非局部均值方法,保留了更多的纹理信息。     

基于边缘约束局部区域MRF的图像分割方法

针对常规马尔科夫随机场（MRF）模型对复杂自然图像分割时,存在对噪声敏感且边缘模糊的问题,构建一种基于边缘约束局部区域MRF（ECLRMRF）的图像分割模型。利用欧氏距离度量局部区域内邻接像素的相似度,依据其相似度构建局部空间来约束高斯混合模型,有效描述丰富的局部区域统计特征,并建立MRF模型的局部区域一致性约束项。利用Canny边缘检测算子提取图像的边缘特征,并在分割过程中建立图像分割区域的边缘约束,通过在MRF模型框架下将局部区域统计特征和图像边缘特征相融合,解决局部区域MRF模型对图像分割边缘模糊的问题,再采用Gibbs采样算法实现对复杂自然图像的准确分割。实验结果表明,该模型能够更好地保留图像边缘信息,并且具有更好的分割效果。     

基于感兴趣区域的边缘结构相似度图像质量评估

目前常用的评估算法忽视了图像中携带重要信息的边缘特征。基于感兴趣区域的双尺度边缘结构相似度算法虽然考虑了边缘信息的重要性,但对边缘信息的识别效果不理想。针对以上问题,提出边缘结构相似度图像质量评估算法,将图像分为感兴趣区域与不感兴趣区域,分别用边缘结构相似度算法和结构相似度算法对2种区域进行质量评估,并实现加权组合。实验结果表明,该算法对边缘信息的识别能力更强,对图像质量的变化更加敏感。     

基于超像素/像素协同约束和稀疏分解的活动轮廓模型

针对水平集图像分割模型的分割结果不够准确且对初始轮廓位置和噪声敏感问题,提出了超像素/像素协同约束和稀疏分解的活动轮廓模型。首先引入超像素提取图像块信息构造符号压力函数防止轮廓在演化过程中陷入局部最优;其次,构建了基于超像素/像素协同约束的能量泛函以弥补超像素无法保留局部细节的缺陷;同时,为了解决基于非全局信息的活动轮廓模型演化速度慢的问题,提出模型利用超像素块加速轮廓演化;最后引入了稀疏分解对模型进行优化以减弱局部噪声对分割精度的影响。与多种水平集分割模型的实验结果对比,证明了提出方法的有效性,尤其与原始的二值选择和高斯滤波正则化水平集模型相比,提出方法对噪声和初始轮廓位置不敏感,平均Jaccard相似度系数提升了34%。     

基于分类子块的图像检索

图像等分成M×N块后,将子块分成背景子块、目标子块和边缘子块三类,并从中提取颜色、空间特征和边缘特征,求图像间相似度时只在同类子块之间进行匹配.这样既减少了匹配运算量,又可避免不同类子块匹配所产生的干扰.实验结果表明,该方法不仅求图像间相似度的运算量小,而且对图像的旋转和平移变化不敏感,具有较好的检索性能.     

基于字典学习的非局部均值去噪算法

针对非局部均值中相似度的衡量问题,提出了一种基于字典学习的度量算法。首先利用局部像素群块匹配方法消除不相似的图像块带来的干扰,然后对含有噪声的相似块采用字典学习的方法降噪。与经典的字典学习不同的是,对相似块采用联合稀疏编码的思想,利用主成分分析法学习一个高效紧字典,保留相似块间的相关性信息。采用降噪后的图像块间的欧氏距离计算像素间的相似度,能更好地反映相似块的相似性。实验结果表明,所提出的方法在峰值信噪比和视觉效果方面都优于传统算法,尤其对含有较多细节且结构相似性强的图像,细节和纹理部分的保持效果更好,算法的鲁棒性也优于传统算法.     

基于NCT的特征级图像融合

为得到更好的融合效果,将特征级融合与像素级融合相结合,利用Contourlet变换(CT)对源图像进行分解,对于近似图像,利用Canny算子进行边缘检测以得到边缘特征图像,再以边缘特征图像作为交叉视觉皮质模型的输入,根据各神经元的点火次数进行融合;对于细节图像,根据区域能量系数矩阵进行融合.通过多聚焦闹钟图像和CT、M...     

两个新的数字图像加密效果评价准则

图像信息熵和灰度变化平均值是两个常用的图像加密效果评价准则。分析指出,图像信息熵和灰度变化平均值受图像尺寸大小的影响较大,为此提出了两个新的图像加密效果评价准则:直方图均衡度和游程统计量。直方图均衡度可用于基于像素灰度值变换的加密过程的评价,游程统计量可用于图像坐标置换的加密过程的评价。新方法表达简单,计算便捷,其显著优点是与图像大小无关,不需要借助原图像。     

基于边缘自相似特征的遥感图像边缘检测算法

据分形理论可知，物体或物体各组成部分的边缘应具有自似性，图像边缘上的像素应具有较大的灰度化值和自相似系数。本基于这种思想，提出了一种结合边缘自相似特征和图像灰度梯度变化进行边缘检测的新算法，并利用该算法对试验图像进行了边缘检测试验。试验结果表明，该算法有效地提取图像边缘，且对含有噪声的遥感图像仍能提取较为丰富的边缘细节，具有一定的抗噪声性能。这对于含有噪声的遥感图像边缘所取与检测，尤其是雷达遥感图像，具有一定的实用价值。     

基于混沌映射和二次剩余密码的彩色图像加密方法

针对彩色图像的有效加密问题,提出了一种基于Logistic 混沌映射和二次剩余密码体制的彩色图像加密方法。首先,使用了一组对称的128比特的密钥,并以此计算Logistic 混沌映射的初始条件和控制参数。然后,通过具有不同参数的两级Logistic 混沌序列对图像像素进行两级置乱。最后,通过二次剩余密码体制对置乱图像中像素值进行改变,实现图像像素的扩散。仿真结果表明,该方法在密钥敏感性、相邻像素相关性、明文敏感性和信息熵等方面具有优越的性能,且加密速度较快。     

基于彩色边缘网格直方图的图像检索方法

边缘是图像局部变化最显著的部分,也是人类理解图像内容的重要线索.本文提出了一种基于彩色边缘特征的图像检索方法,该方法首先利用Canny检测算子提取出原始图像的彩色边缘信息,然后将彩色边缘划分成圆环区域和角形区域,并分别计算出圆环区域和角形区域的颜色直方图;最后综合利用上述圆环区域和角形区域的颜色直方图计算图像间内容的相似度,并进行彩色图像检索.仿真实验表明,该方法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.     

Image segmentation by unifying region and boundary information

A two-stage method of image segmentation based on gray level cooccurrence matrices is described. An analysis of the distributions within a cooccurrence matrix defines an initial pixel classification into both region and interior or boundary designations. Local consistency of pixel classification is then implemented by minimizing the entropy of local information, where region information is expressed via conditional probabilities estimated from the cooccurrence matrices, and boundary information via conditional probabilities which are determined a priori. The method robustly segments an image into homogeneous areas and generates an edge map. The technique extends easily to general edge operators. An example is given for the Canny operator. Applications to synthetic and forward-looking infrared (FLIR) images are given     

A high capacity multi-image steganography technique based on golden ratio and non-subsampled contourlet transform

Hiding sensitive information in a host image (or 2D signal) is a challenging task. Several image steganography techniques have been proposed in recent years, which either have low embedding capacity, or the embedded images are vulnerable. The proposed technique, which is based on Golden Ratio and Non-Subsampled Contourlet Transform (GRNSCT) model provides both high embedding capacity as well as the confidentiality of the embedded images. The high embedding capacity is achieved via a combination of mosaic process and two level NSCT (Non-Subsampled Contourlet Transform), while confidentiality is attained via double layer encryption based on shuffling method of a deck of cards. Several types of security evaluation metrics, such as, key sensitivity, histogram, and information entropy, are utilized to assess the robustness of the embedded images. The experimental results demonstrate that the proposed multi-image steganography technique achieves 24 bpp (bits per pixel) embedding capacity, or 300% payload with PSNR up to 42.38 dB (decibels), which is better than the existing techniques.

     

一类广义混沌映射和矩阵非线性变换的图像混合加密

目的 为完善图像加密的理论及算法体系,并为图像加密实践提供性质优良的可行方案。基于Henon映射,构造了一类广义混沌映射：H-S（Henon Sine）映射,并以H-S混沌映射、矩阵非线性变换、矩阵点运算和取整运算为工具,运用序列重排和灰度变换技术设计了一种图像混合加密算法。方法 首先,将第1混沌密钥矩阵与像素矩阵进行非线性变换,通过对变换结果的随机排序,给出原始图像的置乱加密方法;其次,在置乱图像和第2混沌密钥矩阵之间实施与第1阶段参数不同的变换并应用取整运算实现灰度加密。再次,通过逆运算和逆变换实现图像解密。结果 由于混沌密钥、非线性运算和随机因素的联合作用,加密算法具有1次1密的特征,因而具有完备的抗攻击性能;同时算法结构简单、计算复杂度低而便于程序实现;算法规避了常用混沌加密对映射的可逆性要求,对任意大小的矩形图像都有效,具有广泛的适用性。结论 加解密仿真实验验证了算法的可行性和有效性,针对加密时间、图像灰度曲面、图像信息熵、加解密图像的相关性和相似性、密钥敏感性、差分攻击等展开全面的加密性能分析,佐证了加密方案的安全性和鲁棒性。同其他类型的置乱加密算法的比对佐证了算法的优越性。本文算法为任意大小的矩形灰度图像加密提供了参考方案,此方案经过适当调整即可应用于矩形彩色图像加密。     

A novel adaptive image zooming scheme via weighted least-squares estimation

A critical issue in image interpolation is preserving edge detail and texture information in images when zooming. In this paper, we propose a novel adaptive image zooming algorithm using weighted least-square estimation that can achieve arbitrary integer-ratio zoom (WLS-AIZ) For a given zooming ratio n, every pixel in a low-resolution (LR) image is associated with an n × n block of high-resolution (HR) pixels in the HR image. In WLS-AIZ, the LR image is interpolated using the bilinear method in advance. Model parameters of every n × n block are worked out throughweighted least-square estimation. Subsequently, each pixel in the n × n block is substituted by a combination of its eight neighboring HR pixels using estimated parameters. Finally, a refinement strategy is adopted to obtain the ultimate HR pixel values. The proposed algorithm has significant adaptability to local image structure. Extensive experiments comparingWLS-AIZ with other state of the art image zooming methods demonstrate the superiority of WLS-AIZ. In terms of peak signal to noise ratio (PSNR), structural similarity index (SSIM) and feature similarity index (FSIM), WLS-AIZ produces better results than all other image integer-ratio zoom algorithms.