Data hiding in grayscale images by dynamic programming based on a human visual model

A new method for data hiding in grayscale images based on a human vision model with distortion-minimizing capabilities is proposed. Each of the eight bit planes of an input grayscale image is viewed as a binary image, into which message data are embedded horizontally. Two optimization techniques, namely, block pattern coding and dynamic programming, are proposed for image distortion minimization. Experimental results show good performs of the proposed method.     

基于改进的C-V模型虚拟人脑图像分割模型

C-V模型是一种较为经典的分割模型,但传统的C-V模型仅能够将图像分割成单一的目标部分与背景部分;用于彩色图像分割往往基于目标的强度信息;在曲线演化过程中需要重新初始化水平集函数保持符号距离函数。针对这些问题,使用PCA理论将颜色空间投影到新的空间中,可以扩大两者的颜色距离;使用局部信息可校正颜色强度不均匀;将距离约束项引入到模型中,使模型能够无需重新初始化,提高了演化速度。实验结果表明改进的算法能较精确地得到分割结果。     

基于人类视觉模型的区域生长图像分割

在人类视觉阈值选择模型基础上,结合C均值聚类思想,提出一种基于人类视觉模型的区域生长图像分割算法。根据人类视觉模型选取初始种子,并自适应调整区域生长的相似性准则,既从全局考虑了种子的生长对误差平方和的影响,又从局部考虑了像素的邻域相似度信息,实现了类似于边缘的限制效果。实验表明,即使在复杂背景下,该方法依然能得到接近人眼视觉特性的分割效果,且具有较高的执行效率。     

基于视觉特性的图像稀疏表示

提出利用过完备多分辨率变换并结合视觉特性的图像稀疏表示方法。该算法用双树复数小波模拟视觉皮层简单细胞的感受野,结合相邻细胞间抑制和增强特性,用局部竞争抑制的方法从变换系数中选取少量系数稀疏表示图像。实验结果表明,其重构图像的效果较其他方法有明显的改善。     

Development of a data hiding scheme based on combination theory for lowering the visual noise in binary images

In order to raise the embedding capacity and simultaneously reduce the artifact effect caused by embedding secret messages into binary images, a novel data hiding method based on the combination theory is proposed. In the proposed scheme, a secret position matrix is designed to improve the hiding capacity which is capable of preventing the least distortion based on the combination theory. Our new scheme enables users to conceal more than one bit of secret data by changing at most one pixel in one subimage. We have derived a formula for computing the payload and the possible modification pixels of a block. Compared with the existing schemes in terms of the hiding capacity and the visual artifacts, as our experimental results show, the proposed scheme is capable of providing a better image quality protector even with a more efficient secret data hider.     

一种基于视觉特性的图像哈希认证方案*

为了使图像哈希具有更好的鲁棒性和安全性,在脊波域中提出了一种新的基于视觉特性的图像哈希方法。该方法首先将原始图像预处理,然后利用人类视觉特性提取脊波变换域上的系数,最后量化并压缩生成最终哈希值。实验结果表明,该方法能够抵抗JPEG压缩、滤波、加噪声、裁剪和旋转等攻击,且能够区分恶意窜改。生成的哈希值具有很好的鲁棒性和安全性。     

Encoding and recognition of faces based on the human visual model and DCT

For encoding and recognizing human faces in monochrome images, we propose a new method based on a combination of the discrete cosine transform (DCT), principal component analysis (PCA), and the characteristics of the Human Visual System. The novel aspect of the proposed non-Bayesian, approach is that, in the course of the recognition of face images, we also achieve image compression (in the form of encoding). With the help of examples, we demonstrate the superiority and advantages of the new method in comparison with the results found in the literature.     

结合HVS和相似性度量的图像质量评价测度

图像质量评价是图像处理领域内一项很有意义的研究课题。传统的评价方法(如PSNR和MSE)只是在像素域统计参考图像和失真图像的误差,因而不能有效反映图像的视觉感知质量。针对上述问题,在充分考虑人眼视觉感知特性的基础上,提出一种新颖的图像质量评价算法,通过模拟人类视觉系统,并结合相似性度量方法获得有效的图像质量评价测度。实验结果显示,采用本文方法获得的图像质量评价结果与主观感知具有较好的一致性,能准确地反映人眼对图像质量的视觉感知。     

人眼视觉特性在植物叶片图像提取中的应用

通过叶片图像分析植物生长状况是目前农林领域的热点问题之一。此类图像中,如何去除背景干扰,获得视觉兴趣区域是研究的重点内容。为将外界噪声降到最低,本文采用灯箱设备采集植物叶片图像,考虑到人眼视觉特性,将图像划分成a×b个大小相等的分块,计算出各分块图像的视觉影响权重因子,并据此从原始图像中去除背景区域,划分出人眼视觉感兴趣的区域图像;随着a、b取值的不同以及图像提取的不断深入,可极大限度地去除无关背景区域。较之原始图像,利用该方法得到的区域图像符合人眼视觉特征,在图像质量和尺寸大小方面均有改善;为提取植物叶片视觉兴趣区域提供了一种新思路。     

基于视觉注意的医学图像感兴趣区域提取*

提出一种基于视觉注意机制的医学图像感兴趣区域提取方法。受生物学启发,该方法模仿人类自下而上的视觉选择性注意过程,通过计算图像中每个像素的全局对比度,构造相应的显著图,并根据显著图,检测出图像中的显著区域。利用多幅医学图像对本方法进行评估,结果表明,该方法能够快速、精确地提取图像中的感兴趣区域,在提取结果和运算速度上均取得了令人满意的效果。     

A data embedding scheme for color images based on genetic algorithm and absolute moment block truncation coding

Recently, embedding a large amount of secret data into gray-level and color images with low distortion has become an important research issue in steganography. In this paper, we propose a data embedding scheme by using a well-known genetic algorithm, block truncation code and modification direction techniques to embed secret data into compression codes of color images to expand the variety of cover media. In the scheme, the common bitmap generation procedure of GA-AMBTC has been modified to speed up the hiding procedure. Two embedding strategies are proposed to hide secret data into the common bitmap and the quantization values in each block of the cover image. Experimental results confirm that the proposed scheme can provide high data capacity with acceptable image quality of the stego-images. Moreover, the compression ratio of the scheme is exactly the same as that of GA-AMBTC so that attackers cannot detect any trace of hidden data from the size of the modified compressed result.     

结合引导解码和视觉注意力的图像语义描述模型

针对输入的图像视觉信息不能在每一步解码过程中动态调整,同时为了提高图像语义描述模型的精度和泛化能力,提出了一种结合引导解码和视觉注意力机制的双层长短时记忆（long short term memory,LSTM）网络的图像语义描述模型。将提取到的图像的视觉和目标特征通过一个引导网络建模后送入LSTM网络的每一时刻,实现端到端的训练过程;同时设计了基于图像通道特征的视觉注意力机制,提高了模型对图像细节部分的描述。利用MSCOCO和Flickr30k数据集对模型进行了训练和测试,结果显示模型性能在不同的评价指标上都得到了提升。     

基于CV模型和NSCT的红外与可见光图像融合

针对传统融合方法在光照不足、目标隐藏或目标和背景颜色接近时,容易出现目标信息丢失或减弱的现象,提出一种将基于CV模型的目标提取与NSCT相结合的方法。该方法使用动态轮廓线模型对红外目标进行搜索检测识别,将源图像序列分为目标和背景区域,利用非下采样Contourlet变换对输入图像进行多尺度、多方向稀疏分解,准确捕获图像中的高维奇异信息,并在目标和背景区域里分别采用不同的融合规则,将其与小波融合方法、拉普拉斯融合方法、NSCT方法作对比,并通过熵、平均梯度、空间频率、标准差等参数对融合后的图像进行定量分析。实验结果表明,该方法不但较好地提高了融合图像的目标探测性,而且融合结果中的目标比较清晰,亮度较高,目视效果较好,在主观视觉效果与客观评价指标上均取得了很好的融合效果。     

基于视觉显著熵与Object Bank特征的图像记忆性模型

为了提高图像的记忆性预测能力,提出了一种基于视觉显著熵与改进的Object Bank特征的图像记忆性自动预测方法。该方法改进了传统的Object Bank特征,提取图像的视觉显著熵特征,利用支持向量回归机(SVR)训练得到图像的记忆性预测模型。实验结果表明,在预测准确性方面,所提方法比现有的方法的相关系数高出3个百分点。所提出的模型可以应用于图像的记忆性预测、图像检索排序、广告评价分析等方向。     

融合视觉感知和等周理论的图像阈值分割

提出一种融合视觉感知和等周理论的图像阈值分割方法。此方法先利用人类视觉感知的特性来寻找候选阈值所在的灰度区间,然后将等周理论中的等周率作为准则从候选阈值中挑选出最佳分割阈值。在工业无损检测等一系列图像上的实验结果表明,与现有的几种经典阈值分割方法相比,本文方法的分割效果更好。     

基于GMM和ANN混合模型的语音转换方法

为了克服利用高斯混合模型(GMM)进行语音转换的过程中出现的过平滑现象,考虑到GMM模型参数的均值能够表征转换特征的频谱包络形状,本文提出一种基于GMM与ANN混合模型的语音转换,利用ANN对GMM模型参数的均值进行转换;为了获取连续的转换频谱,采用静态和动态频谱特征相结合来逼近转换频谱序列;鉴于基频对语音转换的重要性,在频谱转换的基础上,对基频也进行了分析和转换。最后,通过主观和客观实验对提出的混合模型的语音转换方法的性能进行测试,实验结果表明,与传统的基于GMM模型的语音转换方法相比,本文提出的方法能够获得更好的转换语音。     

基于核和信息域的区间灰数Verhulst 模型

针对传统Verhulst模型的建模对象仅局限于实数序列这一缺陷,对Verhulst模型进行了拓展.首先,对“灰度不减”公理进行延伸,得到了“信息域不减”的推论;然后,构建核序列的Verhulst模型,并以信息域不减推论为依据、以核为中心推导区间灰数上(下)界的时间响应式;最后,通过实例演示了模型的计算步骤.所进行的研究对于丰富和完善灰色预测模型理论体系、拓展灰色预测模型的应用范围具有积极意义.     

基于视觉注意力模型的红外人体图像兴趣区域提取*

由于红外人体图像所处背景的复杂性,使用阈值分割定位红外人体图像往往把大量的非人体图像一起分离出来,这给后续工作带来了巨大的计算量.研究了红外人体图像的典型特点和人眼视觉判断人体轮廓图像的敏感特征,使用该特征建立了简单的人眼视觉对人体的注意力模型,并构建特征判别概率函数,对待定目标进行概率的估算,最终使用该模型快速地剔除非人体红外图像的干扰,并准确地定位人体兴趣区域.     

基于核和面积的离散灰数预测模型

灰色预测模型的既有研究成果均以实数或区间灰数为建模前提,缺乏对以离散灰数为建模对象的灰色预测模型进行有效研究．对此,分别建立了离散灰数序列核及灰单元格面积的预测模型,并在此基础上推导了基于离散灰数序列的灰色预测模型;应用分析验证了该模型的有效性及实用性．离散灰数预测模型对丰富与完善灰色预测模型的理论体系、拓展灰色预测模型的应用范围具有积极的意义．     

基于IHS和小波变换的可见光与红外图像融合

针对红外与可见光图像所表现的目标特征不同,提出了一种基于IHS和小波变换的图像融合方法.首先对可见光图像进行IHS 变换得到亮度I、色度H、饱和度S 3个分量,再对红外图像进行灰度变换;然后对亮度分量和已变换红外图像进行小波分解,对低频分量和高频分量分别采用不同的融合规则;最后进行IHS逆变换得到融合图像.实验结果表明,该方法在红外与可见光图像融合处理中取得了很好的融合效果,优于传统的 IHS变换法和小波变换方法.该方法保留了可见光图像高的空间分辨率和丰富的纹理细节信息,同时融合了在可见光图像中看不到而在红外图像里可以观察到的热目标.