基于经验模态分解的灰度水印算法

为提高数字图像面对攻击时的鲁棒性,本文提出了一种基于二维经验模态分解(BEMD)的灰度水印鲁棒算法.首先在水印嵌入前对其进行Arnold变换,在没有密钥时无法获取正确的信息,提高了水印的安全性.其次在水印嵌入过程中,由于BEMD分解有效将宿主图像划分为不同频次的内蕴模态函数,通过不可见实验测试我们选择将水印信息嵌入到人...     

基于二值运算的数字图像水印嵌入与检测算法

研究了在数字图像中实现水印的方法。提出了一种在小波变换域内基于二值运算的数字图像水印嵌入与检测算法，且水印的检测不需要原始图像，使用该算法嵌入的数字水印具有很好的隐蔽性，感觉不到对原始图像的影响，同时，嵌入的数字水印具有很理想的鲁棒性。常规的图像处理方法对其影响甚弱。     

基于基图像提取的二维经验模式分解方法

在图像处理中,传统经验模式分解（ BEMD）方法存在图像边缘处的跳跃特性而造成的原图像细节丢失,以及分解图像中存在的严重“灰度斑”现象和原图像边缘信息无法保留在分量中等问题。提出一种先利用加权最小二乘估计提取基图像后进行BEMD分解的方法用来克服上述问题。实验证明,这种方法可以很好地保留细节和边缘信息,并极大减弱了“灰度斑”现象。     

基于二维经验模式分解的图像去噪

通过二维经验模式分解(BEMD),可将被噪声污染的图像分解为一系列细节信息和趋势信息.由图像的趋势信息重建图像,可达到去除图像噪声的目的.实验结果表明该方法对去除高斯白噪声、乘性噪声具有较好的效果,峰值信噪比(PSNR)得到明显提高.     

基于混沌和奇异值分解的双层水印方法

文章运用混沌和奇异值分解理论,提出了基于二维混沌矩阵图像置乱方法,设计并实现了基于奇异值分解的双层水印算法,并对算法进行了实验与分析。实验结果与分析表明,该方法鲁棒性强、安全性好、易于实现,可应用于不同密级信息同时传播,具有一定的实用价值。     

基于奇异值分解的小波域图像水印算法

研究优化图像水印问题,传统的基于奇异值分解(SVD)的图像水印算法中,由于水印信息均分布于整个图像,当含水印图像遭到攻击后,提取的水印图像有明显失真,容易出现黑色细线.为消除失真,改善水印提取效果,提出了一种奇异值分解的小波域图像水印算法.首先,在构造二值水印图像时,将文字信息分布于图像左下角和右上角,由于在对角线上并未分布信息,提取出水印图像直接将对角线的黑色细线通过像素灰度值调整为同底色相同的白色即可消除失真.水印嵌入过程中运用矩阵相乘将传统SVD算法中需保留的参数矩阵由3个减少为1个,简化了算法.实验结果表明,改进的算法既保持了鲁棒性和不可见性,同时也消除了失真,获得了很好的图像水印提取效果,可用于版权保护.     

基于二维混合变换(DCT-DWT)的图像水印算法

本文首先分析现有的离散余弦变换(DCT)和小波变换(DWT)结合的数字图像水印算法;然后,给出二维混合变换(DCT-DWT)的定义,性质,算法;最后提出基于DWT-DCT混合变换的嵌入和检测水印的算法。试验结果:该算法有很好的鲁棒性。     

基于二维经验模式分解的医学图像融合方法

基于多尺度多分辨率的图像融合是医学图像融合的重要方法,二维经验模式分解（BEMD）方法是一种新的多尺度多分辨率图像分解方法. 本文提出了一种基于BEMD的医学图像融合方法. 首先将待融合的两幅图像进行BEMD分解,获得多个BIMF分量和一个剩余分量;然后针对BIMF分量和剩余分量采用不同的融合规则进行图像融合;最后对融合后的各分量进行BEMD逆变换,得到最终的融合结果. 实验结果表明,本文方法可得到较好的融合效果,融合图像清晰,含有的更多信息.     

结合BEMD与Hilbert曲线的重复嵌入图像水印算法

为解决数字图像水印算法中水印图像与宿主图像在嵌入时尺寸匹配上的局限问题,并提高图像水印算法在抗大尺度剪切、高斯噪声和椒盐噪声等攻击的鲁棒性,提出一种结合二维经验模态分解算法(BEMD)与Hilbert曲线的重复嵌入图像水印算法.首先,利用Arnold变换对水印图像进行置乱处理,以增加水印图像的安全性;其次,利用Hilbert曲线将置乱后的二维水印图像进行数据降维,得到一维水印信号.数据降维不仅有效地解决了嵌入时水印图像与宿主图像在尺寸匹配上的局限,同时也进一步置乱了水印图像,加强了水印图像的安全性.对宿主图像进行BEMD分解得到不同尺度下的内蕴模态函数和余量信息,并检测第1个内蕴模态函数对应图像的极值点作为水印嵌入位置.最后,依据人类视觉系统的纹理掩蔽特性,将一维水印信号按照从左至右、自上而下的顺序依次、重复嵌入到第1个内蕴模态函数对应图像的极值点中,并结合剩余内蕴模态函数及余量信息重建得到嵌入水印后的图像.水印图像的提取为该嵌入过程的逆过程.通过对多组图像进行水印嵌入,得到嵌入水印后图像的峰值信噪比均在40 dB以上;对嵌入水印后图像进行高斯噪声、椒盐噪声、大尺度剪切等攻击实验,得到提取水印图像与原始水印图像的归一化相关系数均在0.96以上.实验结果表明,嵌入水印图像具有良好的不可见性,并对高斯噪声、椒盐噪声,特别是对大尺度剪切具有较强的鲁棒性.     

基于奇异值分解的自嵌入图像认证水印算法

提出了一种新颖的用于图像认证的自嵌入水印算法,在图像奇异值分解(SVD)域的U分量中提取图像特征信息生成水印,水印嵌入在SVD域的D分量中,水印的生成和嵌入都在图像本身中进行,图像认证时不需要原始图像和任何有关水印的附加信息,从而提高了水印的安全性和保密性。实验结果表明,该算法能很好地将对图像内容的恶意篡改和常规的图像处理区分开,并给出内容篡改的位置。     

基于BEMD的Canny算子边缘检测算法

提出一种基于二维经验模态分解（BEMD）的Canny算子边缘检测算法,通过BEMD将图像分解成多层本征模函数,利用Canny算子对各分量进行边缘检测,并有选择地逐层重构出图像边缘,在灰度图像集中进行测试。实验结果表明,与传统算法相比,该算法能够获得较好的检测性能。     

一种BEMD第一余量图像压缩的方法

提出一种针对二维经验模态分解第一余量图像的压缩方法。解释了第一模态、第一余量和第一均值等概念,将可以利用网格特征点表示的各个均值曲面分别进行压缩。根据第一余量曲面和其各个均值曲面的加和关系,将各个均值曲面分别重建后再相加得到第一余量曲面(图像)高质量的还原结果。实验结果表明,该方法在图像低频信息压缩方面与传统的压缩方法相比具有明显优势。     

改进的BEMD在纹理图像检索中的应用

二维经验模式分解（BEMD）方法把图像分解成一组称为固有模式函数（IMF）和残差,广泛应用在纹理图像的检索中。对BEMD检索纹理图像进行改进,使用快速自适应二维经验模式分解（FABEMD）对纹理图像进行分解,创新性地利用广义伽马分布密度函数来对FABEMD分解出来的IMF系数进行建模,并利用Kullback-Leibler距离来计算两张纹理图像的相似性。实验结果表明,算法快速有效。     

基于FABEMD的变化光照下人脸识别方法

在光照变化的环境下,人脸识别因受到光照强度和方向的非线性干扰而变得困难重重。在人脸局部区域,光照的变化比较缓慢,而皮肤对光照的反射率特征变化比较快,可以认为光照变化是低频信号,而人脸本质特征是高频信号。FABEMD是一种快速自适应的BEMD（Bidimensional Empirical Mode Decomposition,二维经验模式分解）方法,它能够将图像分解为不同尺度的高频图像和低频图像,高频图像代表了人脸皮肤细节纹理特征,而低频图像则代表了轮廓特征。但是并不能定量判别什么样的高频信号以及多少高频信号能够用来消除光照影响,所以提出了两种衡量高频细节信息量的方法,将这些信息量的相对值来推算融合不同尺度的高频信号权重系数。基于Yale B人脸数据库的实验数据证明了所提方法能够取得很好的识别效果。     

基于人眼视觉特性的云雾图像增强方法

针对云雾图像对比度低、照度低、色彩失真、边缘模糊的问题,提出一种基于人眼视觉特性的云雾图像增强方法。采用二维经验模式分解方法,得到多个不同尺度的内蕴模式函数图像和一个趋势图像,根据视觉适应模型对分解所得的内蕴模式函数图像和趋势图像进行调整,将人眼视觉特性融入其中。实验结果表明,增强后的图像照度、对比度适中,更适合人眼观察。     

基于经验模态分解的WVD交叉项抑制法

针对Wigner-Ville分布(WVD)存在交叉项的问题,提出一种基于经验模态分解(EMD)的WVD交叉项抑制方法,将EMD得到的各固有模态函数去伪后进行WVD计算,将WVD分析结果线性叠加后重构出原始信号的WVD时频分布。仿真结果表明,该方法能有效抑制时频分布的交叉项,保证WVD的时频聚集性,分析信号的调幅调频现象。     

基于二维经验模态分解的医学图像融合算法

提出了一种自适应的二维经验模态分解(bidimensional empirical mode decomposition,简称BEMD)医学图像融合算法.待融合的医学图像经过BEMD分解成二维的内蕴模函数(bidimensional intrinsic mode function,简称BIMF)和趋势图像.BIMF图像经过Hilbert-Huang变换提取图像特征,然后,图像分解的各部分数据在区域融合规则下形成综合BEMD表示.最后,综合BEMD表示进行BEMD逆变换得到融合后的医学图像.BEMD分解方法是一种完全自适应的数据分解表达形式,具有比Fourier变化和小波分解更好的特性.该医学图像融合算法不需要预先定义滤波器或小波函数.实验结果表明,该算法与传统融合算法相比性能优越,能够大幅度提高融合图像的质量.     

自适应块分割的快速BEMD算法研究

基于径向基函数的分块二维经验模态分解算法在拼接处的不连续失真较严重。为此,提出一种改进的分块二维经验模态分解算 法。通过计算相邻图像块的最小对称相似性,确定相邻图像块间的重叠尺寸,利用自适应无缝拼接算法,对图像分解结果进行融合。实验结果表明,该算法能较好地改善拼接失真现象。     

基于Storm的局部放电信号集合经验模态分解

电力设备的稳定运行关系到人们的生命和财产安全,通过安装传感器对时序波形信号进行采集,对信号进行分析处理,可以实现对电力设备的故障诊断。集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）算法在非线性、非平稳的信号处理领域有其独特的优势,但是由于其算法复杂度较大,作为运算密集型的算法在串行执行的情况下运算速度无法满足实际需求。因此,借助分布式计算框架Storm并行处理的特点,提出了基于Storm的EMD过程并行和信号分段并行的两种EEMD分解方式。实验表明,两种并行化方案都比传统的串行执行方式速度更快,并且基于分段并行的方式由于其更高的并行度,在长信号处理中更具优势。两种并行EEMD算法的提出为时序信号的快速处理提供了可靠的解决方案。     

基于DCT域和纹理复杂度的图像水印算法

水印的鲁棒性受背景、纹理、边缘等条件影响较大。为此,提出基于离散余弦变换(DCT)域和纹理复杂度的图像水印算法。对水印信息进行预处理,计算每个图像块的方差并将其按大小排序,对各子块进行离散余弦变换,计算变换后每个图像块的方差并将其按大小排序,根据中频系数将经过方差值排序的水印图像块嵌入载体图像中。测试结果表明,该算法比原始基于DCT的水印算法具有更好的鲁棒性和图像可见性。