首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 62 毫秒
1.
提出了一种利用Haar小波进行图像无失真压缩的算法。对线性预测后的图像进行Haar小波分解,将各子带小波系数根据大小分解成两部分,其位置信息分别通过自适应算术编码进行了有效的压缩。试验结果表明,该算法实现简单,达到了很好的压缩效果。  相似文献   

2.
王静 《鲁东大学学报》2009,25(4):325-327
提出了一种基于超混沌的小波域数字图像水印算法.首先利用改进的Arnold变换,对二值原始水印图像进行置乱,再产生一超混沌序列对其加密,然后将水印信息嵌入原始图像小波域的低频系数,使得水印方案具有双重安全性.实验结果表明,该算法对JPEG压缩、图像加噪、剪切等攻击方式具有较强的鲁棒性,并且实现了盲检.  相似文献   

3.
提出了一种新颖的以灰度图像为水印的数字水印算法.首先利用正交小波变换对原始图像进行分解,然后借鉴传统的叠加思想,根据小波变换后,高低频分量的特点,将图像水印嵌入到小波域的低频部分.由于整个嵌入过程中,对原始图像没有进行任何改变,因此绝对保证了原图像的质量.水印的嵌入和提取都在密钥控制之下,可以较好地解决版权争议等问题.实验结果证明该算法对常见的图像处理操作和几何攻击有很强的鲁棒性.  相似文献   

4.
提出了一种新颖的以灰度图像为水印的数字水印算法.首先利用正交小波变换对原始图像进行分解,然后借鉴传统的叠加思想,根据小波变换后,高低频分量的特点,将图像水印嵌入到小波域的低频部分.由于整个嵌入过程中,对原始图像没有进行任何改变,因此绝对保证了原图像的质量.水印的嵌入和提取都在密钥控制之下,可以较好地解决版权争议等问题.实验结果证明该算法对常见的图像处理操作和几何攻击有很强的鲁棒性.  相似文献   

5.
基于图像内容可恢复的脆弱水印技术   总被引:1,自引:0,他引:1  
提出了一种用于图像内容认证和保护的脆弱数字图像水印算法,该算法不仅可以检测定位出图像中内容的篡改,而且可以恢复被篡改的图像内容。算法用小波变换提取出图像的低频部分作为水印,然后再用RS纠错编码技术对水印进行编码,再利用置乱技术及加密技术将校验码处理后植入图像的最低有效位。实验结果证明该算法是比较有效的脆弱水印算法。  相似文献   

6.
提出了一种基于多尺度分解的像素图像融合方法,综合考虑图像的边缘特征和小波变换后的系数相关性,对低频分量进行高通滤波,得到低频分量的细节分量并进行融合;在高频区域采用提取图像的边缘和区域能量相结合的方法进行融合.实验结果表明该算法具有很好的融合效果.  相似文献   

7.
针对EZW算法本身没有考虑各个子带的特点而采用统一编码等诸多问题,以提升小波变换和EZW算法为基础,结合硬件实现的可行性,提出了一种EZW改进算法.通过采用提升小波变换,有效地降低传统小波分析的运算量和复杂性.其次,结合小波变换后各个子带的特点,分别对低频子带采用DPCM无损压缩,对高频子带采用零树扫描+游程编码;最后对同一幅灰度图像压缩并重构.结果表明,此方法不仅有效提高了重构图像的峰值信噪比,而且有效降低了硬件实现的复杂度.  相似文献   

8.
图像融合是将多幅图像的信息综合到一幅图像的技术,它使得融合后的图像包含更为准确、更为全面可靠的图像描述。为了改善传统医学图像融合算法对细节信息的丢失,采用提升小波的方式将源医学图像进行分解,并分别对高低频采用不同的融合规则,最后经小波逆变换得到目标图像。仿真实验结果表明,该算法是有效可行的。  相似文献   

9.
为解决图像中文本定位问题,提出一种基于小波和形态学的图像文本定位方法。该方法首先采用二尺度的小波变换对可能是文本的区域进行粗检测;然后再通过形态学的相关技术去除图像中一些小的虚假的非文本区域;最后对提取的文本区域中的连通区域进行外接矩形标定,从而实现对文本区域的细定位。实验结果表明,该算法具有较好的实时性、精确性和鲁棒性。  相似文献   

10.
可见光遥感图像最常见的薄云噪声严重地影响其解译的准确性,因此根据薄云噪声主要影响图像的低频信号,提出单波段遥感图像小波变换自适应阈值去云,图像经小波分解后,薄云噪声与地物信息在低频小波系数的阈值使用遗传算法以广义交叉验证GCV准则作为目标函数自动寻找,然后对小波系数进行阈值化去云。结果表明,该方法可有效去除薄云噪声并保留地物信息,使原来模糊的地物细节信息变清晰,信息熵最高,去云效果优于小波同态滤波,且明显优于同态滤波;不同尺度低频小波系数中薄云噪声与地物信息间的阈值,可用遗传算法和GCV准则有效地自动确定。  相似文献   

11.
使用小波分析的图像融合算法   总被引:2,自引:0,他引:2  
利用小波分析实现SAR图像与光学图像的融合和互补性。这种图像融合方法是利用SAR图像小波分解后的近似部分和光学图像小波分解后的细节部分,组成一个新的小波分解系数,再进行逆小波变换(重构),即可得到复合的图像,取得了较好的实验效果。  相似文献   

12.
基于图像高频子分量相互独立的属性,再结合图像低频能量不易丢失的特点,该文设计了多分辨率子带分解的快速独立分量分析(MSD-FICA)盲水印算法,借鉴了经典的量化调制水印(QIM)算法思想,对原始图像小波分解后的高频成分(水平、垂直、对角小波系数)进行排序,取中频成分。嵌入水印是对中频分量系数和低频分量系数同时嵌入,水印的提取采用快速独立分量分析(FICA)算法,先用主成分分析进行预处理,然后用FICA盲提取水印。实验表明,该算法能有效地提取出水印,并能抵抗一定的压缩、滤波、噪声攻击。  相似文献   

13.
应用小波变换研究纹理合成孔径雷达(SAR)图像的多分辨率分析和分类,首先应用树状结构的小波变换算法对一幅纹理SAR图像进行多分辨率分解,并对图像中的不同纹理类型进行定量分析,然后将金字塔结构的小波变换算法应用到图像的多分辨率分类,所得结果证明了小波变换在纹理SAR图像分类中的优越性。  相似文献   

14.
为了对含噪模糊图像进行有效的去噪增强,并考虑到实时性的要求,本文提出了一种新的基于SUSAN算法和9/7提升小波图像去噪融合方法。首先,对含噪模糊图像进行SUSAN算法处理;同时,对含噪模糊图像利用9/7提升小波进行通用阈值去噪;最后,在对去噪后的图像进行镜像对称延拓处理并与经SUSAN算法处理后的图像进行有效的融合。仿真实验结果表明,该方法不但能够大大提高图像的信噪比,而且能有效提高图像的清晰度。  相似文献   

15.
图像压缩技术在很多领域有着广泛的应用,它能显著地降低对信道容量的要求,节约大量的磁盘存储空间,因此一直是研究的热点.图像压缩技术就是去掉图像数据中的各种冗余,保留下有用信息.小波变换是一种多分辨率的分析方法.小波变换是一种对图像进行压缩的主流算法.文章就如何应用小波变换对图像进行压缩进行了分析.  相似文献   

16.
提出了一种基于混沌映射的小波域公开水印算法,该算法中水印是一幅有意义的二值图像,水印嵌入前利用混沌序列进行混沌调制.在分析图像小波分解系数的树结构关系以及人眼视觉系统模型的基础上,在宿主图像的两棵小波系数树中嵌入一位水印信息,通过量化使它们呈现足够大的统计差别从而使水印检测时能提取水印信息,并且检测时不需要原始图像和原始水印。实验结果表明,此方法是一种行之有效的图像版权保护方法。  相似文献   

17.
为提高多聚焦图像的融合质量,提出了一种基于多方向双树复小波变换(M-DTCWT)的多聚焦图像融合方法。对多聚焦图像进行DTCWT分解得到低频系数与高频系数,再采用非下采样滤波器(NSDFB)对高频系数进行方向分解得到多尺度多方向的高频分解系数。对低频系数,提出结合模糊逻辑和稀疏表示(FSR)的融合规则得到低频融合系数。对高频系数,利用平均高斯差分梯度(ADOG)作为自适应双通道脉冲耦合神经网络(2APCNN)链接强度,提出基于改进双通道脉冲耦合神经网络的高频融合策略。最后通过M-DTCWT的反变换得到融合图像。实验结果表明,采用本文算法得到的融合图像在主观效果与客观指标上均优于传统的融合方法,较传统DTCWT方法,实验的2组图像在客观指标边缘信息度量QAB/F和互信息MI上,分别提高了1.93%、8.87%和1.40%、9.18%。  相似文献   

18.
提出了一种基于冗余提升不可分离小波的多源图像融合方法。该方法不仅能很好地提取图像的细节信息,而且具有平移不变性,非常适合于图像融合;同时,采用基于局部邻域梯度的融合规则对分解后的高频和低频小波系数作不同的处理。对多光谱红外图像以及不同类型的医学图像进行了融合试验,结果表明该方法可以取得更好的融合效果。  相似文献   

19.
提出了一种基于小波变换的结构矩阵矢量量化方法。该方法利用图像经过小波变换后,不同分辨率级子图像之间存在相似性,将已生成的第m级图像的分类信息传递给第m-1级图像,并利用各子图像的结构特性,对矢量量化后的编码结果采用结构矩阵的方法进一步压缩。实验表明该方法在较好图像质量的情况下获得了高压缩比,和有关文献给出的结果进行比较,该算法具有较好的性能。  相似文献   

20.
分析了合成孔径雷达(SAR)图像中相干斑(Speckle)的统计特性。基于小波变换(WT),给出了一种多尺度的Speckle滤波方法,该方法利用小波分解后的HH分量(低频分量)作Speckle抑制,得到图像Speckle的相当大的改进。文中还对不同的小波基进行了理论分析,并利用实验数据,从等效视数(ENL)角度进行了比较,证实了不同小波基下该方法对Speckle具有较好的抑制性能。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号