一、小脊变换域中感知水印算法研究（论文文献综述）
吕智愚[1]（2021）在《基于多尺度几何分解与神经网络的图像去噪研究》文中研究说明随着计算机技术科学的发展,各种各样的成像设备与成像方法都有了极大的进步,随着图像在社会各个领域的广泛应用,图像处理技术的重要性也日益增加。而在图像采集、压缩、存储以及传输过程中不可避免地会引入图像噪声,这些噪声会引起图像失真,导致图像信息的丢失,对比度大幅下降。另外,由于实际含噪图像的图像真值、噪声种类以及噪声密度等级均为未知,使得实际图像的去噪工作具有很大的挑战。本文采用多尺度几何分解和神经网络学习相结合的新方法,对被噪声污染的图像进行降噪处理。与传统方法比较,新方法处理的噪声图像保留了更多的图像细节纹理信息。本文的研究内容主要包括以下三个方面:（1）现代摄像装备产生大量带有噪声的图像,去除噪声才能更好地发挥图像的利用价值,但是在去除噪声的同时会破坏图像边缘和纹理信息。针对这个问题,提出了基于多尺度几何变换与模糊支持向量机相结合的图像去噪算法。首先使用多尺度几何变换对图像进行分解,对分解所得子带系数构造二值坐标图,利用空间规则判断系数是否包含原始图像的特征信息。之后经过模糊支持向量机训练,将每个高频子带的系数分为细节信息类和噪声类,构建了一种可解释信息粒度方法解决模型的参数选择问题。依据自适应贝叶斯阈值,计算每个子带相对应的阈值,对各个子带进行系数收缩。所提算法适用于处理含噪图像,可以提升去噪图像的质量。与同类去噪算法的去噪效果进行了比较,表明了算法的有效性。（2）多数深度卷积去噪网络缺乏模型灵活性,经训练得到的去噪模型通常只能处理特定噪声密度等级的图像。为解决此问题,提出了基于离散剪切波变换的卷积神经网络去噪模型。利用离散剪切波变换对图像进行分解,将通过分解得到的若干子带图像作为训练样本输入卷积模块中,此操作将一副图像变为了若干子带图像,扩大了样本规模,缓解了小样本模型训练过拟合问题并提高模型的泛化能力,减少模型训练所需的时间。同时离散剪切波分解可以对图像信息以及噪声进行预分类,帮助卷积去噪模型更好地提取图像特征,增加模型的去噪性能。在最后使用逆离散剪切波分解算法重构图像,由于离散剪切波分解具有信息无损的性质,不会造成图像的纹理丢失,有助于图像的细节保持。所提方法在训练阶段使用了多种策略,并引入随机噪声图,使模型有充足的灵活性以对不同噪声密度等级的含噪图像进行去噪,适用于实际图像的去噪,在保证去噪效果的前提下提高了模型的灵活性。（3）为了进一步提升深度卷积神经网络模型的去噪能力,更好地保持去噪后图像的边缘纹理信息,解决网格效应问题,提出了一种使用非下采样轮廓波变换的深度卷积神经网络去噪模型,模型由一个收缩子网络与一个扩张子网络组成,由于非下采样轮廓波分解的优良时频域特性,模型可以同时获得特征图的频率信息和位置信息,在去除噪声的同时保留原始图像的边缘纹理信息。使用非下采样轮廓波变换与逆非下采样轮廓波变换取代收缩子网络中的池化层与扩张子网络中的上卷积层,在提高模型去噪效果的同时避免了池化层与上卷积层引起的信息丢失以及网格效应。与同类去噪算法就去噪效果以及运算速度进行了比较,所提模型具有优秀的去噪效果,适中的计算复杂度,且模型可以处理范围噪声,适合用于实际图像去噪,具有广阔的应用前景。
张海彦[2]（2016）在《基于扩频的数字视频水印技术研究》文中研究表明随着社会和科技的发展,以及数字图像、音频、视频等多媒体产品的广泛使用,使得采取数字水印处理的方法来解决产品所有权问题变得尤为的重要,数字多媒体产品的水印处理技术已经成为近年来研究的热点领域之一。本文首先对基于扩频的数字视频水印技术基本情况进行简单的说明。并分析了数字水印系统的基本原理,并对视频水印所涉及到的算法和方案进行分析。由于平时我们所看到的视频大都是经过压缩以后的视频,而水印嵌入可以在压缩前也可以在压缩后,为了方便性和实用性的考虑,提出了基于扩频的DCT域数字视频水印方案和基于扩频的自适应数字视频水印方案,并将两种方案进行对比。第一种方案主要将水印信号进行置乱并与生成的m序列进行扩展和调制后得到一个随机序列,通过将水印信息嵌入到视频流I帧的DCT的直流系数中,此方案是建立图片水印嵌入经典算法基础上的,第二种方案考虑到人眼的特性,考虑到帧内和帧间的信息,根据运动信息和区域复杂度对视频的图像块进行分类。该算法选择I帧来进行水印的嵌入。我们将水印信息经m序列调制后加入到I帧的不同分块的DCT直流系数中,根据视频效果的实时性,自适应的嵌入水印信息。本文在两种方案中采用MATLAB7.1仿真实验软件通过不同攻击强度的水印分别对视频效果质量和提取水印的质量进行仿真分析,分别以缩小放大攻击,放大缩小攻击,裁剪攻击,噪声攻击四种攻击类型进行MATLAB仿真分析并对实验结果进行讨论。
龚素灵[3]（2010）在《基于有限脊波变换的图像哈希认证技术的研究》文中指出图像哈希在多媒体内容认证、数据库检索和数字水印中有着广泛的应用前景,近年来受到了高度的关注。传统的基于密码学的哈希在对图像进行压缩、过滤、几何变换等保持内容的操作时,对认证信息中每个比特的变化都非常敏感,并不适用于图像内容的认证。因此研究对内容保持操作稳健,又能够区分恶意篡改攻击的图像哈希具有重要的意义。目前使用的数字图像哈希基本上是在变换域中进行的,尤其以基于小波变换的算法居多。但是小波一般只适合于表征零维点奇异性,而图像中广泛存在的一维奇异性影响着小波特征提取的效率,同时也难以生成理想的图像哈希。有限脊波变换是在有限Radon变换域中沿每个方向作一维小波变换。它克服了小波的不足,在图像直线特征检测、图像降噪与复原等方面取得了良好的效果,但将其与图像哈希技术结合起来的研究还很少。本文在有限脊波变换应用于图像哈希算法方面作了一些研究和尝试。主要创新成果如下：（1）提出一种基于有限脊波变换与傅里叶变换结合的图像哈希算法。该算法首先对原始图像预处理,再将其分割成子块,并对每个块图像进行脊波变换,然后沿每个方向作一维傅里叶变换,最后取每个脊波块系数的最大值以及每个傅里叶变换块幅值之和作为特征向量来生成哈希序列。与未采用脊波的算法相比,该方法提高了对JPEG压缩、椒盐噪声、高斯低通滤波、旋转、缩小等操作的鲁棒性。同时,图像哈希序列由密钥控制生成,因此具有较好的安全性。（2）为了使图像哈希具有更好的鲁棒性和安全性,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中‘频率敏感度提取脊波变换域上的系数生成哈希值。实验结果表明,该方法能够抵抗JPEG压缩、滤波、加噪声、剪切、旋转和缩放等攻击,具有较好的鲁棒性、敏感性和安全性。
韩中良[4]（2010）在《基于脊小波的图像稀疏分解的研究》文中认为本文以压缩传感理论（CS）为基础来进行图像压缩,论述了以脊波变换为基础来进行图像的稀疏分解,分别介绍了压缩传感理论的框架,小波变换和脊波变换的基本理论,考虑到脊波变换具有适合描述直线和超平面奇异性的优点,就把脊波变换应用于压缩具有明显纹理特征的图像,并且希望能够在高压缩比下恢复出质量较高的图像。在CS的理论框架下,首先针对具有纹理特征的图像设计基于脊波变换来进行稀疏分解,然后观测并重构,并把实验结果与JPEG2000进行了对比。接着为了进一步的优化,采用结合脊波和小波各自的性能优势提出了一种新的分层编码算法,把图像进行平滑得到平滑图像和纹理图像,平滑层采用基于小波变换的SPIHT算法,纹理层采用一种改进正交有限脊波,并对SPIHT算法进行相应的改进,从而实现了纹理层的稀疏分解。并通过实验把这种改进的方法所重构的图像与JPEG2000进行了对比。
马强[5]（2008）在《基于版权认证的数字盲水印算法研究》文中研究指明随着当代信息技术的发展,数字化作品已成为电子数据交换的内容。如何对数字化作品的版权进行认证和保护已成为多媒体信息安全的研究方向之一,其中数字水印技术是该领域研究的热点之一。与传统的加密技术相比,数字水印技术无需另外保存数字化作品的版权认证信息,而将其嵌入在作品本身之中,既不为人的视觉所感知,又容许一定程度的失真,因而逐渐成为数字化作品版权认证的另一种防伪技术,使之在图像、音频、视频、数据库等数字化作品方面都有应用的空间。目前,用于版权认证的数字水印算法可以归为鲁棒性水印和脆弱性水印两种,其中鲁棒性水印在数字化作品版权认证方面应用的范围更为广泛。本论文是关于版权认证和图像数字水印技术的一些研究。研究成果主要包括:提出了一种基于DCT频域进行选块和分组的水印算法:传统的DCT域图像数字水印算法多是在高斯正态分布区间N（0,1）内独立选取水印随机序列的,鲁棒性虽强但嵌入的水印量不足,不适于嵌入较大分辨率的灰度图像水印或彩色水印。为了解决这个问题,本文采用了预处理优化的方法,通过视觉系统径向频率对DCT块分解中的子块系数进行分类和选块,由灰度图像门限JND进行量化控制来降低DCT块量化效应,压缩256级灰度水印图像,置乱后嵌入宿主图像中。实验表明水印的掩蔽效果好,抗压和抗噪的能力较强。提出了一种基于扩频的DCT域水印算法:通过对水印图像进行映射变换,将灰度值映射为双极性映像集,以此为伪随机序列产生水印信号,然后采用扩频方法将水印嵌入到由密钥选取的频域子块中。该算法解决了随机嵌入水印位标识的一种方法,抵抗压缩和噪声的能力较强,水印的隐蔽性和鲁棒性较好。提出了一种基于DCT域的多重数字盲水印嵌入和检测算法:基于扩展频谱通信技术,对宿主图像的频域进行了二维DCT变换,采用保持图像亮度的JND门限值和多数字基底对宿主图像DCT频域进行选块,对中频分量的DCT交流系数分组嵌入水印比特,以随机二值序列对高低频分量的DCT系数的水印比特嵌入进行控制,使多个数字盲水印信号载波传输于混叠的DCT频带。该算法可预估水印嵌入量,提取水印无需宿主图像和水印图像,测试表明能有效抵抗滤波、加噪、局部剪切、JPEG有损压缩,具有较强的顽健性和鲁棒性。
王刚[6]（2007）在《路面病害光学无损检测技术 ——基于超小波与分形理论的算法研究》文中进行了进一步梳理光学无损检测技术涉及光学、图像处理、信息处理、模式识别等多种学科领域。是一种不干扰待测场分布的测量诊断技术。本文提出的光学无损路面病害自动检测算法，针对目前路面病害检测算法存在的精度低、适用范围窄、自动化水平低的缺陷，着重研究了复杂背景下裂纹病害的提取以及病害的自动分类问题。主要工作内容和研究成果简述如下：1．本文提出了基于Ridgelet变换域的模糊自适应图像增强算法，利用在傅里叶变换域给出的Radon变换积分投影与原场分布在频域上的联系，实现离散Radon变换投影切片定理。并提出Radon变换重建原图像的基本条件；利用广义模糊集合概念和最大模糊熵原理，提出一种自适应设置模糊增强函数方法，使得增强后的图像在抑制噪声、增强特征方面达到较好折衷。2．提出基于Curvelet变换域的路面图像去噪算法。Curvelet变换综合了Ridgelet擅长表示直线特征和小波适于表现点状特征的优点，并充分利用了多尺度分析独到的优势，适用于路面中网状裂纹的增强去噪。针对Curvelet系数稀疏矩阵表示出来的局部结构信息设计了一种自适应的消噪处理方法，对局部邻域中心点的高频Curvelet系数进行处理得出新的Curvelet系数，以达到去噪的效果。3．提出了一种基于亚像素多重分形原理求取图像奇异性的新型算法，降低了单纯依靠整数像素位置灰度级梯度信息计算边缘测度所产生的误差。该算法结合CCD成像机理给出在亚像素位置的灰度级梯度分布规律，利用多重分形理论将实际图像分割成一系列具有不同奇异性指数的分形集合，对应着从边缘到纹理各层面的图像内容。采用多重分形理论并结合具体图像的物理和统计特性进行路面裂纹病害图像分割的分析，通过奇异性指数的概率分布以及最奇异指数值可判断图像中有无裂纹病害。4．本文最后介绍了自行研制的路面裂纹病害自动检测系统的框架结构。主要由图像采集和病害检测两大模块组成。详细说明了系统中图像采集模块的设备运行参数，以及病害检测模块的工作流程。目前该系统已经投入使用，并完成多条高等级公路的检测任务。实际使用结果表明本系统的正确率在90％以上。
于海燕[7]（2006）在《脊波变换算法与应用研究》文中认为摘要小波变换是一种具有较强时、频局部分析功能的非平稳信号分析方法。当用这种方法处理具有零维或点奇性的信号或函数时,取得了较好的效果;然而当处理线和超平面的奇异性时,小波变换就失去了它的分析优势。脊波（Ridgelet）正是为解决二维或更高维奇异性而产生的一种新的分析工具, Ridgelet能稀疏表示具有直线特征的图像,可以应用到二维图像处理的许多领域。本文首先在系统研究Ridgelet理论的基础上,实现针对图像信号的离散Ridgelet变换算法。然后,在Ridgelet分析的框架下,探讨了Ridgelet变换在图像处理中的三处实际应用。第一提出了一种基于Ridgelet域的数字水印盲检算法,利用Ridgelet的方向敏感性,将图像分块进行Ridgelet变换,然后将水印信息嵌入到特定的Ridgelet系数中。结果表明,在保持水印的透明性的同时,水印仍具有较强的鲁棒性,是一种有效的水印算法。第二提出了一种嵌入式零树Ridgelet编码算法,即将零树编码应用到图像Ridgelet变换编码中,对变换后的系数进行合理有效的量化,特别针对具有直线特征的二维灰度图像进行嵌入式编码,可实现图像任意比例的高效压缩。第三结合Ridgelet的特点将其应用于探地雷达信号的处理中,实现对信号噪声和直达波信号去除的算法,并取得了较好的效果。最后分别对上述Ridgelet在图像处理中的三种应用进行了仿真实验验证。实验结果表明了这种Ridgelet信号表示理论在图像处理方面具有良好的性能和广阔的应用前景。
肖亮[8]（2004）在《基于变分PDE和多重分形的图像建模理论、算法与应用》文中研究表明从机器视觉和感知科学角度看，图像处理是一种由2D图像（或者图像序列）重建3D世界中几何关系、拓扑结构、模式和动力学行为的基本工具。图像处理中图像恢复和图像分割构成了低层视觉处理的基本问题，同时作为数学上的反问题也成为现代数学研究的热点。由于图像是3D世界在2D成像平面的投影，并以二维强度分布的形式作用于人的视觉，其非平稳性和非高斯特征，很难用线性算法进行处理，迫切需要建立合适的能够处理边缘到纹理各层面奇异性的图像模型。图像模型作为一般的高层先验知识，有助于设计性能优越的图像处理器，有助于主动视觉实现数据约束与先验知识约束的介入与交互过程。因此图像建模的研究在计算机视觉和图像处理中具有重大的理论意义和应用价值。 本文以图像建模研究为主线，针对图像恢复和图像分割的基本问题以及目前兴起的图像修补这一热点问题，着重研究相应变分PDE模型及其算法；然后针对数字景像图仿真生成及其地面景像图的奇异性分析，研究基于大气辐射传输理论和增强型CCD的成像建模、仿真，研究自然图像多重分形理论及其算法；最后针对图像版权保护问题，研究图像视觉感知建模及其鲁棒性数字水印技术。论文所做的主要工作和研究成果如下： （1）系统地研究了图像建模的概念和意义，综述了图像建模理论与方法在国内外的研究现状，从机器视觉和感知理解的角度研究了图像模型、低层视觉和图像处理的关系。分析和对比了各类模型的表现形式、之间的联系及各自的优势与不足。 （2）根据有界变差函数空间理论，全面系统地研究了主TV、对偶TV模型和扩展TV模型及相关算法。针对数字灰度图像和彩色图像，深入研究了标量图像-数字TV模型和向量图像-数字TV模型，通过简捷和新颖地证明该模型的严格凸性和最优化能量函数应满足的数字欧拉-拉格朗日方程，揭示了数字TV模型的三个基本性质。并结合应用分别设计了与经典梯度倒数加权滤波器类似的Scalar-NGIW-Filter和Vector-NGIW-Filter。 在自然图像处理中，由于噪声和小尺度纹理并存，TV模型对纹理丰富图像的恢复效果并不好。本文又提出了基于分数阶奇异性提取的耦合TV恢复模型。 （3）系统地论述了贝叶斯模型、鲁棒性估计理论与变分PDE模型的统一性。从半二次规整化出发，针对变分模型中位势函数的选择问题，提出了过渡位势函数的概念，并通过研究该过渡位势函数的性质以及与位势函数的关系，导出了一系列有价值的变分模型；最后分析了一类基于目标与边缘的耦合变分模型及其相应的推广与改进形摘要博士论文式。 （4）针对分片光滑Mumford一Shah水平集模型的数值解问题，通过构造具有柔性距离函数，对迭代步骤中水平集函数重新初始化，提出了基于ENO格式和预测校正方法的新水平集算法。 将Ambrosio和Tortorelli提出的Mumford一shah辅助变量模型推广到彩色图像，提出了一种彩色图像祸合变分模型。新模型将彩色图像建模为黎曼流形上的嵌入曲面，并据此将刻画不同颜色通道间梯度方向差异的物理量一向量积项引入目标的正则化部分，提出了新的能量泛函。理论上证明了最优化该能量泛函应满足的欧拉一拉格朗日方程。由于直接将标量图像的Mumford一Shah模型推广到向量图像，往往存在孤立地对待每个通道的问题;而基于曲面方法的几何图像模型，却能够精细的刻画各通道之间的相关性和相互影响。基于时间步进法和半点格式，本文又提出了新模型的一种数值计算方法。理论分析和实验结果都表明，彩色图像藕合变分模型在图像恢复和分割效果上都优于直接推广的模型。 （5）针对图像修补问题，通过分析人类视觉系统（HVS）和心脑认知机制修补图像的一些启发性原则，提炼了目前非纹理图像局部性修补的指导性原则;系统地对比了目前基于变分PDE的结构修补方法以及纹理合成方法。基于结构与纹理分治策略，提出了包含四个语义推断形式的通用修补模型;结合扩散和传输机制，提出了一个三阶形态不变结构修补的PDE。最后研究了图像修补两个主要应用，提出了基于数字TV模型的数字图像放大算法和基于纹理匹配与边缘勾连的错误隐匿方法。 （6）针对一个实际的“仿真图像生成与分析系统”工程项目，提出了基于大气辐射传输和图像增强型CCD相机的图像与图形混合的数字景像匹配图仿真生成模型，并实现了一个功能强大的仿真系统SMART-SS。为了分析地面景像不同奇异性结构对景像匹配性能的影响，提出了应用多重分形分解和重构的不同奇异性结构提取方法，并系统地证明了图像多重分形测度在一类速降函数上的投影应满足的幂指数形式。 （7）针对图像水印问题，基于小波域视觉感知模型，提出用多数字基实现小波域多重水印嵌入;基于脊波域视觉感知模型，提出了一种在脊波变换域基于图像内容的数字水印模型，统计分析了脊波域数字水印方法中最优检测闭值、虚警和漏警概率估计等相关问题。
王丽艳[9]（2003）在《小脊变换域中感知水印算法研究》文中研究说明论文从数字水印发展的现状出发，对数字水印技术的发展、数字水印技术的基本原理及其通用模型、数字水印技术主要应用的领域及其性能要求、数字水印的分类与典型算法等多个角度进行了综述。 由于小脊变换的特点，使得在小脊变换域中建立视觉模型比在DCT、DWT域中建模更自然，更有优势。因此，我们研究了现有的关于人类视觉系统的理论，第一次在小脊变换域中建立起视觉模型。就目前现有的文献来看还没有人做过这项十分有意义的工作。 论文提出了一种小脊变换域中感知水印算法。我们知道在水印技术中水印坚固性和透明性存在着矛盾。如何在区分不出嵌入水印后的图像与原始图像视觉差异的前提下，设计出一种水印算法，使之能够抵抗多数的图像信号处理和人为地恶意攻击，是一项十分富有挑战的工作。论文根据小脊变换域中的视觉模型，按照小脊变换域中计算出水印嵌入强度的权重，用扩频的方法来嵌入水印信息。实验结果表明该方法能够在水印不可见的前提下，能够嵌入更多的水印信息，提高了数字水印的鲁棒性，是一种有效的新的水印算法。同时该水印算法能够较好的抵抗公开的水印标准检测程序Stirmark中微小扭曲的月何攻击。
二、小脊变换域中感知水印算法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、小脊变换域中感知水印算法研究（论文提纲范文）
（1）基于多尺度几何分解与神经网络的图像去噪研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外相关工作研究进展 |
| 1.2.1 基于变换域的去噪方法 |
| 1.2.2 基于神经网络的去噪方法 |
| 1.3 深度学习研究现状 |
| 1.3.1 深度学习概述 |
| 1.3.2 深度学习在图像去噪中的研究现状 |
| 1.4 现有研究工作存在的不足 |
| 1.5 图像的质量评价 |
| 1.5.1 图像的主观评价 |
| 1.5.2 图像的客观评价 |
| 1.6 主要研究思路 |
| 1.6.1 主要研究内容 |
| 1.6.2 结构安排 |
| 2 基于多尺度几何分解与模糊支持向量机的图像去噪 |
| 2.1 引言 |
| 2.2 多尺度几何变换 |
| 2.2.1 轮廓波变换 |
| 2.2.2 剪切波变换 |
| 2.3 支持向量机 |
| 2.4 基于多尺度几何分解与模糊支持向量机的图像去噪 |
| 2.4.1 非下采样轮廓波变换 |
| 2.4.2 非下采样剪切波变换 |
| 2.4.3 系数二值图 |
| 2.4.4 可解释信息粒度 |
| 2.4.5 模糊支持向量机 |
| 2.4.6 自适应贝叶斯阈值法 |
| 2.5 仿真实验与分析 |
| 2.6 本章小结 |
| 3 基于离散剪切波与卷积神经网络的图像去噪 |
| 3.1 引言 |
| 3.2 卷积神经网络 |
| 3.2.1 激活函数与损失函数 |
| 3.2.2 卷积神经网络的重要参数及优化方法 |
| 3.3 基于离散剪切波与卷积神经网络的图像去噪模型DSTnet |
| 3.3.1 离散剪切波变换 |
| 3.3.2 DSTnet的模型结构 |
| 3.3.3 DSTnet的详细说明 |
| 3.4 仿真实验与分析 |
| 3.4.1 灰度图像的单噪声仿真实验分析 |
| 3.4.2 实际图像去噪的仿真实验分析 |
| 3.5 本章小结 |
| 4 基于非下采样轮廓波分解与U-Net的图像去噪 |
| 4.1 引言 |
| 4.2 全卷积神经网络 |
| 4.2.1 全卷积神经网络的结构 |
| 4.2.2 上采样与跳层结构 |
| 4.3 基于CTCNN的图像去噪模型 |
| 4.3.1 U-net网络结构与网格效应 |
| 4.3.2 CTCNN的模型结构 |
| 4.3.3 CTCNN的详细说明 |
| 4.4 仿真实验与分析 |
| 4.4.1 灰度图像的去噪仿真实验分析 |
| 4.4.2 彩色图像的去噪仿真实验分析 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（2）基于扩频的数字视频水印技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 研究的目的与意义 |
| 1.3 研究情况分析 |
| 1.4 本文主要研究内容 |
| 1.5 本文结构 |
| 1.6 本章小结 |
| 第2章 数字视频水印介绍 |
| 2.1 数字视频水印概述 |
| 2.1.1 视频水印的主要特征 |
| 2.1.2 视频水印的分类 |
| 2.1.3 视频水印的特殊性 |
| 2.2 数字水印系统的基本原理分析 |
| 2.3 数字视频水印嵌入方案分析 |
| 2.4 数字视频水印的算法分析 |
| 2.5 本章小结 |
| 第3章 扩频数字水印的生成 |
| 3.1 概述 |
| 3.1.1 扩频通信的原理 |
| 3.1.2 m序列的产生 |
| 3.2 扩频数字水印的生成过程 |
| 3.3 本章小结 |
| 第4章 基于扩频的DCT视频水印方案 |
| 4.1 视频水印算法 |
| 4.1.1 视频水印的嵌入算法 |
| 4.1.2 视频水印的提取算法 |
| 4.2 DCT视频水印的实现方案相关程序 |
| 4.2.1 视频水印的嵌入 |
| 4.2.2 视频水印的提取 |
| 4.3 仿真实验 |
| 4.4 本章小结 |
| 第5章 基于扩频的自适应视频水印方案 |
| 5.1 概述 |
| 5.2 基于扩频的自适应算法 |
| 5.2.1 实现自主区域的选择 |
| 5.2.2 视频水印嵌入算法 |
| 5.2.3 视频水印提取算法 |
| 5.3 仿真实验分析 |
| 5.3.1 不同水印强度分析 |
| 5.3.2 鲁棒性和抗攻击性分析 |
| 5.3.3 两种方案效率对比分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（3）基于有限脊波变换的图像哈希认证技术的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 插图索引 |
| 附表索引 |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 1.4 本文的结构安排 |
| 第2章 数字图像哈希技术概述 |
| 2.1 数字图像认证的分类 |
| 2.2 图像哈希的介绍 |
| 2.2.1 图像哈希生成的一般框架 |
| 2.2.2 图像哈希算法的分类 |
| 2.2.3 图像哈希函数的性能需求 |
| 2.2.4 图像哈希算法的性能评估 |
| 2.3 本章小结 |
| 第3章 有限脊波变换 |
| 3.1 小波的缺陷与脊波的提出 |
| 3.2 连续脊波变换 |
| 3.3 有限Radon变换 |
| 3.4 有限脊波变换 |
| 3.5 有限脊波变换的实现 |
| 3.6 本章小结 |
| 第4章 基于有限脊波变换与傅里叶变换相结合的图像哈希认证方法 |
| 4.1 有限脊波变换与图像哈希算法的结合 |
| 4.2 傅里叶变换 |
| 4.3 基于有限脊波变换与傅里叶变换的哈希算法 |
| 4.3.1 有限脊波变换与傅里叶变换相结合的理论 |
| 4.3.2 图像哈希的生成 |
| 4.3.3 图像认证的方法 |
| 4.3.4 实验结果和分析 |
| 4.4 本章小结 |
| 第5章 基于人类视觉特性的图像哈希算法 |
| 5.1 人类视觉系统 |
| 5.2 脊波域中人类视觉特性 |
| 5.3 混沌序列的生成 |
| 5.4 图像哈希的生成 |
| 5.5 相似性度量准则 |
| 5.6 图像认证 |
| 5.7 实验结果与分析 |
| 5.8 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间完成的学术论文 |
| 附录B 攻读学位期间参加的科研项目 |
（4）基于脊小波的图像稀疏分解的研究（论文提纲范文）
| 提要 |
| 第1章 绪论 |
| 1.1 本论文的选题依据 |
| 1.2 研究背景和研究意义 |
| 1.3 本课题的主要工作及章节安排 |
| 1.3.1 主要工作 |
| 1.3.2 本论文章节安排 |
| 第2章 图像压缩与压缩传感理论 |
| 2.1 图像压缩 |
| 2.1.1 数字图像的表示 |
| 2.1.2 图像压缩的分类 |
| 2.1.3 图像压缩的标准 |
| 2.1.4 图像压缩效果评价 |
| 2.2 压缩传感理论 |
| 2.2.1 压缩传感理论的背景 |
| 2.2.2 压缩传感的理论框架 |
| 2.2.3 压缩传感理论的推广 |
| 第3章 小波变换与脊波变换 |
| 3.1 小波变换 |
| 3.1.1 连续的小波变换 |
| 3.1.2 离散的小波变换 |
| 3.1.3 多分辨分析 |
| 3.2 脊波变换 |
| 3.2.1 Randon变换 |
| 3.2.2 连续的脊波变换 |
| 3.2.3 离散脊波变换 |
| 3.2.4 脊波变换的实现 |
| 第4章 基于脊波的图像稀疏分解 |
| 4.1 实现方法 |
| 4.2 基于脊波的图像稀疏分解 |
| 4.2.1 基于脊波的图像稀疏分解的实验步骤 |
| 4.2.2 实验结果与分析 |
| 4.3 结合小波和脊波优化的图像稀疏分解 |
| 4.3.1 图像分层 |
| 4.3.2 平滑层和纹理层的编码 |
| 4.3.3 实验步骤和结果分析 |
| 第5章 结束语 |
| 参考文献 |
| 致谢 |
| 摘要 |
| ABSTRACT |
（5）基于版权认证的数字盲水印算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 课题背景 |
| 1.2 课题任务 |
| 1.3 论文结构 |
| 第二章 数字水印与版权认证 |
| 2.1 版权保护的技术特性分析 |
| 2.1.1 信息加密 |
| 2.1.2 信息隐藏 |
| 2.1.3 数字水印 |
| 2.1.4 数字水印技术特点 |
| 2.2 图像数字水印 |
| 2.2.1 图像数字水印算法 |
| 2.2.2 图像数字水印攻击 |
| 2.3 数字作品版权认证 |
| 2.3.1 基本概念 |
| 2.3.2 数字作品版权认证中的一些问题 |
| 2.4 实验平台 |
| 第三章 DCT域水印预处理策略 |
| 3.1 概述 |
| 3.2 方法描述 |
| 3.2.1 多数字基底 |
| 3.2.2 DCT域扩频 |
| 3.2.3 视觉感应模型 |
| 3.2.4 水印压缩与置乱 |
| 3.3 DCT频域选块与分组水印算法 |
| 3.3.1 水印的嵌入 |
| 3.3.2 水印的检测与提取 |
| 3.4 实验结果 |
| 第四章 基于DCT域水印技术 |
| 4.1 概述 |
| 4.2 方法描述 |
| 4.2.1 水印的生成和嵌入 |
| 4.2.2 水印的检测与提取 |
| 4.3 实验结果 |
| 4.4 小结 |
| 第五章 多重数字盲水印技术 |
| 5.1 概述 |
| 5.2 基于DCT域的多重水印 |
| 5.2.1 水印的嵌入 |
| 5.2.2 水印的检测与提取 |
| 5.3 实验结果 |
| 5.4 水印嵌入量估计 |
| 5.5 小结 |
| 第六章 结束语 |
| 6.1 论文工作总结 |
| 6.2 问题和展望 |
| 附录1 水印嵌入与检测MATLAB程序 |
| 附录2 快速DCT与IDCT变换VC程序 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（6）路面病害光学无损检测技术 ——基于超小波与分形理论的算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 课题研究的背景 |
| 1.2 路面病害的分类 |
| 1.2.1 路面病害类型 |
| 1.3 国内外路面病害检测系统的研究状况和进展 |
| 1.4 国内外路面裂纹病害提取与识别算法研究的发展现状 |
| 1.5 路面裂纹病害提取与识别算法研究所面临的困难 |
| 1.6 本文研究内容 |
| 2. 线状裂纹病害图像的Ridgelet变换域模糊增强机理与算法 |
| 2.1 常用的图像增强技术 |
| 2.1.1 空间域方法 |
| 2.1.2 变换域方法 |
| 2.2 Ridgelet变换原理 |
| 2.2.1 连续Ridgelet变换 |
| 2.2.2 二维离散Ridgelet变换 |
| 2.3 二维Ridgelet变换离散算法实现及模拟 |
| 2.4 Ridgelet变换图像增强技术 |
| 2.4.1 变换域中图像增强原理 |
| 2.4.2 Ridgelet变换域中图像增强算法 |
| 2.4.3 图像增强算法的模拟实验结果 |
| 2.5 基于Ridgelet变换域的路面局部线形裂纹增强技术 |
| 2.5.1 背景灰度均匀化 |
| 2.5.2 线形裂纹增强实验 |
| 2.6 本章小结 |
| 3. 曲线状裂纹病害图像的Curvelet变换域噪声抑制与增强算法 |
| 3.1 Curvelet变换 |
| 3.1.1 单尺度Ridgelet变换 |
| 3.1.2 单尺度Ridgelet变换的离散数字实现算法 |
| 3.2 Curvelet变换原理 |
| 3.2.1 离散Curvelet变换原理 |
| 3.2.2 离散Curvelet变换的数字实现 |
| 3.2.3 有限Radon变换系数顺序的优化 |
| 3.3 离散Curvelet变换去噪的模拟实验结果 |
| 3.3.1 Curvelet变换的系数重构实验结果 |
| 3.3.2 Curvelet变换的噪声抑制算法 |
| 3.4 基于Curvelet变换域的路面曲线状裂纹增强实验结果 |
| 3.5 本章小结 |
| 4. 基于亚象素多重分形方法的高速路面裂纹病害识别技术 |
| 4.1 多重分形理论框架 |
| 4.1.1 图像多重分形测度的定义 |
| 4.1.2 图像多重分形测度的速降函数投影定理 |
| 4.1.3 图像多重分形奇异性指数和奇异谱 |
| 4.2 基于亚像素多重分形的图像奇异性分析 |
| 4.3 基于亚像素多重分形的图像分解 |
| 4.3.1 速降函数的选取 |
| 4.3.2 亚像素多重分形的图像分解 |
| 4.4 基于亚像素多重分形的图像重构 |
| 4.5 基于亚像素多重分形的路面裂纹检测结果 |
| 4.6 本章小结 |
| 5. 路面病害自动检测系统体系结构 |
| 5.1 图像采集模块 |
| 5.2 病害检测模块 |
| 5.3 本章小结 |
| 6. 总结与展望 |
| 致谢 |
| 攻读博士期间发表的论文 |
| 参考文献 |
（7）脊波变换算法与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究进展及现状 |
| 1.3 本论文的主要工作和内容安排 |
| 2 Ridgelet 变换的基本概念 |
| 2.1 Ridgelet 变换的定义 |
| 2.2 Ridgelet 变换的重构公式 |
| 2.2.1 连续Ridgelet 变换的重构公式 |
| 2.2.2 二进Ridgelet 变换的重构公式 |
| 2.2.3 正交Ridgelet 变换 |
| 2.3 Ridgelet 变换的离散实现 |
| 2.3.1 Ridgelet 和小波及Radon 变换的关系 |
| 2.3.2 正交有限Ridgelet 变换 |
| 2.3.3 Ridgelet 子带 |
| 3 基于Ridgelet 变换的数字水印 |
| 3.1 引言 |
| 3.2 数字水印技术概述 |
| 3.2.1 数字水印原理及其通用模型 |
| 3.2.2 数字水印的主要应用领域 |
| 3.2.3 数字水印的性能要求 |
| 3.2.4 性能评价标准 |
| 3.2.5 数字水印的分类 |
| 3.3 基于Ridgelet 变换的数字水印的实现 |
| 3.3.1 数字水印序列生成 |
| 3.3.2 数字水印的位置的选择 |
| 3.3.3 数字水印的嵌入和提取算法 |
| 3.4 实验结果与分析 |
| 3.5 小结 |
| 4 基于嵌入式思想的Ridgelet 压缩算法 |
| 4.1 引言 |
| 4.2 图像压缩基本原理和方法 |
| 4.2.1 无失真编码 |
| 4.2.2 有失真编码 |
| 4.2.3 图像压缩评价标准 |
| 4.2.4 小波图像压缩编码研究现状 |
| 4.3 嵌入式编码 |
| 4.3.1 嵌入式编码 |
| 4.3.2 嵌入式零树编码 |
| 4.4 基于Ridgelet 的零树压缩算法实现 |
| 4.4.1 零树编码概念 |
| 4.4.2 基于Ridgelet 的零树编码的实现 |
| 4.4.3 熵编码 |
| 4.4.4 图像编码系统设计 |
| 4.5 实验结果与分析 |
| 4.6 小结 |
| 5 Ridgelet 变换应用于探地雷达信号处理中 |
| 5.1 引言 |
| 5.2 探地雷达信号 |
| 5.3 基于Ridgelet 算法的探地雷达信号处理 |
| 5.3.1 基于Ridgelet 变换的自适应阈值去噪 |
| 5.3.2 去除直达波 |
| 5.4 实验结果与分析 |
| 5.5 小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 在校期间发表的论文 |
（8）基于变分PDE和多重分形的图像建模理论、算法与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 1 绪论 |
| 1.1 问题的提出 |
| 1.2 图像建模理论与方法的研究现状 |
| 1.2.1 统计建模方法 |
| 1.2.2 正则化空间的几何图像模型方法 |
| 1.2.3 几何多尺度建模方法 |
| 1.2.4 多重分形建模方法 |
| 1.2.5 图像视觉感知建模方法 |
| 1.3 图像建模方法的比较 |
| 1.4 课题来源 |
| 1.5 论文研究的主要内容 |
| 1.5.1 论文的组织 |
| 1.5.2 论文的主要成果与创新点 |
| 2 图像恢复中的TV模型研究 |
| 2.1 有界变差函数的基本理论 |
| 2.2 TV模型的基本形式 |
| 2.2.1 主TV模型 |
| 2.2.2 对偶TV模型 |
| 2.3 TV模型的数值解方法 |
| 2.4 扩展TV模型 |
| 2.5 基于图的数字TV模型与新型梯度倒数滤波器 |
| 2.5.1 标量图像的数字TV模型 |
| 2.5.2 向量图像的数字TV模型 |
| 2.5.3 新型梯度倒数滤波器(NGIW-Filter)的设计 |
| 2.5.4 实验结果 |
| 2.6 基于分数阶奇异性提取的耦合TV恢复模型 |
| 2.6.1 主要思想 |
| 2.6.2 分数阶导数奇异性提取模型 |
| 2.6.3 仿真实验与分析 |
| 2.7 本章小结 |
| 3 基于半二次规整化的图像恢复与分割变分模型及其算法研究 |
| 3.1 图像恢复的变分模型 |
| 3.1.1 贝叶斯模型与变分模型的统一性 |
| 3.1.2 变分模型与鲁棒性估计的统一性 |
| 3.1.3 基本形式及其几何解释 |
| 3.1.4 变分模型的优化与计算策略 |
| 3.2 半二次规整化方法 |
| 3.2.1 基本原理 |
| 3.2.2 位势函数ψ的选择模型 |
| 3.2.3 半二次规整化的算法描述 |
| 3.2.4 半二次规整化方法的物理本质 |
| 3.3 基于目标与边缘的耦合变分模型 |
| 3.3.1 简化Mumford-Shan的非凸泛函逼近 |
| 3.3.2 能量泛函的推广与改进 |
| 3.3.3 自由参数组(λ，ε，γ)的估计 |
| 3.4 数值实验结果 |
| 3.5 本章小结 |
| 4 图像分割中Mumford-Shah模型研究 |
| 4.1 基本概念 |
| 4.2 Mumford-Shah模型及其主动视觉机制 |
| 4.3 Mumford-Shah模型的数值逼近 |
| 4.4 基于ENO格式和预测校正格式的新水平集算法 |
| 4.4.1 模型分析 |
| 4.4.2 水平集算法 |
| 4.4.3 实验结果 |
| 4.5 面向彩色图像的耦合变分模型 |
| 4.5.1 彩色图像Mumford-Shah模型的已知结果 |
| 4.5.2 彩色图像耦合变分模型 |
| 4.5.3 实验结果 |
| 4.6 本章小结 |
| 5 基于结构和纹理的图像修补建模、算法与应用 |
| 5.1 图像修补的特殊性 |
| 5.2 图像修补的方法论 |
| 5.2.1 图像修补与视觉心理学 |
| 5.2.2 非纹理图像局部修补的一般准则 |
| 5.3 结构修补 |
| 5.4 纹理合成 |
| 5.5 基于结构与纹理分治策略的图像修补 |
| 5.5.1 分治策略 |
| 5.5.2 算法细节 |
| 5.5.3 修补结果 |
| 5.6 图像修补的应用 |
| 5.6.1 基于图的数字全变差模型的带噪图像任意精度放大 |
| 5.6.2 视频通信中基于纹理匹配与边缘勾连的错误隐匿方法 |
| 5.7 本章小结 |
| 6 景像匹配实时图的仿真生成及地面景像图的多重分形分析 |
| 6.1 问题的提出 |
| 6.2 数字景像图仿真生成的建模与仿真 |
| 6.2.1 能量传递路径与辐射模型 |
| 6.2.2 LOWTRAN-7的四次调用 |
| 6.2.3 图像增强型CCD相机模型 |
| 6.2.4 仿真流程 |
| 6.2.5 SMRT-SS软件的实现 |
| 6.3 地面景像图的多重分形分析 |
| 6.3.1 图像多重分形分解的基本理论 |
| 6.3.2 地面景像图的多重分形分解与重构 |
| 6.3.3 实验结果及讨论 |
| 6.4 本章小结 |
| 7 基于图像视觉感知模型的数字水印技术 |
| 7.1 图像视觉感知模型的数字水印基本框架 |
| 7.2 用多数字基整数实现小波域的多重水印嵌入 |
| 7.2.1 小波变换域的视觉感知模型 |
| 7.2.2 多数字基整数 |
| 7.2.3 多重数字水印方案 |
| 7.2.4 实验结果与结论 |
| 7.3 基于图像内容的脊波域数字水印模型和统计性能研究 |
| 7.3.1 脊波变换 |
| 7.3.2 脊波域的图像视觉感知模型 |
| 7.3.3 脊波域数字水印方案 |
| 7.3.4 数字水印统计分析 |
| 7.3.5 实验结果 |
| 7.4 本章小结 |
| 结束语 |
| 致谢 |
| 参考文献 |
| 曾承担和正承担的课题 |
| 攻读博士期间曾获得的奖励 |
| 攻读博士期间发表论文情况(按时间排序) |
| 正在审理中的稿件 |
（9）小脊变换域中感知水印算法研究（论文提纲范文）
| 1 引言 |
| 1.1 数字水印技术发展背景 |
| 1.2 数字水印技术的原理及其通用模型 |
| 1.3 本文所作的工作以及论文结构 |
| 2 数字水印技术研究 |
| 2.1 现有的数字水印技术主要应用领域及其性能要求 |
| 2.1.1 现有的数字水印技术主要应用领域 |
| 2.1.2 应用所要求的性能 |
| 2.2 现有的数字水印的分类与典型算法 |
| 2.2.1 现有的数字水印的分类 |
| 2.2.2 鲁棒性水印算法 |
| 2.2.3 脆弱性水印算法 |
| 2.3 小结 |
| 3 离散小脊变换 |
| 3.1 连续小脊变换 |
| 3.2 有限Radon变换 |
| 3.2.1 正变换和反变换 |
| 3.2.2 有限Radon变换系数顺序的优化 |
| 3.3 正交有限小脊变换 |
| 4 小脊变换域中视觉模型的建立 |
| 4.1 人类视觉模型 |
| 4.1.1 人类视觉系统的信息处理机制--多通道信息感知模型 |
| 4.1.2 视觉特性 |
| 4.2 小脊变换域中的视觉模型 |
| 4.2.1 小脊变换域中的多通道分解 |
| 4.2.2 小脊变换域中对比度的定义 |
| 4.2.3 对比度敏感性 |
| 4.2.4 对比度掩盖 |
| 5 小脊变换域中感知水印算法 |
| 5.1 数字水印序列生成算法 |
| 5.2 小脊变换域中感觉数字水印嵌入算法 |
| 5.3 数字水印中版权信息的提取算法 |
| 5.4 数字水印的检测算法 |
| 5.5 实验结果以及数字水印鲁棒性评估 |
| 6 结论 |
| 致谢 |
| 参考文献 |
四、小脊变换域中感知水印算法研究（论文参考文献）
- [1]基于多尺度几何分解与神经网络的图像去噪研究[D]. 吕智愚. 大连理工大学, 2021
- [2]基于扩频的数字视频水印技术研究[D]. 张海彦. 河北科技大学, 2016(06)
- [3]基于有限脊波变换的图像哈希认证技术的研究[D]. 龚素灵. 湖南大学, 2010(04)
- [4]基于脊小波的图像稀疏分解的研究[D]. 韩中良. 吉林大学, 2010(12)
- [5]基于版权认证的数字盲水印算法研究[D]. 马强. 北京邮电大学, 2008(11)
- [6]路面病害光学无损检测技术 ——基于超小波与分形理论的算法研究[D]. 王刚. 南京理工大学, 2007(01)
- [7]脊波变换算法与应用研究[D]. 于海燕. 西安理工大学, 2006(02)
- [8]基于变分PDE和多重分形的图像建模理论、算法与应用[D]. 肖亮. 南京理工大学, 2004(04)
- [9]小脊变换域中感知水印算法研究[D]. 王丽艳. 南京理工大学, 2003(01)