-
题名基于DWT和PNN的数字图像水印算法
被引量：6
- 1
-
-
作者
闫凤
王立中
石磊
张国英
张扬
-
机构
内蒙古农业大学职业技术学院
鄂尔多斯市莱福士光电科技有限公司电子科学与技术部
-
出处
《湘潭大学自然科学学报》
CAS
北大核心
2016年第3期89-93,共5页
-
基金
国家星火计划
火炬计划项目(2015GH051184)
+2 种基金
内蒙古自治区自然科学基金项目(2014MS0616)
内蒙古自治区高校基金项目(NJZY14091)
2016年度内蒙古自治区科技创新引导奖励资金项目
-
文摘
针对数字信息在存储或传输过程中可能受到复制、攻击或修改的问题,提出一种基于DWT和PNN的数字图像水印算法.该算法在基于块的小波系数中选择最佳位置嵌入水印图像,采用PNN记录水印与对应图像之间的关系,在不需要原始图像和水印图像的情况下,从嵌入水印的图像中恢复水印.使用PSNR和NCC对算法进行不可见性和鲁棒性测试.实验结果表明,本文算法提取的水印图像具有优秀的不可见性和鲁棒性,能够有效应对不同类型的攻击.
-
关键词
数字水印
离散小波变换
概率神经网络
峰值信噪比
归一化互相关
-
Keywords
digital watermarking
discrete wavelet transform
probabilistic neural network
peak signalto-noise ratio
normalized cross correlation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于混合噪声模型的BTV超分辨率重建
- 2
-
-
作者
李凌
-
机构
合肥工业大学计算机与信息学院
淮北职业技术学院计算机科学技术系
-
出处
《控制工程》
CSCD
北大核心
2017年第1期87-91,共5页
-
基金
安徽省科技计划(1206c0805039)
安徽省教育厅自然科学研究项目(KJ2013Z290)
-
文摘
超分辨率重建方法多基于单一噪声模型,而实际情况下图像可能同时受到多种噪声的干扰。为获得更加理想的图像超分辨率重建结果,提出一种基于Laplace-Gaussian混合噪声模型并结合双边总变分的超分辨率重建方法。首先根据噪声的广义似然比测试来判断系统的噪声分布模型,然后利用L1范数在突变区域较好地保持图像边缘信息特点及L2范数抑制图像平坦区域的噪声的优点,用自适应滤波核BTV正则化算法解决重建病态性反问题,最后进行超分辨重建。重建结果表明,相对于其他重建算法,本文算法提高了图像重建结果峰值信噪比,降低图像重建的误差,可以较好的平滑和保持图像边缘细节信息,同时加快图像重建的速度,可以满足重建的实时性要求。
-
关键词
图像超分辨率重建
混合噪声模型
总变分正则化
峰值信噪比
-
Keywords
Image super resolution reconstruction
hybrid noise model
bilateral total variation
peak signalto noise ratio
-
分类号
TN51
[电子电信]
-
-
题名基于改进高斯—拉普拉斯算子的噪声图像边缘检测方法
被引量：42
- 3
-
-
作者
代文征
杨勇
-
机构
黄河科技学院信息工程学院
华中科技大学计算机科学与技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2019年第8期2544-2547,2555,共5页
-
基金
国家青年科学基金资助项目(61502432)
河南省科技厅科技攻关计划资助项目(152102210001)
河南省人力资源与社会保障厅博士后项目(2014022)
-
文摘
针对现有梯度算子在图像边缘检测中存在的对噪声比较敏感的问题,提出了一种改进的高斯—拉普拉斯算子的边缘检测方法。噪声图像中的边缘检测是一项关键任务,然而目前常用的几种梯度算子,包括已经提出的高斯—拉普拉斯算子都没能取得理想效果。提出的方法对传统的拉普拉斯边缘检测算子作了改进,并与高斯滤波器相结合,应用高斯滤波器平滑图像,抑制噪声,再基于拉普拉斯梯度边缘检测器进行边缘检测。最后,在imagenet数据集中选取了10幅图像进行实验,将提出的高斯梯度边缘检测器与传统的边缘检测器进行比较。评估结果显示,提出的方法所获得的峰值信噪比(PSNR)高于对比算法,而均方误差(MSE)更小。实验结果表明,提出的方法在实际应用中能够有效提高噪声图像边缘检测的质量。
-
关键词
边缘检测
高斯-拉普拉斯
高斯滤波器
噪声图像
峰值信噪比
均方误差
-
Keywords
edge detection
Gauss-Laplace
Gauss filter
noise image
peak signalto noise ratio(PSNR)
mean square error(MSE)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
