导读:本文包含了像素排序论文开题报告文献综述及选题提纲参考文献,主要关键词:图像处理,可逆信息隐藏,像素值排序,差分统计量
像素排序论文文献综述
张敏情,孔咏骏,彭菓玉,李天雪[1](2019)在《基于像素值排序的鲁棒可逆信息隐藏方法》一文中研究指出针对嵌入秘密信息后载体图像鲁棒性较低的问题,提出了一种基于像素值排序的鲁棒可逆信息隐藏方法.首先将图像划分为多个非重迭块,对块内像素值进行排序并计算相应复杂度,将其与阈值进行比较从而选取平滑的像素块进行信息嵌入.然后对平滑像素块进行二次划分,通过对划分后的排序差分统计量整体平移实现信息可逆嵌入.仿真结果表明,测试图像在4×4像素块划分下,嵌入容量达到4 096 bit时,峰值信噪比达到了41.54 dB,较传统基于像素对模型的鲁棒可逆方法减少了图像失真.测试图片经质量因子为100的压缩攻击后,平均峰值信噪比可达39.69 dB,平均误码率降至0.42%,对于JPEG压缩或者非恶意攻击造成的噪声微扰具有鲁棒性.8×8像素块划分下,测试图像在达到现有鲁棒方法嵌入容量基础上,存活率更低,抗压缩鲁棒性更好.(本文来源于《东南大学学报(自然科学版)》期刊2019年05期)
孔咏骏,张敏情,彭菓玉,涂广升[2](2019)在《基于像素值排序最值阶跃响应的可逆信息隐藏》一文中研究指出针对现有明文域可逆信息隐藏方案对于单个像素值修改过程中仅嵌入单比特秘密信息,提出一个基于像素排序值(pixel value ordering,PVO)阶跃响应的可逆信息隐藏方案。PVO对像素块排序后的最值进行预测和修改实现秘密信息的可逆嵌入,具有高保真的特性。利用PVO后的参考像素来确定高保真阶跃修改量,然后通过阶跃处理进行块内冗余像素的选择,最终通过排序序列与像素位置的映射关系来实现信息的嵌入。方案每修改单个像素值信息能够实现多比特秘密信息的嵌入,并且由像素排序确定得到的阶跃修改量能够保证信息提取后图像的无损恢复。经仿真实验验证,在达到同样嵌入容量要求条件下,研究结果较先前基于预测扩展处理的像素值排序方案能够大幅减少像素修改的数量,并且低负载条件下峰值信噪比性能指标得到显着提升。(本文来源于《科学技术与工程》期刊2019年24期)
李明飞,阎璐,杨然,刘院省[3](2019)在《基于Hadamard矩阵优化排序的快速单像素成像》一文中研究指出为提升单像素成像速度,提出了基于Hadamard矩阵优化排序的压缩采样解决方案.利用数值仿真和室外实验对提出的5种排序方法进行了对比分析.研究结果表明:按Haar小波变换系数绝对值排序时单像素成像效果最优,排序对应到Walsh序后可利用快速变换重建图像,速度达300帧/秒@64×64像素;最优排序下,采样率25%仍可重建图像,采样速度可提升4倍.针对排序方法与成像信噪比关系,从关联成像角度给出了其物理解释:测量基矩阵元邻域数值相等的区域面积等效于光场二阶相干面积,当光场二阶相干面积随测量基由大到小排序时成像效果最优.本文研究成果可用于提升单像素成像速度,具有实用价值.(本文来源于《物理学报》期刊2019年06期)
任克强,姚磊[4](2018)在《基于二次预测误差和像素排序的可逆图像水印》一文中研究指出为了提高可逆图像水印算法的性能,提出一种二次预测误差与像素排序相结合的可逆图像水印算法;该算法首先对像素进行二次误差预测;并利用相邻像素的误差值来确定其余像素的预测误差;然后采用局部复杂度对像素进行排序,以使具有较小误差值的像素被优先处理并进行数据嵌入;最后通过平移差值直方图生成零点间隙,利用冗余的零点间隙嵌入水印信息。实验结果表明,利用二次预测误差与像素排序技术,可以有效地提高像素的预测精度并降低图像失真;在相同的嵌入容量下,该算法嵌入水印后图像的PSNR比相关算法提高了1 dB左右,具有更好的不可感知性。(本文来源于《科学技术与工程》期刊2018年17期)
李天雪,张敏情,王建平,马双棚[5](2018)在《基于像素值排序的可逆信息隐藏算法》一文中研究指出针对嵌入秘密后灰度图失真明显的问题,提出一种基于像素值排序(PVO)的可逆信息隐藏算法。首先,将像素分成灰、白两层,选择灰层的像素作为目标像素,对目标像素十字交叉位置上的4个白色像素进行排序;然后根据排序结果计算两端两个像素的均值和中间两个像素的均值,利用可逆约束实现像素的动态预测;最后,根据预测结果构造预测误差直方图(PEH),使用环形复杂度实现秘密数据的自适应嵌入,并用同样的方法处理白色层像素。利用USC-SIPI标准图像库中6幅图像进行仿真实验,当嵌入容量(EC)为10 000 b,平均峰值信噪比(PSNR)为61.89 d B时,该算法能有效减小携密图像的失真。(本文来源于《计算机应用》期刊2018年08期)
张海滨[6](2018)在《基于像素值排序的可逆水印研究》一文中研究指出随着数字内容的生成,存储和通信技术的进步,在过去的二十年里,数字信息的安全性问题受到了越来越多的关注。数字水印是用于篡改检测和数字内容保护的有效解决方案之一。由于能够精确地恢复数字载体以及提取出嵌入数据,可逆数字水印已经成为数据隐藏的一个重要分支,并已被应用于许多质量敏感的领域,如医学成像,遥感和军事。在现有的诸多可逆水印方案中,基于像素值排序(PVO)的可逆水印方案由于其块内像素的紧密相关性取得了在中低嵌入容量下的优异表现。在这种方法中,只有分块中像素最大和最小的像素点被预测和修改以嵌入数据,而像素值排序的不变保证了可逆性。此外,还测量了像素块的复杂度以实现嵌入单元的选择以提高性能。通过对现有相关方案的研究与学习,本文提出了一种基于梯度复杂度的像素值排序(PVO)可逆水印方案。该方案首先对图像进行预分块处理,将图像以两种不同大小的分块方案进行分块,分别计算大小两种分块的梯度复杂度,使用大尺寸分块的复杂度数据来对较小尺寸的分块进行辅助排序,优化嵌入顺序。然后通过计算各分块的梯度复杂度大小,来动态的选择不同的嵌入分块大小。梯度复杂度越低表示着该分块所处的区域越平滑,因此使用较小的分块来提高嵌入容量,位于较粗糙区域的分块则使用较大的分块来保证预测准确性,从而实现动态分块策略,更好的利用到图像的冗余信息。最后,通过构建预测精确度矩阵(PAM)来对不同嵌入容量下的最佳嵌入阈值组合进行迭代,大幅减少了算法的时间复杂度。本文提出的算法是针对灰度图像在中低嵌入量情况下的可逆水印算法。通过实验仿真验证了该算法在不同嵌入容量下,相比现有算法均有着明显的性能提升。同时通过对该算法和传统方案运行时间的统计分析,论证了提出的算法在时间复杂度上的优化,大幅减少了动态分块策略中阈值迭代的耗时。本文提出的算法对于在中低嵌入容量下的可逆水印算法的性能提升有着重要的意义。(本文来源于《西安电子科技大学》期刊2018-04-01)
李蓉,李向阳[7](2017)在《图像分区选择的像素值排序可逆数据隐藏》一文中研究指出目的基于像素值排序(PVO)的数据隐藏算法因其高保真的优越性受到广泛重视,并不断得到改进。本文提出一种图像分区选择思想,以进一步充分利用图像的嵌入空间,改善PVO算法的嵌入性能,提高载秘图像的信噪比。方法原始PVO算法通常采用预测差值"1"进行数据隐藏,对平滑像素组有较好的利用率和隐蔽性,而对毛躁像素组隐秘性能明显下降,算法性能与图像像素分布情况密切相关。本文在PVO算法基础上提出图像分区选择的思想,首先,将原始图像分为若干区域,然后按移位率从小到大的顺序依次选择图像区域;其次,在每个区域中选择合适的嵌入预测误差;最后,按顺序在被选区域利用该区域的最优嵌入差值完成信息嵌入。结果假设将图像划分为8×8个区域,对本文算法与原始PVO算法进行比较,当嵌入量为1×10~4bit时,Elaine图像的移位率由81.59%降为74.40%,载秘图像的峰值信噪比(PSNR)值由55.388 2提高为56.996 9,提高了1.608 7,采用其他图像并就不同嵌入量进行实验,各图像PSNR值均表现出不同程度的提高。其次,将图像分别划分为2×2、4×4、8×8、16×16个分区,当嵌入量为1×10~4bit时,Lena图像PSNR由原始PVO的59.204 6逐渐增加至60.846 9,其他图像在不同嵌入量时PSNR均随着分区数的增加而有不同程度的提高。结论本文提出的基于图像分区选择的改进PVO算法,可根据像素分布情况增加对嵌入空间的利用,在相同嵌入量情况下,改进后的算法能够获得更高的PSNR值;在一定分区数量条件范围内,分区数量与图像PSNR值表现出正相关性,随着分区数量的增加,图像PSNR值随之增加;本文方法在一定程度上改善了嵌入容量,弥补了因分区数量增加带来的辅助信息增加的问题。(本文来源于《中国图象图形学报》期刊2017年12期)
何文广,熊刚强,周珂,蔡洁[8](2018)在《基于改进像素排序预测的大容量可逆数据隐藏》一文中研究指出基于像素排序的误差扩展方法能实现高保真度的可逆数据隐藏,但嵌入容量较小。针对这一问题,Qu等人提出了以像素为单位的像素排序方法,即使用排序后的上下文像素来预测目标像素。尽管在嵌入容量上实现了较大突破,但Qu算法单一的嵌入策略不能充分利用平滑区域的数据冗余。考虑到以像素为单位的像素排序方法避免了嵌入像素定位问题,提出进一步划分目标像素,并相应地提出了新的基于方向编码的嵌入策略和两轮嵌入式的数据嵌入方案。平滑区域的目标像素预测准确率高,通过双向修改该类像素实施数据嵌入能使得嵌入容量增幅达50%,这意味着后续嵌入操作仅需更少量的非平滑区域目标像素,因此算法可以采用更小的区域复杂度阈值以提高预测准确率。实验结果表明该工作不仅进一步稳固了Qu算法在嵌入容量上的优势,并且有利于提高嵌入图像保真度。与现有基于像素排序的误差扩展方法相比,该算法在多数情况下能取得更优的嵌入图像保真度。(本文来源于《计算机应用研究》期刊2018年01期)
唐贵华[9](2016)在《基于密度排序聚类和超像素分割的高光谱遥感影像降维方法研究》一文中研究指出由高光谱传感器在不同的光谱波长对某一空间区域同时成像获得的高光谱影像包含丰富的高级语义信息,这使得高光谱遥感影像在地物分类和识别领域获得极为广泛的关注。目前,高光谱遥感技术在军用和民用各个领域都发挥了重要作用。然而,由于在实际情况中很难获得足够标签的训练样本,高维波段特征不可避免会导致“维度灾难”(也称为Hughes现象)的问题,因此需要对高光谱图像进行降维处理。波段(或特征)选择方法和特征提取作为重要的降维方式经常应用于高光谱图像处理。传统波段方法主要包含两大类:基于排序的波段选择方法和基于聚类的波段选择方法。前者对所有波段通过使用不同尺度(如非高斯)然后赋以权值再进行排序后选择波段;后者采用聚类的思想选择波段,将聚类中心作为代表性的波段。两种方法的思想不同但具有互补的优势,因此结合使用这两种方法的互补优势共同完成波段选择任务是十分有利的。本文提出了一种排序聚类的高光谱波段选择方法,称其为基于排序聚类(简称E-FDPC)方法。此外,还重点研究了基于熵率(ERS)的超像素分割信息用于特征提取的方法。本文的创新点包含以下几个方面:首先,本文从两方面改进了原始快速密度聚类(FDPC)的方法来实现高光谱图像波段选择,一方面,通过引入权重信息对聚类过程中的局部密度以及最小类间距离两个参数进行控制以适用于连续波段分析;另一方面,使用一种基于指数级的学习规则进行截止阈值参数调整以适应不同数目的波段,这将使得选择的波段更具代表性。其次,提出了一种有效的自动检测最优数量波段的“孤立点停止策略”,该策略的思想是当出现聚类中心只有一个孤立点时,波段选择过程结束,可以作为在选择波段的适当数量的一个合理的指标,从而可以实现分类精度和维数降低之间的平衡。最后,提出了一种基于熵率(ERS)的超像素分割的特征提取的方法应用到高光谱图像降维中,相比于原始像素的特征和简单线性迭代聚类(SLIC)超像素分割的特征提取,能够获得良好的分类特征,提升了特征集的鉴别能力。(本文来源于《深圳大学》期刊2016-06-30)
朱晓林,蔡勇,张建生[10](2012)在《基于像素链排序的直线绘制算法》一文中研究指出针对直线生成算法在直线斜率大于0.5时的低效率问题,提出一种基于像素链排序的直线绘制算法。将直线看做是由许多条平行像素链或对角像素链拼接而成,利用逆向生成直线的类Bresenham算法求得各像素链的长度,通过Bresenham算法生成相应直线的位移码对各像素链进行排序,一次判断生成一条像素链。仿真实验表明,基于像素链排序的直线绘制算法生成的直线与Bresenham算法生成的直线精度一致,且计算量显着减少。该算法只有加法和乘法两种整数运算,适合硬件实现,其绘制速度是Bresenham算法的4倍。(本文来源于《计算机应用研究》期刊2012年03期)
像素排序论文开题报告
(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:
针对现有明文域可逆信息隐藏方案对于单个像素值修改过程中仅嵌入单比特秘密信息,提出一个基于像素排序值(pixel value ordering,PVO)阶跃响应的可逆信息隐藏方案。PVO对像素块排序后的最值进行预测和修改实现秘密信息的可逆嵌入,具有高保真的特性。利用PVO后的参考像素来确定高保真阶跃修改量,然后通过阶跃处理进行块内冗余像素的选择,最终通过排序序列与像素位置的映射关系来实现信息的嵌入。方案每修改单个像素值信息能够实现多比特秘密信息的嵌入,并且由像素排序确定得到的阶跃修改量能够保证信息提取后图像的无损恢复。经仿真实验验证,在达到同样嵌入容量要求条件下,研究结果较先前基于预测扩展处理的像素值排序方案能够大幅减少像素修改的数量,并且低负载条件下峰值信噪比性能指标得到显着提升。
(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。
像素排序论文参考文献
[1].张敏情,孔咏骏,彭菓玉,李天雪.基于像素值排序的鲁棒可逆信息隐藏方法[J].东南大学学报(自然科学版).2019
[2].孔咏骏,张敏情,彭菓玉,涂广升.基于像素值排序最值阶跃响应的可逆信息隐藏[J].科学技术与工程.2019
[3].李明飞,阎璐,杨然,刘院省.基于Hadamard矩阵优化排序的快速单像素成像[J].物理学报.2019
[4].任克强,姚磊.基于二次预测误差和像素排序的可逆图像水印[J].科学技术与工程.2018
[5].李天雪,张敏情,王建平,马双棚.基于像素值排序的可逆信息隐藏算法[J].计算机应用.2018
[6].张海滨.基于像素值排序的可逆水印研究[D].西安电子科技大学.2018
[7].李蓉,李向阳.图像分区选择的像素值排序可逆数据隐藏[J].中国图象图形学报.2017
[8].何文广,熊刚强,周珂,蔡洁.基于改进像素排序预测的大容量可逆数据隐藏[J].计算机应用研究.2018
[9].唐贵华.基于密度排序聚类和超像素分割的高光谱遥感影像降维方法研究[D].深圳大学.2016
[10].朱晓林,蔡勇,张建生.基于像素链排序的直线绘制算法[J].计算机应用研究.2012