一种多传感器图像融合和双水印算法.docxVIP

一种多传感器图像融合和双水印算法 1 小波变换图像融合 多传感器图像整合是为了集成来自同一场景的多个源图像信息而进行的。多光谱图像和全色图像的融合图像具有较高的空间细节表现能力并且保留了多光谱图像良好的光谱特性。目前, 基于小波变换的图像融合算法是多传感器图像融合领域中常用的算法, 小波变换融合方法能够比较好地保留多光谱图像的光谱信息, 但小波分解只能对低频信号进行, 其融合图像的纹理细节不丰富, 会产生比较严重的方块效应。针对小波变换在图像融合时的缺陷, 本文将小波包变换应用于图像融合。小波包变换继承了小波变换的优势, 弥补了小波变换的不足, 小波包变换对图像的高频部分能够实现更加精细的分解 图像作为信息表达的主要方式, 图像信息安全是现在信息安全技术研究的焦点。数字水印作为常用的信息安全技术 2 多光谱和全色图像的融合和数字水印技术 本文利用HIS、WPT和离散余弦变换 (DCT) 对多光谱和全色图像进行融合和水印加密, 提出了一种WPT域内基于区域能量和DCT变换的多光谱和全色图像融合和数字水印技术。 2.1 多光谱图像融合变换方法 IHS (Intensity, Hue, Saturation) 表示强度、色调和饱和度, IHS彩色空间变换是指将RGB (Red, Green, B1ue) 空间的图像分解成空间信息 (I ) 和光谱信息 (H, S) , HIS变换是基于IHS色彩模型的融合变换方法 其中: 2.2 图像小波包分解 对图像进行小波包分解是对图像依次按行和列采用低通滤波器和高通滤波器进行滤波, 然后进行相应下采样, 在用小波包对图像进行分解时, 不仅要对每次分解后得到的低频图像继续进行分解, 而且需要对每次分解后所得到的高频图像继续进行分解。图1 为三级小波包完全分解树型图, 表明了图像小波包分解过程。 通过一次小波包分解, 图像被分解为4个子带图像 (图1中所标注的数字0, 1, 2, 3是相应各级子带在树中的结点值) :LL1 为水平和垂直方向的低频子带图像, LH1为水平方向的低频和垂直方向的高频子带图像, HL1为水平方向的高频和垂直方向的低频子带图像, HH1为水平和垂直方向的高频子带图像。如果分别对4个子带图像再进行进一步小波分解, 又可得到各自更低分辨率的4 个子带图像。对图像进行小波包分解时, 不论是对低频子带图像还是高频子带图像, 小波包都进行分解并得到与之相应的一个低频分量和3个方向的高频分量, 并且每个分量为子带图像大小的1/4。图像的L级小波包分解包括一个逼近子图和若干细节子图。 对多光谱图像的I分量和全色图像进行三级小波包分解, 如图2所示, 图中所标注的数字是相应各级子带在树中的结点值, 分别得到64个子带图像, 包括一个逼近子图 (结点数为21) 和63 个细节子图。逼近子图和细节子图的低频子带共有28个 (阴影部分) , 细节子图的高频子带共有36个 (非阴影部分) 。 图2中, 28个逼近子图和细节子图的低频子带能够反映源图像大致轮廓, 36个细节子图的高频子带更多反映源图像的细节信息, 所以对这两部分采用两种不同的融合准则进行融合。 在第三级小波包分解的逼近子图和细节子图的低频带区域共28个子带, 采取基于区域平均能量加权算法融合准则1进行融合;在第二级小波包分解细节子图的高频带区域共9个, 采取绝对值取大的融合准则2进行融合。待融合图像小波包分解融合子带选择如图3所示, 图中阴影部分是第三级小波包分解在树中的结点值, 非阴影部分是第二级小波包分解在树中的结点值。 (1) 融合准则1实现过程如下: 设待融合图像为I 其中, 加权系数α和β定义如下: (2) 融合准则2实现过程如下: 设待融合图像为I 然后对融合后的逼近子图和各细节子图加入水印, 最后进行小波包逆变换, 得到加水印融合图像的高分辨率I′分量, 利用HIS逆变换得到具有光谱特性的高分辨率加水印融合图像。 2.3 鲁棒性的不可视性 小波包分解的细节子图是图像的高频区域, 反映图像的边缘和纹理细节, 在此嵌入的水印不容易被人眼察觉, 具有良好的不可视性, 但对图像有损压缩等图像处理鲁棒性弱。逼近子图聚集了图像的绝大多数能量, 是图像的低频区域, 在此部分嵌入的水印鲁棒性较高, 信息不易丢失, 但是低频部分反映图像的平滑区域, 嵌入水印容易影响图像的质量, 不可视性较弱。结合上述两点的不同, 文中采用两种方法在融合图像小波包分解的高频带区域和低频带区域分别嵌入一个水印 2.3.1 水印信号的同化 (1) 用密钥S产生具有高斯正态分布N (0, 1) 的随机实数序列构成的水印信号W= {ω (2) 对融合图像F 式中, (3) 对融合图像F 式中, 2.3.2 水印嵌入位置dt (1) 用密钥S产