多聚焦图像融合作为一种有效的信息融合方法,在图像处理和计算机视觉领域引起了越来越多的关注。提出了一种基于离散Walsh-Hadamard变换(DWHT)和引导滤波的多聚焦图像融合算法。首先,提出了一种新的聚焦区域检测方法,该方法运用DWHT并计算L1范数得到初始决策图;然后,运用数学形态学方法和引导滤波优化生成最终决策图;最后,由像素加权平均规则和最终决策图得到融合图像。为验证所提算法的有效性,选择3组研究中普遍使用的多聚焦图像进行实验,并将该算法运用于实际应用中采集到的2组多聚焦序列图像,与其余几种算法相比,所提算法在主观定性分析和客观定量评价指标上均表现出明显的优势。实验结果表明,与其他多聚焦图像融合算法相比,所提算法能更有效地从源图像中提取聚焦区域,增强融合图像的细节保留能力和空间连续性。

设计了基于可逆Walsh-Hadamard变换与预测误差扩展的图像水印算法。将载体图像分割为4×４的非重叠子块, 引入Walsh-Hadamard变换, 对每个子块进行处理, 得到其域Hadamard, 提取其直流分量与交流分量系数;基于Adaline神经网络, 确定一个准确的预测系数, 构建线性预测函数, 计算每个交流系数的误差;对交流系数误差完成二进制表示, 根据水印信息对误差进行扩展;考虑像素的溢出或下溢问题, 从所有子块中指定一个平滑扩展块, 通过设计水印嵌入方法, 将水印信息嵌入到扩展块中, 再借助Walsh-Hadamard逆变换, 输出水印图像;构建水印提取机制, 从水印图像中提取初始水印信息。实验结果显示: 与当前水印图像相比, 所提算法具有更高的不可感知性与更低的失真度。