【摘 要】
：
科技的日新月异使得人与人之间的交流越来越便利,人们在享受信息交流便捷的同时,信息泄露也日益严重。例如,信息通过网络时被肆意复制、篡改以及恶意传播,这对信息安全构成了严重威胁。作为多媒体信息安全的重要技术手段,数字水印技术在版权保护方面扮演着重要角色。为进一步提高数字水印算法的抗几何攻击能力,本文提出了两种抗几何攻击的水印算法。论文主要研究工作如下:基于混沌序列加密算法、双树复小波变换和离散余弦变换
论文部分内容阅读
科技的日新月异使得人与人之间的交流越来越便利,人们在享受信息交流便捷的同时,信息泄露也日益严重。例如,信息通过网络时被肆意复制、篡改以及恶意传播,这对信息安全构成了严重威胁。作为多媒体信息安全的重要技术手段,数字水印技术在版权保护方面扮演着重要角色。为进一步提高数字水印算法的抗几何攻击能力,本文提出了两种抗几何攻击的水印算法。论文主要研究工作如下:基于混沌序列加密算法、双树复小波变换和离散余弦变换,设计了一种抗几何攻击的水印算法。算法采用混合光学双稳模型的混沌序列加密算法和Arnold变换对水印图像进行预处理,并将其划分成256个大小为4×4的矩阵,对每一小块矩阵执行离散余弦变换,并选择较稳定的中频系数重构成大小为16×16的矩阵。水印嵌入过程中,对宿主图像进行3层双树复小波变换分解,提取其低频子带进行类似的分块和重组矩阵等操作,并通过修改宿主图像的对角矩阵实现水印的嵌入。实验结果表明此水印方案具有良好的不可见性,能够抵抗旋转、缩放和噪声等攻击。结合非下采样剪切波变换、Harris-Laplace特征点检测和模糊C均值聚类算法提出了一种抗几何攻击的强鲁棒性水印算法。为增强水印算法的鲁棒性,该算法利用Harris-Laplace检测技术提取图像的特征点,并采用模糊C均值聚类算法分类出无特征点重叠或交叉的特征区域。水印嵌入过程中,利用非下采样剪切波变换对宿主图像进行分解,选择分解后的低频子带作为水印的嵌入区域。采用奇异值分解提取水印图像和特征点区域的对角矩阵,并通过加性规则实现水印的嵌入。在所提取的水印图像中,选择有较强鲁棒性的水印图像作为最终提取结果。实验数据表明该算法在抵抗几何攻击时具有良好的鲁棒性。
其他文献
穿墙雷达凭借其穿透非金属建筑材料的能力,可在非接触和非破坏性的条件下实现对墙后或封闭室内隐蔽目标的探测、定位及成像,广泛用于民用及军事等领域。然而,墙体反射所产生的强杂波会掩盖墙后目标的反射信号,影响目标成像精度和检测性能,此外现有的穿墙雷达成像方法在模型建立和优化求解过程中存在计算代价高、人工干预过多以及成像精度低等问题。因此本文将雷达稀疏成像的优化求解策略展开到深度网络结构中,采用端到端学习策
无人机（Unmanned Aerial Vehicle,UAV）技术发展迅速,其应用成本也在不断降低,在无线通信领域,无人机可搭载多种通信设备如小基站、传感器、接收机等形成无人机通信,是新一代空天地一体化通信的重要组成部分。无人机通信具有可在空中灵活部署,3D可移动性,飞行高度足够高且与地面节点产生更高概率的视距（Line of Sight,Lo S）链路等优势,因此无人机通信已经成为当前的研究热
电磁逆散射问题研究的是根据测量到的散射场重构成像空间内介质目标的几何信息和电性能参数的空间分布。由于其固有的非线性和病态性,且随着对比度的升高和信噪比的降低其非线性和病态性显著增强,导致了求解电磁逆散射问题成为了挑战。传统优化方法可以很容易将逆散射领域知识纳入其中,并通过最小化目标函数来解决计算数据与测量数据之间的不匹配问题,进而迭代地获得良好的重构结果。然而,由于非线性迭代本质,该方法存在如何选
腔光力学的发展伴随着物理学和信息学的进步,作为量子力学重要组成部分的腔光力学是研究光力相互作用的有效平台,腔光力学在基础物理研究、量子信息学等领域都有着广泛的应用前景,然而以上的应用都有着一个重要的前提是需要机械振子处于量子基态。随着材料科学和纳米技术快速发展,许多具有高品质因子的腔光力学系统不断被提出,但依然存在着一些限制。例如系统固然存在的内部耗散、耦合环境热库的热噪声以及量子反作用力引起的系
无人机作为中继辅助无线通信已广泛应用于各类覆盖增强场景,由于无线通信自身的广播特性,信息在传播过程中会面临窃听、篡改等威胁。与传统的密码学方案相比,低复杂度的物理层安全（Physical Layer Security,PLS）技术在无线通信领域受到了更为广泛的关注。针对无人机中继网络,现有的物理层安全研究主要是降低外部窃听者的窃听速率。实际上,无人机中继网络通常是异构网络,无人机与原有的用户终端在
滑坡预测与预防是一个世界性的难题,近十几年来,随着人工智能的快速崛起,机器学习已被广泛应用于滑坡易发性预测。但是由于滑坡特征通常不相关或非线性相关,以及传统机器学习模型存在泛化能力弱、特征提取不充分等问题,导致基于机器学习的滑坡易发性预测模型存在一定的局限性。深度学习凭借其学习能力强、覆盖范围广、适应性好等特点已被广泛应用于智慧医疗、智慧城市、智慧交通、网络安全等诸多领域。本文提出了基于长短时记忆
旋转机械是工业设备中的核心组件,而滚动轴承是旋转机械中最为常见的关键运动部件,滚动轴承故障轻则影响正常生产,重则产生重大生产安全事故。因此及时、准确地进行滚动轴承故障诊断具有重要意义。本文以滚动轴承为研究对象,针对基于波形的卷积神经网络（Convolutional neural network,CNN）特征提取效果不佳和训练耗时过长的问题,提出了基于小波核卷积神经网络-极限学习机（Wavelets
单像素成像是一种基于压缩感知理论的计算成像方法,因其具有灵敏度高,信噪比大等优良特性,被广泛应用于荧光显微、光谱成像和生物医学成像等多个领域。将光子计数技术与单像素成像技术结合,能够实现更高灵敏度、低成本的单光子压缩成像。用于单光子压缩成像的传统图像压缩重建算法往往具有极高的计算复杂度,且在微弱光环境下,噪声的存在会带来图像重建质量的大幅度下降,而将深度学习与单光子压缩成像相结合是解决这一问题的有
发生交通事故或车辆行驶途中发生故障时,通常需要在事故车辆后方的一定距离摆放三角警示牌,用于提醒后方车辆小心驾驶,避免后方车辆反应不及时引发二次交通事故。但三角警示牌存在许多不尽人意的地方,比如:晚上可视距离太短、易被大风刮走、摆放过程中有发生二次事故的危险等。设计研制新的警示机器人取代三角警示牌,对于保证车辆交通安全具有重要意义。论文提出了一种解决方案,研发了一种基于物联网的交通警示机器人系统,与
随着电商行业的迅猛发展,电商评论文本数据呈爆炸式增长。电商评论文本是用户用来表达个人对电商商品的情感文本,包含着用户对评论对象的情感信息,具有数量多,文本短小,表达的情感丰富等特点,是电商平台、商家和潜在用户决策的重要依据。因此,如何高效科学地从海量电商评价文本准确挖掘并能反映用户情感倾向的信息,已经成为电商平台、用户和商家科学决策亟待解决的问题。传统基于词典的评论文本情感分析受制于情感词典的质量