【摘 要】
：
为了提高水印的不可见性和鲁棒性,设计了基于三维轴距的水印算法.首先利用计算鬼成像加密技术对原水印图像进行加密;然后在三维直方图的基础上定义图像的三维轴距,求得轴距最大时所有像素点的集合;最后借助粒子群优化算法,在集合中找到最好的点作为水印嵌的位置.不可见性和鲁棒性仿真实验结果表明,基于三维轴距的水印算法是有效性的.
【机 构】
：
吉首大学信息科学与工程学院,湖南吉首416000;洛阳师范学院国土与旅游学院,河南洛阳471934
论文部分内容阅读
为了提高水印的不可见性和鲁棒性,设计了基于三维轴距的水印算法.首先利用计算鬼成像加密技术对原水印图像进行加密;然后在三维直方图的基础上定义图像的三维轴距,求得轴距最大时所有像素点的集合;最后借助粒子群优化算法,在集合中找到最好的点作为水印嵌的位置.不可见性和鲁棒性仿真实验结果表明,基于三维轴距的水印算法是有效性的.
其他文献
研究了二三混水平设计在可卷型L2-偏差下的均匀性,获得了可卷型L2-偏差的一个新的下界.
本文基于非结构化数值模型研究了普兰店湾的水动力特征,耦合输移扩散模型研究不同修复方案对水交换的影响.模拟得到:普兰店湾内涨落潮流向与岸线走向一致,池梗拆除增加15％的水域面积,提升了10％的海湾纳潮量.方案一工程后池梗高程较低,滩涂漫滩及干出流场较为均匀;方案二工程后池梗相对较高,池梗之间流速较大,滩涂流场较为杂乱.工程前湾中水体半交换时间为0～70天左右,湾底区域在70天以上,方案一工程实施后,湾中半交换时间降至50天,方案二降至60天;工程前湾内平均半交换时间为36.8天,方案一下降至24.0天,方案
研究了完备的锥b-度量空间中广义压缩条件下4个映像的公共不动点问题.通过构造单调迭代序列,并利用迭代方法和映像的相容性,证明了几个公共不动点存在唯一性定理,推广了锥度量空间和b-度量空间中的有关结果.
通过标定板对鱼眼镜头成像模型参数进行标定,建立了特定鱼眼镜头图像校正模型,并应用该模型对鱼眼图像进行校正.利用双三次插值方法对鱼眼图像非特征点进行插值,校正效果良好,解决了鱼眼镜头所成影像的畸变问题,能较好地应用于视觉导航与监控领域.具体做法是:(1)利用自制的平面标定板标定鱼眼图像;(2)通过标定之后的镜头畸变参数,利用双三次插值算法将畸变的鱼眼图像还原为满足人眼视觉效果的透视图像.
根据Bs-矩阵的特殊结构和性质,利用严格对角占优M-矩阵的逆的无穷大范数范围,结合不等式的放缩技巧,改进了Bs-矩阵线性互补问题的误差界估计式.理论分析和数值算例均验证了新估计式的有效性.
根据隐形传态过程和经典信息传榆特点,以通信双方为研究对象,设计了多对纠缠粒子隐形传态网络传输流程.为了保证传输是可靠的,运用量子克隆机进行量子态的复制与备份,再进行信息传输.考虑到在量子信道中第三方无法直接监控量子信息,设计了第三方在数据链路层中计算数据帧比特数的方法和在网络层接收IP数据报的方法,间接实现了对用户的监控,同时解决了国安局对于信息安全传输的用户监控问题和电信公司对于用户通信时间、通信流量的收费问题.
河口是连接陆地和海洋的关键通道,每年地表径流通过河口向陆架边缘海输入大量溶解无机碳,导致其碳源汇格局发生改变.本文分析了渤海夏季28条入海河流关键碳循环参数分布特征,估算了主要入海河流夏季溶解无机碳直接输入通量,莱州湾、辽东湾及渤海湾的溶解无机碳直接输入通量分别为0.66 TgC、0.44 TgC、0.17 TgC,直接汇入莱州湾的溶解无机碳通量超过50％,主要贡献来自黄河,另外,汇入辽东湾的大辽河及双台子河贡献了渤海河流溶解无机碳直接输入通量的20％.
针对台灯的个性化和智能化,设计了一套基于蓝牙的多功能台灯控制系统.首先用光敏传感器检测光照强度,用红外感应传感器检测是否有人,用超声波传感器检测使用者与台灯之间的距离,然后将这些检测信号传输到单片机,单片机将信号与设定值进行对比分析,再判断台灯的开/关状态,调节灯光亮度,对使用者的坐姿和使用时间作出语音提醒等.同时,相应参数实时显示在OLED屏和蓝牙终端,使用者通过蓝牙终端可以对台灯进行控制.与蓝牙的联机测试结果显示,系统功能强大,运行稳定.
针对植物生长环境温湿度监控难的问题,设计了一款可以远程实时监控空气温湿度和土壤湿度的系统.该系统采用STM32F103C8T6单片机作为微处理器,通过温湿度传感器采集空气温湿度和土壤湿度,再利用Wi-Fi模块将采集的数据上传到手机端,手机端App将数据传送到云端服务器,从而实现环境温湿度远程实时监控.仿真实验结果显示,监控系统实时性强、智能性高,符合农业生产中植物生长环境温湿度控制要求.
为了能利用单一传感器在跌倒撞击前实时检测出跌倒即将发生,结合支持向量机(SVM)和阈值法设计了一种自适应跌倒前实时检测方法.实验结果表明,该方法能在跌倒撞击前实时检测出跌倒即将发生,且比人工阈值法和SVM方法有更长的间隔时间,比SVM方法有更高的召回率和特异度.