【摘 要】
：
为了均衡水印的视觉不可见性与鲁棒性,解决数字多媒体产品的版权保护和内容认证问题,提出了一种基于结构森林边缘与尺度不变特征转换(SIFT)的鲁棒水印算法.首先,将彩色图像从
【机 构】
：
西安邮电大学通信与信息工程学院,陕西西安710121;电子信息现场勘验应用技术公安部重点实验室,陕西西安710121;西安邮电大学通信与信息工程学院,陕西西安710121
论文部分内容阅读
为了均衡水印的视觉不可见性与鲁棒性,解决数字多媒体产品的版权保护和内容认证问题,提出了一种基于结构森林边缘与尺度不变特征转换(SIFT)的鲁棒水印算法.首先,将彩色图像从RGB颜色空间转换到Lab颜色空间,并提取L分量的1024个SIFT稳定点作为水印的嵌入位置;然后利用训练好的随机决策森林模型提取图像边缘作为水印图像,对水印图像进行离散小波变换(DWT)得到低频子带,将低频子带划分成不重叠的子块,得到每个子块的最大值并利用Arnold变换进行加密.实验结果表明,所提算法具有良好视觉不可见性的同时,能够有效地抵抗剪切、斑点噪声、运动模糊等攻击,具有较好的鲁棒性,并且有效地保护了图像的原始边缘特征.
其他文献
基于深度学习的裂纹检测方法严重依赖大量的像素级标注信息,为此提出一种基于半监督学习的裂纹检测方法。该方法将多尺度模块引入到裂纹检测的网络模型中,仅利用小部分的像素级标注数据进行全监督训练。对于无标签数据,融合多种显著性区域检测方法生成伪标签,可以减少对像素级标注信息的依赖。在裂纹数据集上对改进网络进行实验验证,并与常用语义分割网络和弱监督实验基准从主观评价、精度、召回率和F1-score的角度进行
现有的深度学习方法在癌症的识别中仅利用深层特征,忽略了浅层网络输出保存的空域细节信息,从而导致识别精度不理想。为了进一步推进临床应用,协助医生提高乳腺癌病理诊断的一致性和效率,提出一种基于改进Inception-v3的图像分类优化算法,该算法通过模型改进、迁移学习对网络模型进行优化。对大型公开数据库病理学图像进行乳腺癌分类,对所提算法所改进的模型与现有的基于深度学习的图像分类模型进行了比较。实验结
在链篦机系统故障中,一种常见的故障为侧板偏移,当发生侧板偏移时,会造成严重事故和经济损失。针对人工观察检查为主的侧板偏移检测方法存在费时费力、智能化程度低等问题,提出了一种基于直线段检测(LSD)算法的侧板偏移检测方法。设计了包括硬件设备搭建和数据处理方式的整套检测方案,采用摄像机采集链篦机台车侧板图像信息,根据链篦机台车实际运行情况,设定链篦机台车侧板偏移检测规则,通过对采集的视频帧图像感兴趣区
点云配准和点云地理化是点云数据处理中的重要步骤,其中地理化是点云数据与其他地理空间数据集成的基础。静态地面激光扫描点云地理化中,基于最少混合控制基元的点云地理化研究较少,因此,提出了一种由1个点基元、1条线基元和1个面基元构成的混合控制基元解算点云地理化参数的方法。实验结果表明,本方法的地理化精度较高,且能快速直接解算地理化参数,从而为精地理化提供初值。
为了分析抛光过程中工艺参数对超快激光抛光硬脆光学材料表面的影响,基于超快激光与硬脆电介质材料的相互作用机理,根据超快激光抛光电介质材料的去除函数解析模型,建立与离