基于JPEG图像的信息隐藏检测算法研究

提出了一种可靠检测出隐藏在JPEG图像中秘密信息的隐藏检测算法.该算法通过对JPEG图像的LSB隐藏算法分析,运用χ2(卡方)统计分析的数理方法,不仅可以有效的检测出隐藏在图像中秘密信息的存在性,而且还能估计出嵌入秘密信息的位置.经仿真实验表明,该算法检测效率高,易于实现.     

一种新的JPEG图像的空域水印算法

提出了一种新的基于JPEG图像的空域水印算法.该算法采用随机位平面替换方法,选用二值图像作为待嵌入水印.水印嵌入过程是先对载体图像JPEG解码,然后根据密钥选择位平面进行替换;提取过程采用统计检测方法,进行水印盲提取.实验结果表明,本算法可有效地实现JPEG图像的空域水印嵌入和盲提取,具有较高的安全性和不可见性,对于剪切攻击具有较好的鲁棒性.     

适用于大规模网络的全源最短路径重优化算法——RASP算法

为提升大规模网络全源最短路径的求解效率,基于重优化理论提出了一种快速的精确全源最短路径求解方法——RASP(reoptimization-based all-pairs shortest path)算法.分析了异源最短路径树间的相关性和差异性;在已知单源最短路径树的基础上,基于重优化理论实现了异源最短路径树间的高效转换,进而得出高效求解全源最短路径的RASP算法;理论证明RASP算法的时间复杂度为O(3n~2+2nm).实验测试表明:无论是在稀疏还是稠密网络上,RASP算法都能有效地超越Floyd算法、n次Dijkstra算法及其改进算法.     

基于LSSVM的JPEG图像隐写分析算法

构造了一种基于最小二乘支持向量机的针对JPEG图像的隐写分析方法，在DCT域和空间域上提取了JPEG图像的18维特征向量，利用LSSVM构建分类器，并根据嵌入算法的种类设定分类器的输出，以达到检测秘密信息的存在性和判别使用何种隐写算法实施信息嵌入的目的，针对Jsteg，F5，MB三类最常用的JPEG图像隐写算法进行了二分类和四分类的实验，结果表明，构建二分类器进行载密图像检测时，正确率较高；构建多分类器检测载密图像、判断其使用的隐写算法时，对于高嵌入量的载密图像有着较高的判断正确率。     

多尺度的图像显著性检测方法

为了提高显著性检测算法的准确性与鲁棒性,提出了一种基于多尺度融合的对象显著性检测方法.首先对图像进行平滑处理,过滤掉图像中的高频噪声特征,然后对图像进行尺度划分并分别采用不同的方法对不同尺度上的图像检测其显著性,最后根据条件随机场理论对不同尺度上的显著性检测结果进行加权融合,得到最终的显著性检测结果.在两种公共数据集上与多种经典算法进行定性、量化比较,结果表明该算法具有更好的表现.     

抗JPEG压缩的图像篡改恢复半脆弱数字水印算法

基于JPEG压缩的特性,设计并实现了一种抗JPEG压缩的半脆弱数字水印算法,用于图像内容完整性认证,篡改定位和恢复.在嵌入方,将恢复水印信息重复嵌入到原始图像所有像素的2 bit最低有效位;认证水印利用图像块的DCT变换系数和混沌迭代系统生成,并选择DCT变换的中频系数之间的关系实现嵌入.实验结果表明,该算法具有很好的抵抗JPEG压缩的能力,对局部发生的篡改可以有效地检测、精确定位并进行内容恢复.     

注意力融合双流特征的局部GAN生成人脸检测算法

为解决现有局部生成式对抗网络(GAN)生成人脸检测算法在检测经过后处理的图像时性能严重下降的问题，提出一种注意力融合双流特征的局部GAN生成人脸检测算法.该算法利用双流网络分别从RGB颜色空间和YCbCr颜色空间中提取鲁棒特征，并引入注意力特征融合模块在不同网络层上融合双流特征以获得更鲁棒的特征.同时采用多层次特征融合决策提高网络对局部生成区域特征的提取和辨别能力.实验结果表明，所提算法的鲁棒性优于现有算法，尤其是针对JPEG压缩和双边滤波后处理.在FFHQ+规则子集上与次优算法相比，该算法在3种强度的JPEG压缩和双边滤波上的平均准确率分别提高了1.88%和2.64%;在FFHQ+不规则子集上与次优算法相比，该算法在3种强度的JPEG压缩和双边滤波上的平均准确率分别提高了2.85%和1.60%.     

基于JPEG图像的改进小波变换信息隐藏算法

利用小波多分辨率分析技术,提出一种基于JPEG图像的改进小波变换信息隐藏算法.信息嵌入时,该算法在JPEG图像上使用YCb Cr颜色空间变换进行二维小波分解和重构,保证了嵌入后的图像不失真.验证试验表明:在嵌入容量相同的情况下,改进算法比原算法具有更好的鲁棒性,可以做到图像的无损恢复.     

基于流行排序的显著性检测改进算法研究

图像显著性检测是从单幅图像中检测出最突出的部分,由于现有的显著性检测算法只考虑了单尺度的问题,本文提出一种线性加权图融合的显著性检测算法。该算法首先利用超像素分割算法对图像进行多尺度分割,然后利用线性加权融合算法,得到最终的显著图。在数据集ASD和ECSSD上与当前流行的8种检测算法进行实验比对,结果表明,本文算法能获得更优的F-measure值和精确度,而且可以获得更加均匀准确的显著图。     

一种用于车辆最短路径规划的自适应遗传算法及其与Dijkstra和A*算法的比较

提出了一种自适应遗传算法,并成功应用于车辆最短路径规划算法中. 所采用的编码方式、交叉及变异算子等均针对最短路径规划问题而专门设计;同时,提出了一种新的交叉概率、变异概率在线自适应调整策略,以便提高遗传算法的搜索速度和搜索质量. 将该算法同Dijkstra算法、A*算法进行了仿真比较. 对五种不同情况的仿真研究结果表明:同Dijkstra算法相比,该自适应遗传算法可以减少搜索到最短路径的时间;同A*算法相比,该自适应遗传算法则可以搜索到更多的最短路径.     

Near Infrared Star Centroid Detection by Area Analysis of Multi-Scale Super Pixel Saliency Fusion Map

The centroid location of a near infrared star always deviates from the real center due to the effects of surrounding radiation. To determine a more accurate center of a near infrared star, this paper proposes a method to detect the star's saliency area and calculate the star's centroid via the pixels only in this area, which can greatly decrease the effect of the radiation. During saliency area detection, we calculated the boundary connectivity and gray similarity of every pixel to estimate how likely it was to be a background pixel. Aiming to simplify and speed up the calculation process, we divided the near infrared starry sky image into super pixel maps at multi-scale by Simple Linear Iterative Clustering(SLIC). Second, we detected the saliency map for every super pixel map of the image. Finally, we fused the saliency maps according to a weighted coefficient that is determined by the least square method. For the images used in our experiment, we set the multi-scale super pixel numbers to 100, 150,and 200. The results show that our method can obtain an offset variance of less than 0.27 for the center coordinates compared to the labelled centers.     

卷积特征图融合与显著性检测的图像检索

针对基于深度学习的图像检索提取特征往往包含了复杂的背景噪声,导致图像检索的精确率并不高的问题,提出一种特征图融合与显著性检测的方法.首先,训练用于分类的深度卷积神经网络模型.然后,并将图像卷积之后的特征图谱进行融合,得到图像的显著性区域.最后,通过计算图像显著性特征的余弦距离来进行检索.实验结果证明:相比目前主流的方法,文中方法能够有效提高检测精度,且鲁棒性较高.     

一种基于显著性和部件模型的无约束条件人脸检测方法

针对无约束条件下的人脸检测进行研究,提出了一种基于显著性度量和部件模型的人脸检测方法。在部件模型为基础的检测方法中引入显著性理论,融合正面、左侧面、右侧面的三种平面外旋转姿态下的信息,生成完整有效的人脸显著图,并用于人脸检测。实验结果表明本文生成的人脸显著图能够更有针对性描述人脸区域,并且本文人脸检测方法相较Viola Jones人脸检测方法和基于部件模型的人脸检测方法有更高的检测率,运算速度相较原基于部件模型的人脸检测方法大有提高。     

基于HSI的视觉注意力模型及其在船只检测中的应用

根据现有关于视觉心理学研究的相关成果和计算模型．提出了一种基于HSI颜色空间特征提取的视觉注意力模型．并应用于海上目标检测．首先把输入的RGB图像转换到HSI空间上．采用高斯金字塔和center-surround算子获得HSI三个分量下各自多尺度的视觉差异。通过对不同特征图的规格化和线性融合获得综合的显图．该方法应用于多种海上目标图像均取得较好效果．背景中的海浪杂波得到了有效抑制．提取得到的显区域包括了待检测的目标且范围较小。为后继的处理和分析提供了良好的基础．     

一种听觉显著图提取模型

本文基于人耳听觉特性提出了一种改进的自下而上听觉显著图提取模型.该模型根据人耳听觉系统对声音分频道处理以及声音信号时间方向的差异更能有效表征听觉显著性这两个特点进行显著图提取.首先对输入声音信号进行短时傅立叶变换(SFFT)得到声音信号的听觉图谱,然后重新划分频带并在各频带上采用一维高斯滤波器组进行不同尺度的时域滤波,再利用中心-周边差算子计算各频带的听觉显著度并进行跨尺度整和,最后将各频带的听觉显著度线性合并之后得到最终的听觉显著图.仿真实验的结果表明该模型提取的听觉显著图更准确.     

基于超像素融合算法的显著区域检测

针对目前流行的显著性检测算法不能精确反映显著性信息的问题,提出一种基于超像素融合方法的显著性检测算法. 首先对图像进行超像素分割,在保证高质量的图像目标边缘信息前提下,建立以超像素为节点的图模型;然后计算超像素邻接矩阵,将该图模型转化为最小生成树模型. 通过OTSU算法自适应地确定最佳阈值,根据该阈值将最小生成树模型的部分节点进行融合,获得大超像素分割区域;最后利用大超像素的颜色和相互距离信息,获得高质量的显著性图. 实验结果表明,相对于其他检测方法,该算法可以更有效地检测出图像中的显著目标,并能达到接近分割的效果.      

基于显著性加权颜色和纹理的图像检索

显著性体现了图像中像素区域引起视觉注意的强弱程度,在图像检索中具有重要意义。本文提出的基于显著性加权的图像检索方法不需要分割出显著性区域,而以显著性加权的方式建立了新的颜色特征和纹理特征,从而增加了显著性区域的颜色与纹理特征的权重。通过对4种主要的显著图的实验比较发现该方法能有效提高检索效果。     

基于局部结构和视觉显著特征的红外和可见光图像泊松重构融合算法

研究了一种基于泊松重构的红外和可见光图像融合算法,算法在梯度域内实现图像信息的融合,可有效避免传统空域和变换域方法在融合图像中由于局部亮度不一致而产生伪边缘。另外,提出的算法在源图像梯度融合时,同时考虑了图像的局部结构显著和视觉显著特征,能够在保留源图像更多细节的同时突出输入图像的视觉显著目标信息。通过与其他最新融合算法的对比实验结果显示本文算法获得的融合图像既有突出的红外目标,又有清晰的可见光背景细节,并且不会产生伪影和噪声,同时客观评价指标也有显著的优势。     

一种基于总变分与显著性检测的红外与可见光图像融合方法

红外与可见光图像融合是多源信息融合中的一个重要研究内容,它在军事侦察等方面有着广泛的应用.本文基于总变分模型和显著性检测方法,提出了一种有效的融合方法.首先,通过对红外与可见光图像的特征分布考察,构建了一个信息融合的总变分模型.其次,基于亮度对比度的显著性检测,给出了总变分模型中保真项权值的估计方法.实验仿真表明,无论是视觉观察还是客观评价,本文的方法均比一些现有方法体现了更好的结果.