一种对亮度变化鲁棒的局部特征描述子及其快速生成算法

在不同的时间、从不同的视角、以不同的摄像机参数所拍摄的同一场景的图像间存在非线性亮度变化,这种非线性亮度变化给图像间的鲁棒匹配带来困难.为了解决这个问题,提出一种用于构建鲁棒局部特征描述子的新方法.该算法引入灰度相对次序的思想,在得到特征点归一化支撑区域以后,将区域内各点分割为多个组,并以区域中心和各点连线为Y轴,分别建立直角坐标系,计算中心对称局部二值模式,得到二维的统计直方图;据此,经归一化处理后可形成所需的兴趣点描述子.实验表明,本文算法构造的描述子在复杂亮度变化下的区分度更好,测试性能优于传统描述算子.同时,算法本身具有旋转不变性,并以插值计算替代了传统描述子构造过程中的梯度统计,具有描述子构造简单和快速的特点.     

应用于JPEG XR的半脆弱数字水印技术

对JPEG XR的编解码过程、频率结构和码流结构进行分析和研究,提出一种半脆弱数字水印技术实现图像的鲁棒性认证和内容认证.提取频率模式码流的DC系数和低通系数构造基于图像的二值数字水印,置乱后嵌入到JPEG XR解码后的图像对应像素的Y分量的最低有效位中,然后再对含有水印的图像进行JPEG XR编码实现水印嵌入.对基于图像的二值信息和嵌入在图像的二值水印信息比较实现篡改定位.通过篡改定位实验及压缩、噪声、剪切等常见攻击方式实验,结果表明该半脆弱数字水印具有较好的鲁棒性和内容认证能力.     

基于角点检测和奇异值分解的多重数字水印算法

针对多媒体数据的版权保护和完整性认证的多方性,提出一种基于角点检测和奇异值分解的多重数字水印算法．本算法将鲁棒水印嵌入到小波域低频子带角点中,将半脆弱水印嵌入到小波域分块细节子带奇异值中,实验仿真结果表明,水印算法能够抵抗剪切、涂改、滤波、压缩等常见攻击,同时也能够抵抗旋转、缩放等几何攻击,具有较好的鲁棒性和脆弱敏感性,且准确定位篡改区域,可谓一种有效的多重数字水印方案．     

基于灰度阈值法的煤岩界面识别研究

针对煤岩界面识别存在准确性低的问题,以颜色区分度较高的某工作面煤岩图像为例,采用边缘检测法和灰度阈值法分别对该图像进行了煤岩分割处理,结果表明,当煤岩颜色的灰度差别较为明显时,基于灰度阈值法的煤岩界面识别方案具有较高的识别准确性。     

基于文本和图像双重数字水印的证件防伪系统设计

设计了一种基于数字水印技术的证件防伪系统,把文本水印信息和图像水印信息隐藏到证件中,通过对提取出来的两种水印信息识别判断,即可鉴别证件的真伪。实验表明,该证件防伪系统有较强的可靠性和实用性。     

太赫兹成像检测算法研究

由于太赫兹波所处波段位置特殊性以及现阶段太赫兹成像系统性能的限制等,太赫兹波成像质量低,无法满足可视化效果,限制了其发展和应用。结合太赫兹图像模糊特征和灰度信息提出利用灰度特征对太赫兹图像进行图像分割来提高太赫兹图像质量,抑制太赫兹图像背景噪声,保留太赫兹图像目标重要信息,实现太赫兹成像目标检测。实验结果与其他太赫兹图像处理方法结果对比表明,基于灰度特征的图像处理算法可以提高图像清晰度和对比度,实现精确分割,为太赫兹成像在安全检查和医学成像等应用中实现快速检测和提取目标奠定基础。     

基于H.264比特流运动矢量的水印算法研究

针对水印质量和比特率增加的问题,该文设计两种直接在H.264比特流运动矢量中进行水印嵌入的脆弱性视频水印算法。算法I通过引入运动矢量误差补偿模块和优化水印嵌入位置选择方法提高重建视频质量;算法Ⅱ在其基础上,引入帧内-帧间误差补偿模块来消除由于帧内-帧间误差累积现象带来的重建视频失真,进一步提高了重建视频质量。实验结果表明,算法I可以取得较好的重建视频质量,且重建视频流的比特率增加比较小;算法Ⅱ保证重建视频质量的同时带来一定比特率增加。两种算法为H.264压缩视频的内容完整性认证提供了有效的解决方案。     

基于DWT-SVD的大容量音频水印算法

在音频水印领域,嵌入大量水印而不影响宿主音 频的听觉质量,同时具有良好的鲁棒 性,仍然是一项具有挑战的工作。针对这一问题,本文提出了一种大容量,透明,鲁棒的音 频水印算法。首先对音频应用2级离散小波变换(DWT),并选取低频分量作奇异值分解(SV D),然后将水印嵌入在奇异值矩阵的非对角线元素中,可同时提高算法的透明性和嵌入容 量。另外,利用汉明码编码提升水印的鲁棒性和安全性。仿真实验结果表明,所提算法在平 均信噪比37.75 dB的情况下,可以达到5512 bps 的嵌入容量,对噪声添加、滤波、剪切、压缩等各种信号处理攻击具有良好的鲁棒性。     

基于三维反正切函数拟合的光斑质心提取算法

在诸多需要对光斑质心进行定位的领域里,光斑质心定位的精确性和稳定性都是至关重要的。根据光学系统对物体边缘的模糊原理,提出一种新的光斑中心提取算法。该算法是以反正切函数为基函数,通过对其变量代换从而得到可以拟合光斑灰度分布的函数。求解过程中首先通过高斯-牛顿法进行迭代,然后再通过最小二乘法进行最优解估计。文中先通过仿真分析,对比了文中算法与传统算法的优劣,进一步通过实验验证该方法相对于传统方法的优势。实验结果表明:基于文中算法光斑质心提取精度为0.125 3个像素;此时角度传感器的测角精度为0.172 3,优于传感器技术要求的0.25。文中算法对噪声、对比度、光斑的长宽比和大小的综合性能优于传统算法,实验结果稳定可靠,满足角度传感器使用要求。     

基于深度学习的火场灰度图像去烟算法

火场环境中由于大量烟雾的存在导致视频监控系统画面变得模糊不清,图像对比度和清晰度下降,无法为人员疏散和消防搜救提供有效的视觉支持。针对这一情况,本文提出一种基于深度学习的灰度图像去烟算法。本文中的网络主要由检测子网络与去除子网络2个部分串联组成,前者通过残差学习网络来确定烟雾所在的具体位置,后者通过密集连接的U型网络在保留原先背景的情况下去除烟雾,其中利用Dense Block将低层特征复用到高层从而进一步提高去烟的准确性。大量的实验结果显示,采用该网络表现出更好的去除清晰效果和实时性,主观评价和客观评价上均优于其他对比算法。