基于BEMD和自适应滤波的医学图像增强

针对医学图像存在低对比度和质量差的主要问题,本文提出了一种基于BEMD和自适应滤波的医学图像增强新算法。首先,对医学图像进行BEMD分解,然后用自适应滤波对频率域进行去噪,再使用不同的加权值提高子带图像的高频系数,最后对图像进行重构得到增强图像。实验表明,该方法不仅提高了图像的细节信息,而且有效地保留了图像的边缘特征。     

一种新的虹膜定位算法

针对目前已有的虹膜定位算法存在的局限性,提出了一种利用虹膜图像边缘图像以及虹膜的几何特征进行虹膜定位的算法,先利用Canny算子提取虹膜的灰度边缘图像,然后通过虹膜的圆特性对虹膜进行粗定位,最后利用变圆模板精定位.实验结果表明,该方法提高了准确度和速度,有效地解决了目前算法处理包含大量脸部区域的虹膜图像时遇到的困难.     

一种新的基于小波变换的虹膜识别算法

提出一种基于Haar小波变换的虹膜识别算法。详细介绍了虹膜图像的预处理及对虹膜纹理的特征提取方法,并与Daugman的虹膜识别算法进行比较。实验结果表明,本文方法在编码长度和编码时间上都有明显的改进,且算法具有良好的鲁棒性,可用于实际的身份鉴别系统。     

基于Snake模型的虹膜定位算法

虹膜识别被认为是目前最准确可靠的生物特征识别方法．快速、准确地定位虹膜是虹膜识别系统的关键．提出一种基于Snake模型的虹膜定位算法：采用Canny检测算子定位虹膜内边缘，运用Snake模型锁定虹膜外边缘．实验表明，该方法速度快、精度高，并且具备良好的鲁棒性．     

基于双分支网络的图像修复取证方法

图像修复是一项利用图像已知区域的信息来修复图像中缺失或损坏区域的技术。人们借助以此为基础的图像编辑软件无须任何专业基础就可以轻松地编辑和修改数字图像内容,一旦图像修复技术被用于恶意移除图像的内容,会给真实的图像带来信任危机。目前图像修复取证的研究只能有效地检测某一种类型的图像修复。针对这一问题,提出了一种基于双分支网络的图像修复被动取证方法。双分支中的高通滤波卷积网络先使用一组高通滤波器来削弱图像中的低频分量,然后使用4个残差块提取特征,再进行两次4倍上采样的转置卷积对特征图进行放大,此后使用一个 5×5 的卷积来减弱转置卷积带来的棋盘伪影,生成图像高频分量上的鉴别特征图。双分支中的双注意力特征融合分支先使用预处理模块为图像增添局部二值模式特征图。然后使用双注意力卷积块自适应地集成图像局部特征和全局依赖,捕获图像修复区域和原始区域在内容及纹理上的差异,再对双注意力卷积块提取的特征进行融合。最后对特征图进行相同的上采样,生成图像内容和纹理上的鉴别特征图。实验结果表明该方法在检测移除对象的修复区域上,针对样本块修复方法上检测的F1分数较排名第二的方法提高了2.05%,交并比上提高了3.53%;针对深度学习修复方法上检测的F1分数较排名第二的方法提高了1.06%,交并比提高了1.22%。对结果进行可视化可以看出,在检测修复区域上能够准确地定位移除对象的边缘。     

基于序列到隐写序列的约束型自然语言信息隐藏方法

已有的基于文本生成的无约束型自然语言信息隐藏方法主要利用不同的文本生成模型在秘密信息的控制下实现隐写文本的生成,它们生成的隐写文本质量较好且嵌入容量高.但这些方法大都局限于生成短隐写文本,整体的文本质量和句间语义相关性会随着句子长度增加而急剧下降.与无约束型方法不同,已有的约束型自然语言信息隐藏方法能针对特定场景实现长文本生成任务下的信息隐藏,具有更高的语言隐蔽性和安全性.为提高约束型方法面对各类应用场景的普适性,本文提出了一种通用的序列到隐写序列模型框架,该框架包含语言编码器和隐写器两部分,能实现从一种约束信息序列到另一种隐写文本序列的变换.以摘要生成为例,本文以序列到隐写序列模型为基本框架,提出了一种新颖的约束型自然语言信息隐藏方法.该方法在语言编码器中引入注意力优化单元以提升特征学习性能,在隐写器中融合复制机制和新设计的基于多候选优化的自适应隐写编码方法,使得隐写器可以根据候选单词序列的概率分布情况和待嵌入的秘密信息自适应地选择不同的输出优化策略,通过输出多个候选序列以及仅在嵌入时刻选择合适位置嵌入信息的方式来提高隐写文本质量.实验结果表明,本文提出的方法能够通过优化语言编码器和...     

基于改进否定选择算法的网络入侵检测模型

为了解决网络入侵检测中如何迅速有效地检测出未知模式的入侵的问题,通过对人类免疫系统的基本原理的研究,提出了一种基于免疫原理的网络入侵检测新模型.该模型采用了改进的否定选择算法;根据否定选择理论,若与"自我"模式相匹配,则该模式不成为检测者,从而去掉它;否则,该模式成为一个检测者模式,并存入检测系统.实验结果表明,该模型可以准确地识别出未知入侵模式,有效地提高了系统的自适应性.     

基于小波包分解的虹膜识别算法

特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。     

采用有向梯度与RANSAC的虹膜定位算法

针对虹膜图像中有较多光斑的情况,提出一种基于有向梯度和随机抽样一致性（RANSAC）相结合的虹膜定位算法。该算法根据瞳孔内某点利用有向梯度提取内缘像素点,采用RANSAC定位虹膜内缘;下采样虹膜图像,利用圆差分算子在瞳孔左右两侧拟合出两个圆,进而合并为一个圆;根据圆的参数在虹膜图像中快速精确定位外缘。实验结果表明：该算法在正确率、定位速度和鲁棒性方面均优于传统的虹膜定位算法。     

基于二维经验模式分解的图像水印嵌入算法

提出一种基于二维经验模式分解(BEMD)的图像水印嵌入算法,完成水印的嵌入和提取。对水印进行置乱并对原图像进行分块处理,再对置乱后的水印和分块后的原图像分别做BEMD分解,获得其相应若干固有模态函数(IMF),将水印的IMF分别嵌入分块后的原图像中,完成水印的嵌入。实验证明,该方法较以往的方法在水印的嵌入量上有了提高且鲁棒性较好,同时具有不可见性和较高的安全性。