【摘 要】
：
随着互联网技术的发展,数字水印技术成为数字版权保护的重要解决方案之一。针对数字水印技术中非盲水印算法需要第三方保护相对于盲水印不安全的特点和盲水印算法的可逆的特性,本研究把非盲水印算法与盲水印算法结合起来,将不可逆算法运用到盲水印中,同时运用视觉密码、重复码、DCT转换和Schur技术实现不需要第三方保护的不可逆盲水印算法。首先,利用视觉系统通道分解图像,对原始图像进行DCT变换和Schur分解,
论文部分内容阅读
随着互联网技术的发展,数字水印技术成为数字版权保护的重要解决方案之一。针对数字水印技术中非盲水印算法需要第三方保护相对于盲水印不安全的特点和盲水印算法的可逆的特性,本研究把非盲水印算法与盲水印算法结合起来,将不可逆算法运用到盲水印中,同时运用视觉密码、重复码、DCT转换和Schur技术实现不需要第三方保护的不可逆盲水印算法。首先,利用视觉系统通道分解图像,对原始图像进行DCT变换和Schur分解,得出特征矩阵嵌入通道一（R）中,并采用DCT中频域交换方式将特征矩阵嵌入到通道二（G）中;其次,以特定的嵌入系数和嵌入强度将水印信息嵌入第一通道（R）和第三通道（B）;最后,对第一通道（R）进行Schur分解得出特征矩阵,利用其与第二通道（G）分解出特征矩阵,通过特定的嵌入系数提取水印信息。同时通过嵌入强度系数在第三通道（B）中提取水印,并采用投票选举选出最佳的提取水印的方式。经过对比实验研究,针对上述问题所采取的此种解决方法,归一化相关系数达到99%左右,虚警率在0.5左右,因此鲁棒性较好,安全性较高。该论文有图20幅,表6个,参考文献60篇。
其他文献
在图像分类领域,深度神经网络已经取得了优异的性能,但训练过程中需要强大算力的图像处理器作为支撑,而且训练的分类模型往往占用较大的内存。随着物联网设备的蓬勃发展,深度神经网络模型越来越需要部署在计算资源有限的小型智能设备上。因此,在嵌入式设备或手机终端上部署性能优良且轻量的网络模型成为研究的热点。针对当前深度学习解决方案在图像分类上大多无法同时兼顾模型的轻量化与准确率。提出一种轻量化的卷积神经网络架
对于核磁共振图像（MRI）、高光谱图像（HSI）和视频序列这样的三维图像,卷积神经网络（CNN）分类时不得不依赖更加复杂的网络结构,且精度提升有限。另外,MRI和HSI具有结构复杂、可用数据量少和空间信息丰富等特点,相比于视频序列图像,不存在通道间的时序性。CNN对此类图像分类存在训练样本少、特征提取不足等问题。目前基于多尺度方法的深度神经网络在图像分类中已经展现出了出色的能力;同时胶囊神经网络凭
随着港口地位的提升,港口物流依托港口的口岸优势,在港口贸易中发挥着不可替代的作用。我国港口为建设自身港口物流,使得沿海港口群的物流发展呈现出不均衡的状况,环渤海港口就是其中之一。一方面,环渤海各港口物流发展受港口资源限制,港口间经常出现竞争;另一方面,在港口建设时出现了定位不清、重复建设等问题,阻碍环渤海港口物流的发展。只有明确各港口之间的竞争优势,才能促进环渤海港口物流的良好发展;同时环渤海物流
遥感影像的语义分割作为遥感影像处理领域的重要研究方向,在土地资源管理、军事目标识别等领域有着广泛的应用。目前基于传统神经网络的语义分割模型不能对遥感影像中的小物体进行更高维度的特征提取,导致分割的错误率较高,分割精度偏低。针对以上问题,提出一种超像素与transformer模型结合的方法对遥感影像进行分割。首先,采用参数网格搜索法,把每种可选参数进行排列组合,使用最小化分割误差为核心的评价方法,把
海量的数据中蕴含着大量的信息,研究人员致力于从海量的数据中提取出有价值的、隐藏的且精简的规则,使其能够用来指导生产实践,形成人工智能决策。知识挖掘已经成为人工智能技术中的一个重要研究领域,经过几十年的研究,知识挖掘理论与应用在发展的同时也面临着极大的挑战,如知识挖掘技术未与特定的应用形成强有力的结合,与特定数据类型存在着适应问题,效率与可解释性不能达到很好的平衡等。以基础创新理论为核心的知识挖掘算
针对SIFT（Scale Invariant Feature Transformation）算法提取航拍图像特征点过多导致匹配算法效率低和算法中出现误匹配对导致匹配精度低的问题,提出一种通过选择高层特征获得匹配集后使用MSAC（M-Estimate Sample Consensus）算法不同模型筛选匹配集的方法,实现航拍图像匹配。首先,从第二层开始采用高斯金字塔图像提取特征,计算特征之间的点积,取
进入大数据时代,用户数据成为企业的战略资源,数据的安全问题也受到更多人的重视。全同态加密是兼顾加密与数据运算能力的密码方案,本文基于后摩尔时代的密码安全问题和访问公钥机构带来的性能问题,针对现有全同态加密算法中,单比特加密的效率低、抗噪声能力弱、同态计算深度低的问题,借助格理论构造一个基于身份的矩阵全同态加密算法。首先提出改进的身份基矩阵加密算法,算法基于格上判定性误差学习困难问题,能抵抗量子算法
对高分辨率遥感影像进行场景分类是解译遥感影像信息的一项重要工作。为了更全面,准确地识别遥感影像所包含的信息,研究者们不满足于传统的人工设计特征,将深度学习利用到了场景分类中,构建卷积神经网络来对遥感影像进行检测和分类。目前,利用深度学习进行场景分类工作已经成为一种主流的方式,广泛应用于语义分割、目标检测和图像分类等计算机视觉领域,然而,高分辨率遥感影像往往具有背景复杂性强、目标多样性大和目标信息与
数字图像相关方法（Digital Image Correlation）简称DIC,是一种直接、高效和经济的光学测量力学技术,以图像分析为基础,测量含有位移和应变的变形场。DIC具有简易的光路、强大的环境适应能力、测量范围广等优点,已经在实验力学和不同的相关研究领域得到了广泛的应用。目前的数字图像相关方法在光照强度,空气湿度,大气不稳定和实验中施加的动载荷,冲击载荷的极端测试条件下的求解精度仍存在一
基于DeepLabV3+算法进行图像语义分割的任务中,因忽视不同级别特征图中的特征重要程度存在差异性,导致丢失大量的特征细节信息,致使分割效果不佳,针对上述问题,提出了一种基于改进Deep Lab V3+的图像语义分割方法。首先,采用Xception模型作为主干网络,在这个模型中同时提取两条低级特征作为解码器的特征输入,增加特征信息;其次,引入注意力机制,采用通道注意力对从主干网络中获取到的特征图