适用于Android智能手机的灰度均值水印算法

来源 :计算机科学 | 被引量 : 0次 | 上传用户:redpig
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出了一种适用于Android智能手机的灰度均值数字水印算法。在嵌入阶段,将经过像素重新组织的水印图像嵌入载体图像中;在提取阶段,先提取出初始水印,再判断初始水印是否需要区域替换,如果需要,则进行区域替换,否则不进行;最后,将初始水印还原成所需的水印图像。实验表明,该算法在具有良好水印透明性的同时,对JPEG压缩、加噪声、裁剪等常见的攻击具有鲁棒性。
其他文献
鉴于泡沫铝材料良好的吸能特性和三明治型组合构件在强度、刚度上的优势,通过有限元分析软件ANSYS/LS-DYNA对钢板-泡沫铝-钢板三明治型组合板进行了装药量为10.0kgTNT的非接
针对典型的支持向量机增量学习算法对有用信息的丢失和现有支持向量机增量学习算法单纯追求分类器精准性的客观性,将三支决策损失函数的主观性引入支持向量机增量学习算法中,
基于生物特征识别的信息安全终端管理系统利用具有活体检测功能指纹识别技术、基于深度卷积神经网络的人脸检测识别身份认证技术以及目标检测跟踪技术,实时地监控信息终端区域
邻域保持嵌入通常被广泛用于发现高维数据的固有内在维数。为了充分利用样本的类别信息,构建了一个具有判别信息的邻接矩阵,其可以使同类样本点更加紧凑而异类样本点更加疏远。在此基础上,提出了基于类别信息的邻域保持嵌入算法。基于类别信息的邻域保持嵌入算法在不破坏原始高维数据局部几何结构的同时,可以使处于不同子流形上的样本点尽量分开。在UCI数据集和ORL人脸数据集上的实验结果表明,基于类别信息的邻域保持嵌入
在覆盖空间中,利用元素的最小描述并结合条件概率的概念,将经典多粒度粗糙集进行拓展,提出了3种条件概率描述下的多粒度覆盖粗糙集模型;研究了模型的一些基本性质,指出它们是