-
题名基于深度图的3D-HEVC鲁棒视频水印算法
被引量:4
- 1
-
-
作者
曹海燕
冯桂
韩雪
方定邦
黄鑫达
-
机构
华侨大学信息科学与工程学院
-
出处
《计算机应用》
CSCD
北大核心
2019年第3期869-873,共5页
-
基金
福建省自然科学基金资助项目(2016J01306)
华侨大学研究生科研创新能力培育计划资助项目(17013082026)~~
-
文摘
针对多视点加深度格式的3D视频中深度图鲁棒性不足的问题,提出了一种基于深度图的3D鲁棒视频水印算法。首先,将深度图不重叠的划分为4×4大小的块,计算每一块像素域的均方差,并设置一个阈值来区分纹理块和平坦块;其次,对纹理块计算区域块的能量值,根据计算的能量值设置一个阈值来选择性嵌入水印比特位;最后,获取每个块变换量化后的DC系数,根据获取的DC系数值构造3×3的可逆矩阵,对可逆矩阵进行QR分解,将水印嵌入在分解后的Q矩阵中。所提算法保证了平均峰值信噪比不变,且不同量化参数(QP)值(25、30、35、40)的重编码攻击下的平均误码率为14.9%。从测试的结果来看,该算法具有较好鲁棒性和嵌入容量,同时对视频的质量影响很小。
-
关键词
深度图
视频水印
均方差
QR分解
DC系数
-
Keywords
depth map
video watermarking
mean square error
QR decomposition
DC coefficient
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多特征卷积神经网络的手写公式符号识别
被引量:7
- 2
-
-
作者
方定邦
冯桂
曹海燕
杨恒杰
韩雪
易银城
-
机构
华侨大学信息科学与工程学院厦门市移动多媒体通信重点实验室
-
出处
《激光与光电子学进展》
CSCD
北大核心
2019年第7期256-263,共8页
-
基金
福建省自然科学基金(2016J01306)
华侨大学研究生科研创新能力培育计划(17014082020)
-
文摘
提出了基于多特征稠密卷积神经网络的模型框架(DenseNet-SE)。与传统方法相比,DenseNet-SE采用数据驱动的方法,无需手工提取特征。该框架包含了稠密残差块的结构,能够获取深度特征。通过跳跃连接的方式,从浅层获取细粒度特征来辅助深度特征。同时,融合特征有助于网络结构获取更多全局信息,更好地表示公式符号的类别。利用在线手写数学表达式识别的竞赛组织(CROHME)提供的标准数学公式符号库来验证所提算法,结果表明,CROHME2014和CROHME2016的识别率分别达到93.38%和92.93%,高于目前已有算法的识别率。
-
关键词
光计算
稠密卷积神经网络
手写公式符号
稠密残差块
深度特征
细粒度特征
-
Keywords
optics in computing
dense convolutional neural network
handwritten formula symbols
dense residual blocks
deep features
fine-grained features
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于循环神经网络的图像特定文本抽取方法
被引量:4
- 3
-
-
作者
杨恒杰
闫铮
邬宗玲
方定邦
段放
-
机构
华侨大学信息科学与工程学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2019年第24期180-187,共8页
-
基金
福建省自然科学基金(2017J01116)
华侨大学中青年培育计划(Z16J0070)
+1 种基金
华侨大学科研基金(605-50Y18023)
华侨大学研究生科研创新能力培育计划(17014082026)
-
文摘
光学字符识别(OCR)难以针对图像中某些特定文本进行识别,尤其在实际场景中,识别结果通常会包含大量噪声文本。针对这一问题,提出一种基于循环神经网络的双向长短时记忆-条件随机场(BLSTM-CRF)模型。首先利用BLSTM网络捕获OCR识别结果中序列的上下文信息,得到特征序列;然后结合CRF建立模型特征与标签的关系,进行标签预测,通过标签即可得到特定文本。实验结果表明,该方法在场景图像数据集YNIDREAL上可以达到88.52%的准确率,相较于CRF模型,准确率提高了16.39个百分点,证明了本方法的可行性和稳健性。
-
关键词
机器视觉
特定文本抽取
光学字符识别
双向长短时记忆网络
条件随机场
-
Keywords
machine vision
extraction of interest text
optical character recognition
bidirectional long short term memory network
condition random field
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-