基于离散小波变换和奇异值分解的数字水印算法

当前数字作品的版权保护问题备受关注,数字水印是保护数字作品版权的有效手段。本研究针对大容量水印嵌入问题,提出一种基于离散小波变换和奇异值分解的灰度图像数字水印算法。首先,利用离散小波变换将原始图像分为LL、LH、HL和HH四个子带;其次,通过奇异值分解获得LL子带图像的对角矩阵S^l以及水印图像的对角矩阵S^w;然后,将矩阵S^l与S^u进行叠加来完成水印嵌入。该算法的突出特点为嵌入的水印容量大,且算法具有较强的鲁棒性。实验证明,嵌入水印后的图像在经受高斯噪声、椒盐噪声、旋转等攻击后,利用该算法仍能提取到有效的水印图像。

基于离散小波变换和奇异值分解的彩色图像水印算法

为提高图像水印算法的鲁棒性,提出了一种彩色图像鲁棒水印算法。算法使用离散小波变换和奇异值分解的频域算法,主要通过提取原始彩色图像RGB三个通道的低频部分和加密后的水印图像奇异值,使它们分别在一定嵌入强度下进行叠加,从而获得修改后的奇异值,来完成水印的嵌入。实验结果表明,嵌入水印后的彩色图像不可见性良好。在经受高斯噪声、旋转、直方图均衡化等攻击时,仍能提取到有效的水印图像。该方法能够有效地满足数字化彩色藏毯的版权保护需求。

基于离散小波变换和奇异值分解的版权保护视频水印算法研究

针对含水印视频受几何攻击的问题,提出基于小波变换与奇异值分解的视频数字水印算法。在探讨离散小波变换和奇异值分解概念的基础上,对已有算法进行分析,探讨其中存在的问题。提出基于小波变换与奇异值分解的视频数字水印算法,并探讨水印设计的思路、嵌入和提取框架图,完成仿真实验。最后,将本文算法与其它算法进行水印鲁棒性和不可见性比较。实验表明,该算法对几何攻击具有强鲁棒性。

数字图像修复技术综述

数字图像修复方法的研究是计算机图形学和计算机视觉中一个非常具有研究意义的问题,图像修复的目标是以视觉可行方式填补图像中缺损区域。文章首先对数字图像修复技术的概念进行了解读;其次分析了数字图像修复技术的应用;然后对数字图像修复方法进行了分类分析,根据不同的修复需求及破损区域的特点选取合适的修复方法;最后对数字图像修复技术的前景进行了展望。

基于离散余弦变换的视频数字水印算法研究

针对嵌入水印后视频容易遭受压缩攻击的难题,提出了一种基于离散余弦变换的抗攻击水印方法。介绍了变换域水印算法及其基于离散余弦变换的数字水印算法,对现有的余弦变化水印算法优缺点进行了讨论,提出了基于块内系数自适应优化的水印嵌入算法,并通过实验仿真验证。结果证明,算法对于压缩攻击具有较强的鲁棒性。

研究胎心监护在待产孕妇中的应用

目的对胎心监护在待产孕妇中的应用效果进行分析。方法随机选取在我院待产的160例孕妇分为对照组(使用多普勒诊断仪对胎心音进行测定)与实验组(予以持续胎心监护),时间均为2017年7月~2018年7月,对比两组孕妇宫内窘迫漏诊率与新生儿APgar评分。结果①实验组新生儿APgar评分高于对照组新生儿,数据差异显著(P<0.05)。②实验组孕妇宫内窘迫漏诊率2.5%低于对照组孕妇宫内窘迫发生率11.3%,数据差异显著(P<0.05)。结论胎心监护在待产孕妇中有着重要的应用价值,不仅保证了孕妇的安全,更保证了新生儿的安全,值得在临床中广泛推广与使用。

一种基于LBP和马尔科夫特征的细缝裁剪取证方法

针对细缝裁剪图像篡改操作,提出了一种基于局部二值模式(Local Binary Pattern,LBP)和马尔科夫特征的数字图像篡改取证方法。首先利用LBP算子将图像从空域转换到LBP域,对其进行JPEG压缩后提取二维JPEG矩阵,计算该矩阵在水平、垂直、主对角线、次对角线方向上的一阶差分矩阵,最后对各个方向上差分矩阵分别提取马尔科夫特征,通过支持向量机进行分类训练,从而对细缝裁剪篡改进行检测。实验结果表明,该算法优于传统马尔科夫特征算法以及其他细缝裁剪检测算法,特别是在细缝裁剪比例较小时的检测率较已有算法有明显提升。

新旧并存 和谐共生——广东工程职业技术学院方案设计

简单介绍广东工程职业技术学院新建的行政楼、图书馆和教学楼与旧建筑及环境之间的关系，通过对建筑自身的语汇处理创造出适宜和谐的校园空间。

浅谈农村中小学图书室的建设与发展

阐述了农村中小学图书馆建设的意义,分析了农村中小学图书室存在建设不规范,缺少专业管理人员,开放时间不足,藏书量少,种类单一等问题,提出需要通过采取实行学校领导负责制,转变思想观念,加强图书室规范化建设,组织定期培训学习等措施加以改进。

浅议中学图书室的管理与服务

目前,中学图书室普遍存在着藏书封闭、管理手段落后、服务方式单一等问题。这些问题在一定程度上影响着学校对学生的素质教育的水平,同时也很难满足教学工作的需求。对此必须引起重视,深入研究,提出对策,认真加以解决。

基于图像边缘判别机制的盲图像去模糊方法

图像拍摄过程中会不可避免地产生由相机抖动或物体运动引发的图像模糊问题。针对该问题,提出了一种基于图像边缘判别机制的盲图像去模糊方法,以恢复图像并使之具有清晰的边缘。首先,提出一个PNet子网,将模糊图像作为输入并利用数据驱动的方式进行判别学习,直到网络收敛。将模糊图像再次输入到训练收敛的PNet子网的生成器中,可得到去模糊图像,并将此图像记作边缘弱化图像。其次,提出一个DNet子网,将模糊图像和边缘弱化图像输入到DNet子网中进行训练,得到的训练收敛的DNet生成器即为图像去模糊模型。此外,提出边缘重建函数和图像语义内容损失函数用于约束图像的边缘和语义信息。最后,提出图像边缘判别的目标损失函数,使得DNet子网的判别器在完成生成图像与标签图像真假判别的同时,还完成对边缘弱化图像和标签图像的进一步判别,因此图像边缘信息的判别学习得到了强化。实验结果表明,所提方法能够有效地恢复大幅度模糊图像和运动引起的模糊图像,这证明了边缘判别机制对图像边缘恢复的重要作用。

基于条件生成对抗网络的水下图像增强

为提升不同颜色水下图像的增强效果,提出一种基于条件生成对抗网络的水下图像增强方法。该网络在生成模型中加入残差密集块中的残差模块,其密集级联和残差连接可以提取图像的特征信息,改善梯度消失现象;在目标函数中增加两种新的损失函数建立网络模型,使得增强后的图像与输入图像的内容和结构保持一致。实验结果表明,所提方法对不同颜色水下图像的增强效果优于现有算法,具有更好的视觉效果。