改进的特征选择算法

特征选择是模式识别领域中的一个重要问题,其本质是一个寻优的过程。在特征选择算法FOS的基础上,提出了一种特征选择算法。该算法选择出了最能代表样本大多数特征的特征,构成有效特征子集,实现了数据的降维。基于南京理工大学NUST603HW手写汉字库的实验结果表明,该算法不仅提高了识别率,而且稳定性更强。

一种基于汉字笔画的文本零水印算法

针对基于汉字的文本嵌入比较困难,水印不可见性不高,鲁棒性不高等特点,提出一种基于汉字笔画数的文本零水印新算法,算法通过统计各汉字在文本中的使用频率,即可得到使用频率最高的汉字,使用频率最高汉字的笔画数作为文本特征序列,用此序列与水印信息运算生成一组注册码。实验结果表明,该算法实现简单,具有很好的不可见性和鲁棒性。

中文文本数字水印算法的研究

为了提高水印的鲁棒性,适应文本完整性检测的需求,很多文献提倡多组水印的冗余嵌入方法,这涉及到文本分块问题。根据中文汉字的结构,研究并提出了一种中文文本分块设计方法以及水印嵌入算法。该方法具有明显的中文文字特色,能有效提高水印的鲁棒性,提高受攻击后水印的恢复能力。

改进SURF算法在图像汉字识别中的应用

针对复杂背景下汉字匹配准确率较低的问题,提出一种改进的SURF算法。该算法利用灰度分级的字符分割方法,先进行灰度分割增强图像的对比度,采用灰度分级树将图像中的所有像素处理为树的模式进行计算,根据灰度分级确定主节点,根据主节点的级别所对应的灰度值对图像进行分割。同时,根据汉字结构的特殊性,取消了SURF算法的旋转不变性。实验结果表明,与未使用改进的SURF算法相比,对图像质量较差的文本图像,改进的SURF算法能有效地提高其匹配的准确率。

一种基于汉字笔画的文本水印算法

该文针对在中文文本中嵌入水印比较困难,鲁棒性不高等特点,提出了一种基于汉字笔画的文本水印算法。首先以文本中特定笔画数的汉字为标志,提取其左右相邻汉字的笔画数并转换为一系列代码,然后按照对应比较规则,完成水印嵌入。仿真实验证明该算法嵌入水印容量大,具有较强的隐藏性和鲁棒性,能有效地抵抗格式攻击,以及识别文本字符的删除、添加等攻击。