植基于区块内插预测之无失真式可连索编码位移隐藏技术

为了提升数字多媒体数据的传输效能及安全,学者们在压缩域纷纷提出许多信息隐藏技术。本文提出一个两阶段藏密法,期能达到高藏量又不会造成解压缩后影像有不合理的失真效果。第一阶段采用Wuetal.的区块编码策略,在不需额外记录位即可在译码阶段判别哪一个区块为可藏。虽然,此阶段不用辅助位所以信息藏量相对较高,影像失真度亦在可容忍的范围内;然而,受限于可藏区块为相对平滑,故在不影响影像质量的情况之下,欲再提升藏量的就必须采用可回复式藏密法。因此,本文在第二阶段提出植基于区块内插预测之无失真式可连索编码位移之隐藏技术,使用内插法对SMVQ区块预测中的状态编码簿,进行编码字扩充程序,能够在不影响原影像质量的情况之下,利用大小为2n-1的状态编码簿,藏入n个位的秘密信息。根据本研究的实验证明,此方法较Wuetal.所提出的方法,能够有效提升大约16%的信息藏入量,同时可以将机密讯息完整取回,并将影像无损还原至第一阶段,再藉由Wuetal.的方法取出第一阶段的秘密位并解压缩影像。

可逆信息隐藏算法综述

可逆信息隐藏是信息隐藏领域一个新的分支,在过去的几年中一些关于可逆信息隐藏的研究论文相继发表。它不仅能增强原始媒质对所有权的鉴定,还可以从隐藏数据的媒质中恢复出原始媒质。这个特征对于一些重要的媒质例如医学军事图像非常重要,因为这种类型的媒质不允许有任何失真。该文的目的主要是介绍可逆信息隐藏技术以及最新的进展,并为其将来的发展提供研究方向。

基于单向预测误差扩展的三维医学图像可逆水印算法

对于可逆水印技术在三维医学图像中的应用问题,提出一种基于单向预测误差扩展的三维医学图像可逆水印算法。首先根据像素间的三维梯度变化预测像素从而得到预测误差;然后结合磁共振成像生成的三维医学图像的特征,采用单向直方图位移与预测误差扩展相结合的方法将外部信息嵌入至三维医学图像;最后,重新预测像素,提取外部信息,恢复原始三维图像。实验结果表明,在MR-head和MR-chest测试数据体上,与二维梯度预测相比,所提算法预测误差的平均绝对偏差分别降低1. 09和1. 40,每个像素的最大嵌入容量分别增加0. 045 6比特和0. 129 1比特,从而能够更准确地预测像素值,嵌入更多的外部信息。该算法可应用于对三维医学图像的篡改检测以及患者隐私保护。

基于关节信息和极限学习机的人体动作识别

基于关节信息的人体动作识别在人机交互、互动娱乐、多媒体信息检索等方面应用广泛。为了提高动作识别率,使用两种具有固定长度的分层描述符分别关注运动的动态和静态信息,对运动序列提取特征,将这两种描述符线性组合,形成同时包含动态和静态信息的新描述符,并使用极限学习机(ELM)进行分类。该方法在微软Kinect传感器采集到的MSRAction3D数据库和运动采集数据集HDM05上进行了仿真实验。实验结果证明组合后的描述符结合ELM在这两个数据集上的识别率较现有方法有明显提高。

可逆数字水印算法综述

可逆数字水印是数字水印领域一个新兴且重要的分支,由于其原始宿主内容可无损恢复的特点,在一些重要的媒质如医学军事等相关的多媒体信息中得到广泛应用。目前,人们在可逆数字水印领域的研究已取得了一些成果,大致可分为空间域方法和变换域方法两大类。通过对这两大类方法中的经典算法介绍和优缺点分析,阐明了目前可逆水印研究领域的发展现状,并在此基础上对该领域的发展趋势做出展望。