基于新闻文本图像的鲁棒水印算法

在新闻文本图像中,现有的水印算法没有将表达文本部分的区域与其他背景区域进行区分,并且对二值水印图像嵌入时只在单通道嵌入导致鲁棒性不高。针对以上问题,提出基于新闻文本图像的鲁棒水印算法。首先将新闻文本图像进行大津阈值分割(OSTU),将文本与背景区域区分开,选择文本区域进行嵌入加深对重要信息的版权保护;接着将文本图像Cr和Cb通道的文本区域进行离散小波变换(DWT)后,利用主成分分析(PCA)进行能量集中并计算各主成分贡献率,通过比较贡献率来选择嵌入的主成分;最后对主成分及水印图像进行奇异值分解(SVD)完成水印嵌入。经过实验表明,嵌入水印图像在面对滤波等大多数常规攻击的NC值都在0.99以上,表明该算法有较强的鲁棒性,同时该算法在嵌入水印后图像的PSNR均值为45.66 dB,保证了不可感知性。

基于SSA和RIFT的多重联合域鲁棒水印算法

数字水印技术是数字版权保护的关键技术之一.针对目前数字水印的鲁棒性仍有待提高的问题,提出了一种基于麻雀搜索算法SSA和辐射不变特征变换RIFT的多重联合域的鲁棒水印算法.首先,对原始载体图像进行冗余离散小波变换RDWT,提取低频子带进行海森堡分解HD,再取载体矩阵进行奇异值分解SVD.其次,对水印图像进行离散小波变换DWT,取低频子带进行SVD.然后利用嵌入规则,将水印嵌入到原始载体图像中,得到含水印的载体图像.此外,利用SSA对嵌入强度进行自适应优化.对于旋转攻击,利用RIFT进行旋转校正.实验结果表明,含水印的载体图像的峰值信噪比在35 dB左右,结构相似度在0.997以上.针对不同攻击,提取的水印归一化相关系数大多在0.97以上.所提算法相较于其他算法表现出较好的不可感知性和鲁棒性.

基于Arnold-DWT-QR的脆弱性图像水印算法

在人物新闻图像中,人眼视觉更关注于人脸高频细节部分,为实现含水印的人物新闻图像受到任何微弱攻击情况下均不能完整提取出水印信息,且具有较好的不可感知性,提出了一种Arnold置乱结合离散小波变换(DWT)、正交三角分解法(QR)的脆弱性图像水印算法。首先将水印图像进行Arnold置乱加密,再提取载体图像B通道中人眼不敏感的低频细节部分进行QR分解,最后将Arnold置乱加密后的水印图像QR分解后嵌入在载体图像矩阵R中每一个元素,使较少的水印信息均嵌入在载体图像的每一个像素中。实验结果表明,该算法在未受攻击情况下平均峰值信噪比(PSNR)为51 dB,归一化相关系数(NC)为1.0,在任何强度的攻击下均无法提取完整水印图像,具有较好的人物新闻图像认证能力。

基于SURF的小波域自适应水印算法

数字水印技术作为信息隐藏的分支领域,是进行数字版权保护的有效手段。针对水印嵌入强度的不确定性问题,同时为增强水印抵抗旋转攻击的能力,提出一种基于加速鲁棒特征(SURF)的小波域自适应水印算法。首先,对原始载体图像进行两级离散小波变换(DWT),提取低频子带进行奇异值分解(SVD);然后对水印图像进行奇异值分解,利用加性嵌入规则将水印图像的奇异值矩阵叠加到原始载体图像的奇异值矩阵中,再经过逆变换即可得到含水印载体图像;利用加速鲁棒特征算法对经过旋转攻击的含水印载体图像进行旋转校正。对于嵌入强度不确定性,构建适应度函数,利用麻雀搜索算法(SSA)对其寻优进而达到水印嵌入强度自适应的目的。实验结果表明,含水印的载体图像有良好的不可感知性,峰值信噪比(PSNR)在40 dB以上。所提算法对于常见的水印攻击具有较强的鲁棒性,归一化相关系数(NC)大多都在0.98以上。

老挝媒体报道中老铁路的特征与启示

2021年12月,中老铁路全线通车运营。通车运营一周年来,中老铁路累计发送旅客850万人次,中老铁路累计运输货物突破千万吨。其中跨境货物运输量超190万吨,货值突破百亿元人民币。目前,中国25个省份先后开行了中老铁路国际货物列车,货物运输已覆盖老挝、泰国、缅甸、马来西亚、柬埔寨、新加坡等国家和地区,运输货物由开通初期的化肥、百货等扩展至电子、光伏、冷链水果等1200多种。中老铁路已成为“中国建造”又一张“中国名片”。

欧美等媒体报道中老铁路的特点及思考

2022年12月3日,中老铁路通车运营一周年。据《人民日报》报道,截至2023年1月10日,中老铁路已运输超过1300万吨货物,其中246万吨为跨境货物。中老铁路自开通以来,发挥着沟通民心、畅通贸易、联通设施的重要作用,进一步密切了两国交往,增进了战略沟通,是中老互利合作的旗舰项目,也为沿线地区创造了发展新机遇。

国内媒体报道中老铁路落地境外的特点和启示

分析研究中老铁路全线通车运营以来的宣传报道发现,国内主流媒体以正面报道为主,形成了积极正面的良好舆论氛围。因此,本文围绕国内主流媒体对中老铁路的报道,梳理分析其中的特点,以及国内主流媒体在中老铁路国际传播中取得的新成果、新经验和存在的主要问题,同时提出下一阶段开展国际传播策略的建议,为后续中老铁路国际传播工作提供决策参考与建议,为云南建设面向南亚东南亚辐射中心提供有益的媒体探索与借鉴。

基于胶囊网络的恶意评论检测

针对传统恶意评论检测模型无法适应不断更新的网络文化和语言习惯以及神经网络丢失信息的问题,提出了一种基于胶囊网络的检测模型.首先,采用BERT模型提取词向量的特征,以保留文本的潜在语义信息;然后,通过胶囊网络在局部范围内提取特征表示,并结合Bi-LSTM在全局范围内提取特征表示,以获得更全面的特征表示;其次,利用注意力机制将局部和全局的特征表示进行融合,提取关键信息并降低特征表示的维度;最后,使用Sigmoid分类器对结果进行分类,并输出检测结果.实验结果表明,所提出的组合模型相对于传统模型能够提取到更精细的语义信息,有效地提高了分类效果,在恶意评论的检测任务中,准确度达到了0.922.

基于变分信息瓶颈多任务算法的多领域文本分类

多领域文本分类存在领域差异和词汇差异,导致分类的准确性和泛化性低,传统方法无法取得很好的效果.针对上述问题,本文提出基于变分信息瓶颈多任务算法的多领域文本分类方法,将任务建模为从综合特征中提取任务专属特征的分层学习表示问题.首先基于信息瓶颈原理,将综合特征和任务专属特征之间存在的冗余信息建模为均值为零,方差为对角矩阵的加性噪声,通过重参数化方法让噪声参与模型训练;其次通过信息瓶颈的变分边界构建模型损失函数以限制模型的信息流动,从而将带有加性噪声的综合特征解耦为任务专属特征;最后通过解码器中的分类器处理任务专属特征得到文本分类结果.实验表明,该模型在FDU-MTL多领域文本分类数据集上的平均分类准确率达到92.17%,较多个对比模型有明显提升,且该模型具有更好的可解释性.

基于主成分的频谱迭代稀疏化语音增强方法

针对现有频谱稀疏化方法在复杂环境语音增强上性能不佳的问题,提出一种基于主成分分析的迭代频谱稀疏化方法.首先,对输入信号的语谱图进行二维中值滤波处理,得到行分量频谱和列分量频谱;对包含语音主音的行分量频谱序列进行主成分分析(PCA),以去除噪声部分并保留主要语音结构;然后联合列分量频谱序列和缩放因子进行混合重构原信号,并采用动态缩放因子实现对列分量频谱噪声的有效控制.在此基础上,利用稀疏化对噪声的抑制作用,对频谱进行多次稀疏化,以减弱噪声.实验结果表明,该方法增强了不同类型噪声下语音的信噪比,包括White、Pink、Babble、Volvo和Factory等五种噪声,输入信噪比为15 dB,所提方法的信噪比分别提升了13.89 dB,11.97 dB,5.65 dB,5.26 dB和4.73 dB,该方法在其他信噪比下也能有效地抑制噪声和保留有效特征信息,并减少因背景噪声引起的语音失真.

高密度 多样化 不间断——基于亚洲象“北上南归”报道案例的分析

2021年,云南一群野生亚洲象的“北上南归”之旅,不但引发了全网围观,也吸引了全世界的目光。它们从栖息地西双版纳一路向北进入昆明市,沿途受到妥善护送,在众多部门的共同努力下,最终安全回到传统栖息地。在长达17个月的旅途中,象群跨越大半个云南,迂回行进约1300公里,途中还生下一头象宝宝。亚洲象“北上南归”刷爆网络,从“全民观象”到“全球观象”,途中的一幕幕感人情景。