一种鲁棒性盲水印算法

鲁棒性数字水印特别是盲水印是保护数字作品版权的重要手段.提出一种针对彩色图像的鲁棒性盲数字水印方法.该方法根据灰度图水印信号序列,结合宿主图像DCT(Discrete Cosine Transformation)系数相关性自适应地嵌入水印信号,提取水印时不需要原始宿主图像,可以批量处理,适用在Internet上检测侵权数字作品.实验结果证明该方法对JPEG有损压缩、裁减等处理操作具有较好的鲁棒性.      

基于形态学滤波的快速多通道图像EMD

为了提高多通道图像经验模态分解（EMD）方法分解的效率，提出了一种基于形态学滤波的快速多通道图像EMD方法。利用形态学膨胀和腐蚀滤波可以计算图像上下包络这一重要特性，实现了多通道图像EMD的快速计算，形态学滤波窗口大小由各通道图像的平均极值距离确定，将一幅多通道图像自适应分解为若干个尺度从细到粗的内蕴模态函数（IMF）图像和一个体现图像整体变化趋势的余量。大量的实验结果与对比显示，所提方法不但能够加快EMD方法分解的速度，而且也能够有效地对多通道图像进行自适应分解。通过在图像融合和图像水印中的应用及大量的实验比较，说明了所提方法能够方便快捷地投入到具体的图像处理任务中。      

基于图像纹理的自适应水印算法

图像水印技术是一种在图像中嵌入被称为水印的版权标记,以证明图像版权归属的技术。利用图像纹理粗糙区域易于隐藏水印的优势,提出了一种基于图像纹理的自适应水印算法。首先,设计了一种能够真实反映图像纹理丰富程度的纹理度量方法,引入全局纹理值和局部纹理值的概念来综合分析图像纹理的分布情况;其次,利用滑动窗口和窗口内区域的局部纹理值,精确地获取图像的纹理粗糙区域,将水印嵌入在纹理粗糙区域中,保证嵌入水印图像的视觉质量;然后,通过多元回归分析,得到水印嵌入参数与纹理粗糙区域的全局纹理值和局部纹理值的函数关系,根据区域的纹理值自适应地调整水印的嵌入参数,最大限度地保证水印的不可见性,增强水印的鲁棒性;最后,通过在多个不重叠的纹理粗糙区域中嵌入相同的水印,进一步提高水印提取的准确率。在100幅自然场景图像上进行模拟实验,从不可见性、自适应性和鲁棒性三个方面证实了所提算法相比已有自适应水印算法的优越性。      

一种基于八叉树的三维网格盲水印算法

鲁棒性数字水印特别是盲水印是保护数字作品版权的重要手段.提出一种针对三维网格模型的盲水印算法.首先通过PCA(Principle Component Analysis)对模型进行预处理,将模型调整到唯一的姿态朝向,然后对三维模型进行剖分得到八叉树.对有意义的RGB(Red, Green, Blue)水印信息图进行随即置乱生成密钥,并将水印信息量化并作为细微扰动信息嵌入到八叉树底层节点包含的顶点坐标中.提取水印时不需要原始模型数据,且与模型拓扑无关,可直接对点云数据进行水印嵌入.特点是嵌入容量大,可抵抗旋转、平移、均匀缩放和顶点重排序攻击.根据八叉树高层节点编码抽取模型的特征来构造零水印,并注册到第三方公证处,还可以在一定程度上抵抗均匀化简、噪声和重新网格化等攻击,具有较强的鲁棒性和普适性.      

基于混沌序列加权抽样和排序变换的图像置乱

为增强网络中传输的数字图像信息的安全性,对一类典型的基于混沌排序图像置乱算法——Ye算法进行了研究,给出应用间隔抽样混沌序列置乱图像可以提高混沌排序置乱算法置乱度这一性质,并依据近似熵理论给出其提升的依据.为增加图像置乱算法的密钥空间,结合Shannon加权保密思想,设计了基于加权抽样混沌序列排序图像置乱算法.结果表明,该方法密钥空间大,置乱强度高,抗重构攻击.     

基于经验模态分解的点云数据平滑与增强

在计算机辅助设计与逆向工程应用中,针对缺乏拓扑连接关系的点云数据,提出了基于经验模态分解(EMD)的点云数据平滑与增强算法。首先,以点云模型的拉普拉斯矩阵坐标与法向的内积作为EMD输入信号,提取点云模型输入信号的极值点作为插值节点计算信号的上下包络;然后,为实现特征保持的EMD信号分解,通过检测点云数据上特征点,并在计算信号上下包络的过程中作为约束,克服传统EMD算法无法保持特征的局限;最后,迭代地从输入信号中减去上下包络的均值得到内蕴模态函数(IMF)和余量,并通过设计滤波器实现了点云数据平滑和增强。实验结果表明,本文算法有效地将EMD推广到三维散乱点云数据中,扩大EMD在三维几何中的应用范围,并在点云数据平滑和增强方面取得了很好的效果。     

基于弹载遥测图像加密域的可逆信息隐藏算法

针对弹载红外遥测数据下传带宽受限,图像接收端内容受损的问题,基于对称加密系统与差值直方图平移算法提出了加密域可逆信息隐藏算法与红外遥测图像相结合的方案,一方面可以将弹载遥测数据嵌入到红外遥测图像中,另一方面可以对红外遥测图像进行图像加密,保证传输过程中图像内容的安全性。在图像接收端,通过与图像发送端相同的加密密钥与嵌入方案进行图像的无损恢复与嵌入信息的可逆提取。实验结果表明：对于位深度为16,尺寸为128×128的红外遥测图像,利用图像冗余空间可嵌入15000比特左右的二进制数据,且保证了遥测图像与遥测数据的可逆恢复。     

六自由度压电隔振平台面向控制的模态分析与动力学建模

六自由度压电隔振平台各通道之间存在的强耦合性以及压电作动器固有的迟滞非线性都对系统动力学建模提出了挑战。为此,基于模态分析技术对六自由度压电隔振平台开展面向控制的非线性动力学建模研究。在充分考虑压电作动器的迟滞非线性后,采用模态坐标变换方法建立了隔振平台Hammerstein非线性动力学模型,包含了输入端的静态迟滞非线性子系统、解耦的模态方程组以及模态正/反变换矩阵。通过实验测量方法辨识得到模态方程中的参数,采用MPI模型辨识得到静态迟滞非线性子系统,并经过逆补偿控制实验验证了迟滞模型的正确性。基于迟滞逆补偿策略辨识得到模态反变换矩阵。最终建立了平台的动力学模型,为后续的控制奠定了良好的基础。      

抵御对抗样本攻击的指纹室内定位方法

随着城市智能化的发展, 基于WiFi接收信号强度(RSS)的指纹室内定位服务受到社会的广泛关注。深度学习技术是利用RSS信号获得高室内定位性能的一种重要手段, 但其易遭受对抗样本攻击, 给定位系统带来严重安全隐患。为此, 提出了一种抵御对抗样本攻击的基于深度学习的RSS指纹室内定位方法(AdvILoc)。该方法基于图像识别领域对抗样本防御方法的研究和分析, 结合室内RSS指纹数据特征单一且高维的特点, 通过在RSS指纹室内定位深度学习模型中添加池化层、全连接层, 以及满足差分隐私的噪声层来抵御对抗样本攻击, 解决了基于深度学习的室内定位模型易过拟合且泛化能力不高的问题。通过添加Dropout层, 以及设计模型参数正则化方法, 提高模型抵御对抗样本攻击的鲁棒性。在2个真实RSS指纹室内定位数据集上的实验结果表明:与已有基于多层感知机(MLP)、卷积神经网络(CNN)的RSS指纹室内定位方法相比, 所提方法在保证时间开销和基本不影响定位模型性能的情况下, 提高了模型抵御对抗样本攻击的鲁棒性;在满足l₂范式规范的C&W攻击下, 随着攻击大小不断增大, 模型的定位准确率下降也更平稳。      

基于改进联合稀疏EIT算法的CFRP材料检测

针对应用电阻抗层析成像技术(EIT)对碳纤维增强复合材料(CFRP)损伤检测的高度病态性问题,提出了一种联合L₁和L₂范数的稀疏正则化泛函模型,并在迭代过程中通过构建一种新的约束项来优化求解。仿真结果表明,与传统算法相比,改进联合稀疏EIT算法能够有效改善损伤图像的电极伪影,提高损伤边缘清晰度,增强损伤辨识定位准确度。CFRP层压板检测实验结果表明,改进联合稀疏EIT算法能够提高图像重建的抗干扰能力,具有良好的鲁棒性及适用性。     

基于多子块协同单尺度Retinex的浓雾图像增强

针对现有算法增强雾气分布不均匀的浓雾图像效果不理想的问题,提出了一种基于多子块协同单尺度Retinex的浓雾图像增强算法。该算法不同于传统的利用全局统计量获取动态截断值的Retinex算法,首先将图像划分为多个子块,计算出适合不同浓度雾气的动态截断值;然后,利用动态截断值对高频细节信息进行动态范围调整,得到多幅局部最优的图像;最后,融合多幅局部最优图像生成高质量的结果,从而实现浓雾图像每个区域细节的增强。实验结果表明,所提算法能够有效去除不均匀浓雾,并保证去雾后图像的亮度保持在适合人眼观察的范围。      

基于改进SIFT的图像配准算法

为解决存在较大程度旋转和缩放的图像配准问题,提出了一种基于尺度不变特征变换(SIFT,Scale Invariant Features Transform)的图像配准算法.采用对数极坐标变换(LPT,Log-Polar Transform)进行图像粗匹配,对图像旋转角度和缩放尺度变化量进行估计,并对图像加以校正;在粗匹配的基础上对图像进行分块,根据信息熵原理提取子块的SIFT特征和不变矩特征,构造新型的特征描述符;结合欧氏距离和Procrustes迭代算法获得图像的同名点对,并估计图像形变参数,完成图像配准.实验结果表明:该算法速度快、稳定性强,并能达到亚像素级的匹配精度.     

基于条件生成对抗网络的HDR图像生成方法

高动态范围（HDR）图像相比低动态范围（LDR）图像有更宽的色域和更高的亮度范围,更符合人眼视觉效果,但由于目前的图像采集设备大都是LDR设备,导致HDR图像资源匮乏,解决该问题的一种有效途径是通过逆色调映射将LDR图像映射为HDR图像。提出了一种基于条件生成对抗网络（CGAN）的逆色调映射算法,以重建HDR图像。为此,设计了基于多分支的生成对抗网络与基于鉴别块的鉴别网络,并利用CGAN的数据生成能力和特征提取能力,将单张LDR图像从BT.709色域映射到对应的BT.2020色域。实验结果表明:与现有方法相比,所提出的网络能够获得更高的客观与主观质量,特别是针对低色域中的模糊区域,所提方法能够重建出更清晰的纹理与细节。      

一种基于DCT的SAR图像自聚焦算法

研究了一种基于离散余弦变换(DCT, Discrete Cosine Transform)的SAR(Synthetic Aperture Radar)图像自聚焦算法.该方法从复图像域出发,通过在距离压缩相位历史域引入相位误差模型,改变图像的聚焦程度直至一维像的DCT序列在高序数区域的权值达到最大,从而完成误差校正.同相位梯度自聚焦算法相比,该方法无需在图像域分离出强点目标,因此特别适用于无任何明显特征的图像.由于DCT存在快速算法,使得该自聚焦算法计算量较少,更易实现.实测数据及仿真数据的成像结果证明了此方法的可行性.      

实时曲面纹理及其光照效果的生成

依据两步映射法和体纹理的思想，将曲面纹理的映射过程分为非实时映射和实时查询两个部分，提出一种能实时显示曲面纹理的方法及相应的抗混叠措施，最后，结合一种快速浓淡算法，为曲面纹理叠加光照效果，生成了很逼真的图象。