基于二值图像边缘像素和方向编码的双层隐写算法

基于二值图像边缘像素和方向编码,提出一种以灰度图像为载体的双层隐写方法.嵌入栽体数据的秘密信息分为两部分:第一部分利用二值图像边缘像素嵌入信息,利用一组完备的规则,能够准确判断边缘像素是否可以承栽嵌入数据,保证嵌入数据的无差错盲提取;第二部分利用方向编码对载体数据加权和负载.该方法具有实现简单、嵌入信息量大、图像失真小...     

利用反馈控制直方图失真的隐写方法

直方图是图像最重要的特征量,经常被攻击者作为分析的凭证,设法使隐写后的直方图失真尽量小是抵御直方图攻击的有效手段.通过对 -1嵌入隐写产生的直方图失真进行分析,提出了利用直方图失真反馈对嵌入进行调整的新思路,并结合该思路对 -1嵌入隐写方法进行了改进.实验结果表明,通过该方法,直方图的实际失真达到了理论的最小值,从而提高了隐写的安全性.本方法同样适用于频域的嵌入方法.     

一种三路像素差值的视频隐写算法设计及实现

为了提高视频隐写的隐蔽性和隐藏量,介绍一种新的视频隐写方法并在VC++6.0下得以实现.在这种算法中,数据嵌在场景变化最大的I帧宏块中,人眼不易察觉,从而提高了视频隐写的隐蔽性.为了扩大秘密信息的隐藏量,现使用一种新的方法三路像素差值(TPVD)算法完成信息隐写.实验结果表明该方法具有较高的隐蔽性和隐藏量.     

隐写分析技术研究

隐写分析技术成为信息安全领域的一个新的研究热点,通过对隐写分析技术的研究现状进行分析与综述,针对现有的隐写分析技术进行分类总结,阐述隐写分析的概念和意义,重点分析了现有几种常用的隐写分析算法,并评价其优缺点,最后指出了隐写分析技术的发展方向。     

一种可区分基于块的密写和JPEG压缩的检测方法

针对一种抗JPEG编码的密写方法,可由图象分块特性定义一个块效应参数作为统计检验量,并设定阈值从而判断秘密信息是否存在.由于基于块运算的抗JPEG密写和JPEG压缩编码都有块效应,为了完善基于块的密写分析法,提出了进一步的检测技术,可有效地区分密写嵌入算法和JPEG压缩.该方法首先求图象的分块DCT,计算不同频率位置上DCT系数的直方图,并对直方图做DFT.JPEG压缩会造成非直流DCT系数直方图的离散性和准周期性,造成直方图"频谱"的高频分量提升并呈明显的等间距尖峰状;另一方面,通过改变图象块均值嵌入秘密信息的密写方法并不明显地改变非直流分量的直方图特性.基于这一原理,可通过检测其直方图频谱来区分JPEG和密写,从而有效地避免了密写分析中因图象曾被JPEG压缩而引起的虚警.实验表明这一方法简单有效.     

计算机取证中的隐写术与视觉密码学

近来,在隐写术和视觉密码学领域提出了许多新颖的算法,这些算法目的是提高安全性,可靠性和高效性。讨论并比较了隐写术和视觉密码学的两种方法。同时,除了讨论每种程序的某些著名的算法之外,还提出了隐写术与视觉密码学的一些相似之处和不同之处。最后,提出了一种结合使用隐写术和视觉密码学的想法。有几种方法可以在不同格式的文件中隐藏数据,并留下隐藏数据的各种痕迹。使隐藏在原始图像中的数据在进行可视加密后有可能被检测到,从而使计算机取证调查员和政法人员更容易破解。     

基于时间和空间冗余的视频隐写分析方法

为了实现对视频隐写的有效检测,提出一种使用支持向量机(SVMs)的视频隐写盲检测方法.该方法利用时间和空间冗余,用帧间共谋的方式获取帧估计数据,提取视频帧的融合马尔科夫和DCT特征,构造SVMs分类器对待测视频进行检测,从而达到视频隐写检测的目的.实验结果表明,该方法能够准确地区分载密视频和原始视频.     

一种改进的可抗SPA分析的HSBH算法

SPA算法是检测LSB隐藏率行之有效的方法,本文从理论上证明了SPA可分析高位隐藏算法HSBH。实验表明,在隐藏率大于3%的情况下,可以准确检测其是否含有隐藏信息, 嵌入率的正确检测程度达到95%以上。同时给出了抗SPA分析的HSBH改进方法。改进后,无论嵌入量多少,SPA分析都将得到一个非常小的估计值,并做出未隐藏信息的错误判断,从而达到安全隐藏信息的目的。     

基于LSB的工程图信息隐藏方法

在分析传统最低比特位(LSB)隐写方法的基础上,提出一种基于LSB隐写方法的工程图隐藏方法.该方法用Matlab7首先将工程图变成二进制比特流,然后通过对比特流进行置乱,最后进行分割嵌入图像操作,实行信息隐藏.实验结果表明,该方法在隐藏性和健壮性方面取得了较好的效果,同时,信息隐藏容量大幅度增加.     

基于主轴分析和EDISON—Zernike矩的彩色图像亚像素边缘检测

本文分析了目前常见的亚像素边缘检测方法,提出了一种综合运用主轴分析法、Zernike矩和嵌入置信度的彩色图像亚像素边缘检测算法。首先获取影像三维空间中的主轴,然后利用嵌入置信度的边缘检测算子快速检测出所有可能的边缘点,再利用Zernike矩算子以亚像素精度重新定位边缘。实验表明本文算法优于其它的边缘检测算子,充分利用了图像的彩色信息,定位精度能够达到0.13个像素,并且该方法还具有良好的抗噪声干扰性和处理效率。     

低码率下任意形状感兴趣区域编码

针对任意形状感兴趣区域(ROI)编码算法在低码率下ROI重建质量差、编码时间长等问题,在优化的集合分裂树算法(SPIHT)基础上提出了一种适用于低码率的任意形状ROI编码方法.利用小波系数之间的空间位置相似性和所用小波滤波器的特征,以极少的码率实现了任意形状ROI掩模的描述,为提高算法效率奠定了基础;利用改进后的空间方向树结构以集合的形式测试ROI区域中更多的节点,提高了SPIHT中分类排序的扫描效率;以小波子带为单位的量化方法通过为每个小波子带选择合适的量化阈值优化了码流的输出,提高了低码率下ROI的重建质量.实验表明,提出的方法支持对多个任意形状ROI的编码;在不到0.04 bit/pixel的码率下描述出了整幅图像中任意形状ROI的掩模信息;在码率小于0.5 bit/pixel时,ROI的峰值信噪比(PSNR)比基于JPEG2000的多子带位平面平移(MSBShift)方法提高了2～7 dB,编码时间缩短了30％以上.该方法具有ROI的重建质量高、编码速度快等特点,适于在低码率下应用.     

基于动态规划的分层立体匹配算法研究

动态规划是双目立体匹配的经典算法,针对控制点动态规划算法易产生横向条纹以及立体匹配普遍的边缘性和弱纹理区域问题,提出一种基于金字塔分层双向动态规划的改进立体匹配算法。该算法将分层模型加入传统动态规划方法,以低像素层级为高像素层级提供控制点集,并在匹配代价计算中采用一种自适应相关性测度函数,加以匹配代价滤波,提高算法精确度及实时性并获取高精度视差图。以Middlebury标准库中的图片以及实拍图片作为实验对象,实验表明所提出的方法具有较好的性能。     

复杂场景中基于变块差分的运动目标检测

针对复杂场景中包含的摄像机扫描运动、随机抖动和目标运动,提出一种基于帧间可变块差分的运动目标检测算法.首先,利用全局特征点估计运动参数对帧间背景进行补偿,提取图像的全局特征点并匹配,以特征点集的最小位置误差和作为目标进行迭代,获取误差不大于0.5 pixel的全局运动参数,并精确补偿当前帧实现背景校正.然后,利用可变块...     

基于灰度线性建模的亚像素图像抖动量计算

为了解决凝视遥感云场景序列图像的亚像素抖动量求解问题,提出了基于灰度线性建模的亚像素序列图像抖动量计算方法。首先,利用三参数线性模型描述像素及邻域灰度,提出了一种图像灰度的线性建模方法。其次,以序列帧图像相对参考帧图像的抖动量作为线性模型中的优化变量,以参考帧图像与序列帧图像之间的相似性为优化目标,建立了亚像素抖动量解算的最小二乘优化方法,并推导得到了解析计算公式。最后,利用云场景序列图像进行了算法仿真验证。结果表明,该方法抖动量的计算误差小于0.1pixel。将该方法与传统基于特征点的配准算法进行了比较,结果显示该方法具有较高的抖动量计算精度,可应用于遥感图像几何定标、目标定位以及时序图像中目标多帧关联检测等。     

多尺度光斑中心的快速检测

分析了光斑图像成像特点和理想光斑灰度分布模型,针对含有多个不同尺度光斑的图像,提出了一种可以在复杂环境下一次性快速检测出多个光斑中心的方法。该方法基于高斯模糊后光斑中心不变的性质,先对含有大量光斑的图像进行快速多级高斯模糊,构建其高斯尺度空间;然后,使用加速的非极大值抑制方法在尺度空间内寻找多个尺度的局部极值,初步确定各光斑中心的像素级坐标;最后,联合这些坐标的邻域像素,拟合局部曲面,得到光斑中心的亚像素级精确位置。利用仿真实验和实物实验验证了提出方法的有效性。结果表明:该算法对640pixel×480pixel图像,处理时间仅需50ms,每千个光斑的平均检测时间为23ms,在复杂环境下正确率可达89%。此外,该方法对弱光斑较敏感,适合快速处理含有大量不同尺度光斑的图像,并能够有效减少光斑的错检和漏检。由于检测速度快,自适应性强,在实际应用中取得了良好的检测效果。     

基于约束线性判别分析的非监督高光谱影像分类方法

针对高光谱影像非监督分类问题,从特征提取的角度提出了一种用于高光谱混合像元分类的非监督约束线性判别分析算法（UCLDA）。该算法首先利用顶点成分分析（VCA）提取端元,然后用光谱角匹配方法（SAM）构造训练样本并基于约束线性判别分析（CLDA）进行特征提取,最后用最小距离法分类。整个算法实现了非监督分类。对模拟的高光谱数据和真实的遥感影像进行了仿真研究,研究结果表明．UCLDA略优于最小二乘光谱混合分析技术．但明显好干经典的井．谱角匹配分娄．     

基于自适应窗口选择PIV技术的序列星图运动估计方法

对星空观测CCD相机获得的序列图象,由于相机姿态的变化或者观测平台位置的改变,观测的序列图象存在全局运动,需要对星图的运动参数进行准确的估计。粒子图象测速技术（Particle Image Velocimetry, PIV）的发明和发展标志着现代实验流体测量技术的重大突破。PIV技术在流体力学及空气动力学研究领域具有较高的学术意义和实用价值,本文提出一种基于自适应窗口选择PIV技术的序列星图运动参数估计算法。算法通过自适应选取窗口使得分析窗口内的恒星成像密度达到最大,且窗口边缘区域不存在高亮恒星成像,然后对分析窗口进行互相关计算,求得序列星图的运动参数。结果证明本文算法在很大程度上提高了互相关运动参数估计的精度,将运动参数估计误差降低到0.01pixel以内。     

改进的精密测角法标定面阵摄像机参数

改进了用于标定线阵摄像机的传统精密测角算法,标定用于面阵摄像机的参数。该算法利用两束平行光之间的夹角和投影在摄像机上图像点之间的对应关系,在给定一个预测摄像机主点的基础上计算它和实际主点之间的偏差以及摄像机焦距。分析了图像特征提取误差对于平行光夹角测量精度的影响,并给出一种基于平行光夹角误差最小的最优估计,从而进一步提高摄像机内部参数的标定精度。通过仿真实验分析了图像特征提取精度和平行光夹角测量精度对摄像机参数标定精度的影响。结果显示,当图像特征提取精度为0.1pixel,二维转台精度为0.5″时,主点标定精度可以达到0.56pixel,焦距标定精度可以达到0.06mm。利用精度为0.5″的二维转台对摄像机参数进行了实际标定,通过分析像点和标定结果所计算的平行光夹角和实际测量的平行光夹角的误差,可知本文算法的误差是经典精密测角法的68.6%,由此证明该算法对于面阵摄像机参数标定具有更好的结果。     

一种基于深度学习图像超分的环形靶标稳定检测方法

为提高远距离、大倾角条件下环形靶标的识别率与定位精度,提出了一种基于深度学习图像超分的环形靶标稳定检测方法。通过真实图像与合成图像的混合数据集来构建多角度、多距离的图像空间集合,采用像素损失与感知损失来改进图像超分辨率模型的损失函数,从而实现图像的高分辨率重建,丰富靶标轮廓的图像细节,利用已训练好的图像超分模型重建图像,最后使用传统的检测算法识别与定位环形靶标。实验结果表明,环形靶标识别率可提高40%,靶标定位精度可提高8.47%。