基于迭代混合的双重鲁棒数字水印

在变换域添加的数字水印一般在具有较高鲁棒性的情况下,嵌入容量都比较小.为了提高数字水印的鲁棒性和嵌入信息量,采用在不同变换域添加双重数字水印的方法.在DCT域采用修改DCT系数的方法添加了二值水印,而在DWT域采用迭代混合技术添加了灰度图像以提高水印容量和鲁棒性.实验结果表面,这一算法对JPEG压缩,剪切,加噪都具有较好的鲁棒性,很好地实现了数字水印鲁棒性和大容量的统一.     

基于Tate配对的手机支付系统的研究与实现

结合椭圆曲线上的Tate配对和混合加密体制,提出了一种新的短签名加密算法。针对手机自身的特点,利用该算法构造了一个安全有效的手机支付系统,并进行了安全性和有效性分析。     

基于全正基的非均匀三次加权B样条

目的 对B样条的改进方法大多从增加局部参数和在三角函数空间定义基两个角度出发,但仍存在缺陷,原因是通过模型的控制顶点对曲线进行编辑和处理,存在控制顶点给定时曲线较为固定的不足。为此,本文构造了一类基于全正基的非均匀三次加权λαβ-B样条基。方法 结合加权思想,首先证明三次有理基在相应空间上的全正性;其次对三次三角基和三次有理基同时进行扩展,得到新的λαβ-B样条基,新扩展基具有和经典B样条基相似的性质;最后对新扩展基进行线性组合,用得到的多项式构造非均匀三次加权λαβ-B样条基,并研究了曲线的定义及性质。结果 实验结果表明,新曲线保留传统B样条曲线基本性质的同时,还具有局部调整性,可以改善只通过调整控制顶点改变曲线形状的不足。结论 构造的新λαβ-B样条曲线可以有效克服传统方法在改进时的不足,适合曲线设计。     

基于SIFT和改进的RANSAC图像配准算法

为解决RANSAC算法迭代次数过多导致图像配准精确率不高的问题,提出了一种改进的RANSAC图像配准算法。首先将参考图像和待配准图像进行NSCT变换分解成低频子带和高频子带。然后对高频子带运用矢量夹角算法和结构相似性（SSIM）来提取图像边缘特征点,对低频子带运用SIFT算法并设定合适的距离阈值来提取特征点。最后利用改进的RANSAC算法提高特征点匹配精度,选择出精匹配点对,实现图像配准。实验结果表明,该算法能有效地找到较多的匹配点对,准确地去除误匹配点对,明显地提高了配准精确度。     

Bézier曲线的三角扩展

利用含有三角函数的T-Bézier曲线,结合加权的思想对Bézier曲线进行了扩展,给出了扩展曲线的基函数表达式,研究了曲线的性质、拼接及应用,通过调节形状参数的值可以精确表示或者逼近圆、椭圆等二次曲线,给出了精确表示和逼近圆的实例,该曲线在结合圆锥曲线的自由曲线设计中具有较高的应用价值。     

三次均匀B样条曲线的α扩展

利用一个对称的调配函数,结合NURBS曲线中权的思想,在曲线控制顶点处引进调配参数,将均匀B样条曲线进行扩展,得到的新曲线比原来的曲线有更强的描述能力,并且包含了原曲线形式.讨论了扩展曲线的基表示及曲线的性质,调配参数可以用来控制曲线的局部形状,特别适用于自由曲线曲面的设计,在CAD/CAM中具有很好的应用前景.     

一种基于关系的数字水印算法

为了达到版权保护和内容认证的双重目的,提出一种基于关系的数字水印算:在多级DCT域中选取欲嵌入水印的位置,通过比较与其邻域系数中值之间的大小关系来嵌入水印.实验结果表明,该算法有良好的不可见性和较强的鲁棒性,并且在水印的提取过程中不需要原始图像,实现了盲检测.     

带两个参数的三角多项式曲线曲面构造

目的 为了使扩展的曲线曲面保留传统Bézier方法以及B样条方法良好性质的同时,具备保形性、形状可调性、高阶连续性以及广泛的应用性,本文在拟扩展切比雪夫空间利用开花的性质构造了一组最优规范全正基,并利用该基进行曲线曲面构造。方法 首先构造一组最优规范全正基,并给出该基生成的拟三次TC-Bézier曲线的割角算法;接着利用最优规范全正基的线性组合构造拟三次均匀TC-B样条基,根据曲线的性质假设拟三次均匀B样条基函数具有规范性和C²连续性,进而得到其表达式;然后证明拟三次均匀TC-B样条基具有全正性和高阶连续性;最后定义拟三次均匀TC-B样条曲线曲面,并证明曲线曲面的性质,给出曲线表示整圆和旋转曲面的表示方法,设计出球面和旋转曲面的直接生成方法。结果 实验表明,本文在拟扩展切比雪夫空间构造的具有全正性曲线曲面,不仅能够灵活地进行形状调整,而且具有高阶连续性、保形性。结论 本文在三角函数空间利用两个形状参数进行曲线曲面构造,大量的分析以及案例说明本文构造的曲线曲面不仅保留了传统的Bézier方法以及B样条方法的良好性质,而且具备保形性、形状可调性、高阶连续性以及广泛的应用性,适合用于曲线曲面设计。     

基于双分解的双通道PCNN红外与可见光图像融合

为解决红外与可见光图像融合过程中存在的对比与清晰度较低和小目标易丢失等问题,提出了基于在双分解模型下的双通道PCNN(dPCNN)图像融合算法。首先对两幅源图像进行预增强处理,通过鲁棒的主成分分析(RPCA)将处理后图像分解为稀疏层与低秩层,接着,再利用非下采用剪切波变换(NSST)对的稀疏层进行多尺度分解得到低频子带与高频子带,然后对低秩层和低频子带采用局部加权能量与拉普拉斯能量两者取大的规则进行融合,对高频子带则利用dPCNN的点火图进行融合,最后将得到的融合成分进行逆变换或合成来得到最终融合图像。实验表明,该算法的融合图像目标信息对比突出、小目标信息明显,对源图像信息保留较好,客观评价指标也明显也优于其他算法,其中互信息有了大幅度的提升,有效地提升了红外与可见光图像的融合效果。