基于量化表估计的JPEG篡改图像盲检测

传统JPEG篡改图像盲检测算法采用不同质量因子对待测图像进行尝试性再压缩.为了缩短检测时间,减少计算量,提出一种基于量化表估计的JPEG篡改图像盲检测有效算法.首先通过DCT系数直方图估计出篡改图像某一部分量化表,然后通过计算小块DCT系数中分别是对应量化步长整数倍的个数进一步判定该小块是否属于篡改区域.实验结果表明,提出的量化步长估计算法复杂度小,正确率高;检测算法能准确检测出copy-move和合成类图像篡改.此外,改进方法不仅对标准量化表压缩的JPEG篡改图像具有非常好的检测结果,而且对非标准量化表压缩的JPEG篡改图像检测也有效.     

产生附加信息的基于LSB替换的隐藏方法的评价

LSB替换隐藏是一种非常有效的信息隐藏方法,也产生了许多基于LSB替换的最优信息隐藏方法,其中,基于LSB替换信息隐藏的改进方法中许多方法都需要产生附加的信息。改进方法中随着附加信息量的增加,隐藏的效果会越来越好,但附加信息量越大,需要额外传送的信息量就越多。文献中大多都没有考虑额外信息量对其隐藏的影响。本文就此提出了一种评价产生附加信息的LSB隐藏方法的评价方法,并建立了评价模型,可根据其方法的峰值信噪比和产生的附加信息量来判断该方法的优劣。实验表明,该方法可用于评价基于LSB替换信息隐藏的改进方法的好坏。     

基于MI-LSSVM的水泥生料细度软测量建模

针对水泥生料细度软测量模型难以建立的问题,考虑到输入变量选择易受时延的影响,提出一种基于互信息和最小二乘支持向量机(MI-LSSVM)的软测量建模方法。该方法采用互信息表征变量间的相关性,进而解决水泥生料细度软测量建模中的时延问题,并在此基础之上,提出双向选择算法获取输入变量,将得到的输入变量应用于最小二乘支持向量机中,建立水泥生料细度软测量模型,最后应用水泥厂的实际数据对基于互信息和最小二乘支持向量机的水泥生料细度软测量模型进行仿真。结果表明该方法预测精度高、泛化能力强。     

基于双光纤光栅的加速度传感探头结构的设计

分布式光纤光栅加速度传感技术对微弱振动测量分析及其故障诊断具有重要的实用价值。采用副载波调频、波分复用技术提出了一种分布式光纤布喇格光栅加速度测量系统,并进行了基于双光纤布喇格光栅的加速度传感探头结构的设计。该传感探头具有尺寸小,质量轻,不受电磁干扰等优点,有较高的测量灵敏度和分辨率,而且能自动消除温度噪声和相位噪声的影响。     

一种改进的双路Fabry􀀁Perot 干涉式加速度计

采用双路F-P进行加速度测量，有很高的分辨率。原有研究基础上，经过进一步研究发现，其测量结果的灵敏度和传感头中两个F-P干涉腔的腔长有关。从理论方面说明了，其灵敏度和两个F-P腔的腔长的关系，并且在原来传感头的基础上增加了微电压可调PZT，用于调节某一个F-P谐振腔腔长，到达一合适值，以便其灵敏度最大。     

ECI波分设备特性及维护要点

ECI波分设备在广东电信应用较多,结合应用情况介绍了其设备特性及维护要点,希望能对ECI波分设备维护人员有所帮助。     

光纤光栅传感系统信号解调技术的研究

实现波长编码信号的解调，是光纤光栅传感系统实用化推广的关键技术之一。文中讨论了光纤光栅传感信号解调的基本原理，分析了国内外提出的常用解调方法的工作机理、特点和性能，并总结了信号解调过程中存在的主要技术难点及发展方向，为基于光纤光栅传感系统的解调部分的设计提供了依据。     

基于选择性阈值取反和径向对称的瞳孔中心定位

提出一种选择性阈值取反与径向对称变换 结合的算法,用于瞳孔中心的定位。提取人眼区域图像并转化为灰度图像,采 用高斯平滑减 小噪声的影响,对灰度图像进行阈值取反操作处理,去除眼睛周围像素的梯度变化对定 位的影响。选 择性阈值取反可综合利用直接取反和阈值取反的优点,进行径向对称变换投票得到瞳孔 中心,实现瞳 孔中心的定位。在BioID数据库及CASIA-IrisV4进行实验验证的结果表明,本文提出的选择 性阈值 取反操作后进行径向对称变换的瞳孔中心定位可取得更高的精度,满足实时性的要求,可 应用于人机交互的视线追踪系统。     

基于奇异值分解的近无损可逆数字水印方案

提出一种基于奇异值分解(SVD)和可逆信息隐藏的近无损鲁棒水印方法。首先将图像分块,然后进行SVD分解,并将水印嵌入到其进去奇异值的U分量中,最后将可恢复载体图像的信息经可逆信息隐藏方法嵌入到水印图像中,在提取水印和恢复载体图像过程中都不需要原载体图像。实验证明,该算法不仅能使原载体图像近无损恢复,而且能有效地抵抗JPEG压缩、噪声干扰、低通滤波,剪切和旋转等典型的攻击,具有较强的鲁棒性。     

基于多级中值滤波的严重椒盐噪声污染图像恢复

文章提出了一种用于基于多级中值滤波的严重椒盐噪声污染图像恢复的方法.该算法首先用多级中值滤波对图像进行滤波,然后用噪声定位技术将滤波后的图像像素点分为噪声和信号点两类,建立噪声标记矩阵,进而对噪声点进行噪声消除,对非噪声点保持原值不变,从而实现噪声污染图像恢复.实验结果表明,本算法对于噪声浓度大于40%的污染图像去除噪声及保留细节等方面的效果非常显著,尤其对于严重椒盐噪声污染图像.