排序方式: 共有25条查询结果,搜索用时 15 毫秒
1.
鉴于基于单个矩形框标定的Tracking-Learning-Detection(TLD)算法无法兼顾跟踪目标的"重点性"和"完整性",提出了一种基于双矩形框标定的改进算法。在标定整个目标区域的矩形框的基础上,算法在目标变化相对稳定的区域标定另一个矩形框,以指示跟踪的重点区域。在提取跟踪点时,采用分配权重的方法使重点区域产生更多的跟踪点,从而提高算法对局部变化的适应能力。实验表明,改进后的算法在跟踪局部保持稳定而其余部分有所变化的目标上有较高的性能提升;而对于不存在稳定局部区域的目标,跟踪效果没有明显改善。 相似文献
2.
3.
4.
为了提高隐写算法的安全性,提出一种基于Fisher信息的最优隐写框架.将隐写算法设计建模成以嵌入转移概率为决策变量、以Fisher信息最小化为目标的最优化问题.推导出Fisher信息是嵌入转移概率的二次型,通过二次规划求解最优嵌入转移概率.给出了一个最优隐写算法实例——最优LSB matching算法,实验结果表明,最优LSB matching算法的Fisher信息小于传统LSB matching算法,隐写安全性提高. 相似文献
5.
6.
7.
为了使数字隐写模型研究与隐写技术研究同步发展,从通用到具体,依次提出3个数字隐写模型,并对各模型进行形式化描述,总结梳理隐写算法的本质原理,以指导隐写技术的进一步发展。首先,针对已有模型无法描述新兴隐写算法的问题,提出一个通用数字隐写模型,以描述当前所有隐写算法;其次,鉴于载体修改式的隐写算法在隐写术研究中的重要地位,提出基于载体修改的加性噪声隐写模型;然后,针对当前主流的图像自适应隐写算法,提出具体的最小化失真的数字图像自适应隐写模型。选取4个典型的隐写算法实例,采用所提隐写模型进行对应描述,以验证所提模型的有效性。 相似文献
8.
9.