一种基于秘密共享与运动矢量的视频水印算法

本文在"压缩嵌入联合编码"框架下,提出一种基于秘密共享和信息分级保护的水印生成算法.与用算术编码压缩水印相比,本文的秘密共享方案在保证水印可认证性的前提下大幅度减少了信息嵌入量,同时对嵌入的信息依其重要程度进行分级保护,有效地增强了水印的鲁棒性.在此基础上,利用当前宏块与其周围宏块的运动矢量的相关性,提出一种基于运动矢量的自适应视频水印算法,可有效控制运动矢量的修改幅度,保证视频质量.实验表明该方案能保持很小的峰值信噪比损失和较好的视觉效果,且对于删帧攻击具有较强的鲁棒性.     

云安全研究进展综述

 随着云计算在学术界和工业界的兴起,云计算也不可避免的带来了一些安全问题.本文对云计算的安全需求进行了总结,指出云计算不仅在机密性、数据完整性、访问控制和身份认证等传统安全性上存在需求,而且在可信性、配置安全性、虚拟机安全性等方面具有新的安全需求.我们对云计算的两个典型产品Amazon Web Services和Windows Azure的安全状况进行了总结,并阐述了针对云计算的拒绝服务攻击和旁通道攻击.基于云计算的安全需求和面临的攻击,对现有安全机制进行了优缺点分析,系统的总结了现有的安全机制.     

局域化互信息度量的ACM下医学图像的分割

大量医学图像中存在灰度不均匀现象使传统方法很难获得理想的分割结果,针对此问题,将图像的局部统计特征引入互信息度量的分割模型中,考虑不同组织间的方差差异,提出一种局域化互信息度量的活动轮廓模型(ACM),以提高灰度不均匀情况下目标边界识别的精确度。此外,采用一种无需重新初始化的水平集函数规则化方法,演化稳定,收敛速度快。最后,以医学图像分割实验对算法进行了验证,对比实验表明分割和偏移场矫正结果都更精确。     

融合SUSAN特征的医学图像Graph Cuts算法

交互式图像分割算法由于可以从复杂的医学图像中分割出感兴趣的组织,现已引起研究者的广泛关注。该算法对Graph Cuts中经典能量函数的边界项进行改进,将传统的灰度特征替换为SUSAN特征。由于SUSAN特征的求和机制,极大的抑制了噪声的影响,对边界的定位也更加准确。实验表明该算法能够准确分割出感兴趣目标,剔除多余边界,并且对噪声也有很好的抑制作用。     

结合形变模型与图像修复的人脸姿态矫正

目的 人脸姿态偏转是影响人脸识别准确率的一个重要因素,本文利用3维人脸重建中常用的3维形变模型以及深度卷积神经网络,提出一种用于多姿态人脸识别的人脸姿态矫正算法,在一定程度上提高了大姿态下人脸识别的准确率。方法 对传统的3维形变模型拟合方法进行改进,利用人脸形状参数和表情参数对3维形变模型进行建模,针对面部不同区域的关键点赋予不同的权值,加权拟合3维形变模型,使得具有不同姿态和面部表情的人脸图像拟合效果更好。然后,对3维人脸模型进行姿态矫正并利用深度学习对人脸图像进行修复,修复不规则的人脸空洞区域,并使用最新的局部卷积技术同时在新的数据集上重新训练卷积神经网络,使得网络参数达到最优。结果 在LFW（labeled faces in the wild）人脸数据库和StirlingESRC（Economic Social Research Council）3维人脸数据库上,将本文算法与其他方法进行比较,实验结果表明,本文算法的人脸识别精度有一定程度的提高。在LFW数据库上,通过对具有任意姿态的人脸图像进行姿态矫正和修复后,本文方法达到了96.57%的人脸识别精确度。在StirlingESRC数据库上,本文方法在人脸姿态为±22°的情况下,人脸识别准确率分别提高5.195%和2.265%;在人脸姿态为±45°情况下,人脸识别准确率分别提高5.875%和11.095%;平均人脸识别率分别提高5.53%和7.13%。对比实验结果表明,本文提出的人脸姿态矫正算法有效提高了人脸识别的准确率。结论 本文提出的人脸姿态矫正算法,综合了3维形变模型和深度学习模型的优点,在各个人脸姿态角度下,均能使人脸识别准确率在一定程度上有所提高。