基于3D特征动态融合的点云特征提取网络

针对目前用于点云配准的点云特征提取方法并未充分提取点云中的有效信息等问题，提出了一种基于3D特征动态融合的点云特征提取网络（3D feature dynamic fusion and residual u-net,DFRUNet）。该网络通过3DFDF(3D feature dynamic fusion)模块将编码和解码模块的特征动态融合，以充分提取点云中的有效信息；同时采用SE-Res(squeeze and excitation residual)模块来提取点云特征，通过动态调整显著区域的权重，对该区域特征进行重点提取，以提高所提取特征的质量。将网络所提取特征映射到高维空间中，采用随机采样一致性（random sample consensus,RANSAC）算法完成点云配准。实验结果表明，在3DMatch数据集上，该算法特征匹配召回率（feature-match recall,FMR）达到了96.3%，相较于经典的FCGF算法提高了0.011。配准召回率（registration recall）达到了82.2%，提高了0.014。该方法充分提取了点云中的有效信息，达到了更高的召回率...     

基于扩展二次同余码/单重合序列的二维光码分多址系统仿真

基于扩展二次同余码/单重合序列(EQC/OCS),利用光纤布拉格光栅(FBG)和光纤延迟线作为编解码器,对二维非相干光码分多址(OCDMA)系统进行系统仿真。通过软件仿真,实现了4个用户的EQC/OCS码字的解码相关输出结果。结果表明,低成本的FBG编/解码器实现了EQC/OCS码字的编码和相关解码,提高了二维OCDMA系统容量。     

傅里叶变换全息加密数字水印解密实验研究

在理论分析傅里叶变换加密全息水印技术的基础上,通过MATLAB软件对加密全息水印的生成和提取进行了模拟仿真,验证了加密全息水印技术的安全性。通过搭建的光学解密再现系统,对经过计算机滤波处理后的含水印载体图像进行了光学解密再现,结果表明,无需原始载体图像的参与,通过正确的密匙就可以提取出原始水印图像,验证了加密全息水印技术的抗攻击性。对不同嵌入强度、位压缩、剪切、嵌入白噪声的载体图像进行了解密实验,计算其PSNR,得到了PSNR>20,即加密全息水印具有较强的抗低通滤波、噪声、剪切性能,具有较强的鲁棒性。傅里叶变换加密全息水印解密光学系统相对于计算机仿真系统,具有高并行性、高处理速度、高信息维度、便捷性等优点,可用于进行版权保护。     

抗任意旋转攻击的数字水印防伪技术

针对目前频率域水印技术无法有效抵抗旋转攻击的 问题,提出一种基于结构相似性指数(SSIM,structural simila rity)的抗旋转攻击数字水印算法。首先将水印与参考光干涉生成离散余弦变换(DCT)全息图 像后;然后利用DCT嵌入到宿主图像的B通道中 频域中;最后,在提取水印时,利用SSIM检测校正图像旋转角度后逆DCT得到 水印。实验表明,以嵌入强度a=0.1嵌入后,含水印图像的峰值信噪比(PSNR)达到43,能有效的抵抗1~360°的旋转攻击,旋 转校正精度可达1°。嵌入水印有很强的不可 见性,提取水印清晰,嵌入量较大,旋转校正时需要原始图像,属于明水印。因此,本文算 法能准确地从受到旋转、滤波、噪声、 裁切和几何形变等攻击的宿主图像中提取水印,可用于版权方的版权保护需求。     

基于傅里叶卷积和多特征调制的图像修复网络

目的 解决大面积破损难以修复且修复过程中感受野、特征空间信息利用不足，导致修复后的孔洞区域与背景之间出现结构、纹理、风格不一致的问题。方法 基于傅里叶卷积和多特征调制的修复网络FFC-MFMGAN，傅里叶卷积在网络的浅层便具有较大的感受野，尤其是在宽掩码时能够跳过掩码区域，捕获到有效特征，多特征调制生成网络能够分别利用完整区域的信息和随机样式操纵，增强与未受损区域的语义连贯性，以及大空洞率下修复的多样性。结果 在Place 2数据集上，将文中方法与其他图像修复方法进行了对比实验，经过测试，各类指标均得到明显改善，峰值信噪比提高了1.4%，结构相似性提高了4.5%，平均绝对误差降低了12.6%，基于学习的感知图像块相似性降低了9.1%。结论 FFC-MFMGAN网络能够较好地修复大面积不规则孔洞，同时增强修复图像的全局结构性和清晰度，对实际包装印刷图像的缺陷修复也有一定参考价值。     

改进的基于 QR 码的数字全息水印

目的提出改进的基于快速响应矩阵码(QR码)的数字全息水印。方法利用加密傅里叶全息技术对QR码进行加密并生成全息图,在标准颜色空间下,抽取彩色载体图像的L分量进行二级小波分解,将全息图嵌入到其分解后的低频系数中,以实现水印信息的隐藏。为提高QR码译码成功率,对提取后的水印进行十字型中值滤波处理。结论 QR码水印能够保存完整的水印信息,比普通图像水印鲁棒性强,且相比于其他基于QR码的数字全息水印算法具有更强的鲁棒性。     

图像匹配技术在套印误差自动检测中的应用

准确检测套印偏差是印刷机自动套印系统中最为关键的技术;针对印刷色标图案的特点,提出了一种新的基于图像匹配的套印误差检测方法,通过相关匹配处理获取各单色色标的位置,并巧妙利用色标圆线的直径确定了系统的标称分辨率,进而计算出各色组问纵向和横向的套印误差;文中详细给出了算法原理和实验结果;相对于经典的边缘检测方法,图像匹配技术充分利用了色标图案的整体信息;实验结果表明,该方法对像素灰度的变化和系统噪声具有鲁棒性,检测精度高。     

基于加密傅里叶变换全息印刷防伪技术研究

在研究双随机相位数据加密技术的基础上,结合印刷技术和全息技术的特点,提出了一种基于傅里叶变换印刷全息标识防伪方法。该方法将二值认证图像经过输入面和频谱面上双随机相位加密模板调制生成的物光,与参考光叠加生成加密的傅里叶变换全息图,该全息图可生成印刷全息防伪标识。通过打印和扫描实验验证了加密的傅里叶变换全息标识,可以通过数字印刷技术印制在证件等印刷品上作为防伪标识,具有重要的实用意义。     

基于注意力机制的轻量级RGB-D图像语义分割网络

目的针对卷积神经网络在RGB-D(彩色-深度)图像中进行语义分割任务时模型参数量大且分割精度不高的问题,提出一种融合高效通道注意力机制的轻量级语义分割网络。方法文中网络基于RefineNet,利用深度可分离卷积(Depthwiseseparableconvolution)来轻量化网络模型,并在编码网络和解码网络中分别融合高效的通道注意力机制。首先RGB-D图像通过带有通道注意力机制的编码器网络,分别对RGB图像和深度图像进行特征提取;然后经过融合模块将2种特征进行多维度融合;最后融合特征经过轻量化的解码器网络得到分割结果,并与RefineNet等6种网络的分割结果进行对比分析。结果对提出的算法在语义分割网络常用公开数据集上进行了实验,实验结果显示文中网络模型参数为90.41 MB,且平均交并比(mIoU)比RefineNet网络提高了1.7%,达到了45.3%。结论实验结果表明,文中网络在参数量大幅减少的情况下还能提高了语义分割精度。     

基于通道分组注意力的无监督图像风格转换模型

为了解决无监督图像风格转换模型输出结果的局部伪影和局部特征丢失问题,提出了一种基于通道分组注意力机制的图像风格转换模型.生成器部分采用通道分组注意力残差块,以增强生成器部分对于图像特征的提取以及有效特征的利用;鉴别器部分采用双鉴别器结构,利用增加的局部鉴别器增强对于生成图像细节的鉴别,利用多分辨率尺度的全局鉴别器增强生成图像的内容合理性与结构连贯性.实验结果表明:本模型比起BicycleGAN、MUNIT等模型不但体积更小,而且可以获得更高的NIMA美观度得分以及LPIPS多样性得分;在包装类产品的平面设计迁移应用任务中,本模型同样表现良好.