基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确地描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,然后利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法(Selecting Regions)提升了2.7%。并在较难区分的树和山脉的预测精确度上,相比层次标记方法(Stacked Labeling)分别提升了16%,25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。     

基于QR码和DWT-SVD技术的双彩色盲水印算法

目的为了进一步提高盲水印算法的嵌入能力和鲁棒性,提出一种基于QR码和SVD分解的强鲁棒性双彩色盲水印算法。方法基于Arnold变换对水印彩色QR码分通道置乱加密并归一化;将彩色载体图像分通道进行小波变换,并对三级低频子带进行4×4分块SVD分解;通过调节每一子块酉矩阵(2,1)和(3,1)坐标系数的差值将水印信息嵌入到载体图像对应通道中。结果实验结果表明算法具有较高的鲁棒性,对裁切、旋转、JPEG压缩、高斯噪声、椒盐噪声、高斯滤波、中值滤波、对比度增强等攻击具有较强的鲁棒性。结论由于算法在提取过程中不需要任何原载体图像相关信息,属于盲水印算法,因此文中提出的双彩色盲水印算法在数字产品版权保护中具有较大的实用价值。