基于SIFT特征点匹配校正的抗几何攻击水印算法

嵌入水印的数字产品在传播过程中可能遭受到各种攻击,其中几何攻击破坏了水印和图像空间坐标的同步性,很容易使得水印算法失效。因此,抗几何攻击的水印算法成为了数字水印技术研究的热点和难点。本文利用图像尺度不变特征变换(SIFT)特征点所具有的旋转、缩放和平移不变性,提出了一种几何校正方法,该方法根据SIFT特征点的尺度特征和坐标关系实现带水印图像的几何校正。水印嵌入时首先对宿主图像Contourlet变换的低频子带进行分块奇异值分解,然后通过对各块奇异值向量的欧式范数的量化,改变所有奇异值实现水印信息的嵌入。水印提取时先对图像进行相应的几何校正,使得水印信息在受攻击后也能得到同步,从而提高了水印图像的抗攻击能力。仿真结果表明,该算法不可见性良好,水印容量较大,而且对于常规攻击和多种几何攻击都具有较好的鲁棒性。     

电子鼻对不同产地名优绿茶和红茶香气特征的判别研究

采用电子鼻AIRSENSE PEN 3测定不同产地、加工工艺及生产时间的13个名优绿茶和6个红茶的香气组分,利用主成分分析法(PCA)和线性判别分析法(LDA)对香气主成分进行分类判别。电子鼻10个传感器对绿茶和红茶香气组分均有较好的响应,结合PCA分析,从红茶中提取出氮氧化合物、甲烷类、硫化物和有机硫化物4类香气主成分,绿茶还包括醇类和醛酮类,有5类香气主成分;PCA和LDA对绿茶和红茶香气判别率有明显差别,绿茶干茶和茶汤的PCA判别率分别为96.86%和94.71%,高于红茶的87.29%和89.63%,而红茶干茶和茶汤的LDA判别率为92.92%和94.92%,高于绿茶的70.95%和73.75%;绿茶和红茶香气判别分类效果LDA优于PCA,两者基本将茶叶香气按产地、茶树品种、加工工艺、等级及贮存时间区分开。电子鼻应用于茶叶香气检测和判别要与茶叶感官审评、影响茶叶香气因素及其他茶叶香气检测方法相结合,才能更好地对茶叶香气的整体特征进行科学评价与合理鉴别。     

数控车床加工中刀具使用的几点体会

本文针对数控车床加工中刀具使时出现的各种技术问题进行分析,其目的是找出一种适合各自特点的刀具使用方法。通过这些问题的解决和分析,使得我们大大提高了加工效率和生产质量,降低了成本。     

基于Contourlet和SVD的鲁棒双水印算法

提出了一种Contourlet域的基于奇异值分解的鲁棒水印算法。综合Contourlet变换和奇异值的优点,选择宿主图像Contourlet变换后的低频子带和能量最大的高频子带作为水印嵌入子带,分别嵌入水印信息。水印提取时,从两个子带水印中选择NC值较大的作为最终提取的水印。实验结果表明,该算法在保证了不可见性的同时,对常规攻击和几何攻击均具有较强鲁棒性。