基于Gauss-Hermite分布模型的水印检测算法研究

图像水印的检测来源于统计信号处理的思想,其关键在于如何对图像经变换后的系数进行建模。在已有的水印检测模型中,图像基于高斯分布进行建模,容易导致在抗攻击条件下水印检测的性能较低。为克服这一不足,结合图像的视觉感知模型和高斯-埃尔米特(Gauss-Hermite)统计分布模型,提出一种数字水印的嵌入和盲检测方法。在水印嵌入中,以临界可见误差值JND(Just Noticeable Difference)作为水印嵌入强度,以提高水印的不可感知性。在水印检测中,基于高斯-埃尔米特分布对图像小波系数进行建模,并通过假设检验提出了水印的盲检测模型,最后推导了虚警概率和检测概率之间的工作特性关系。仿真结果表明:提出的水印检测模型在诸如噪声、JPEG压缩、滤波以及缩放等攻击下具有较好的性能。     

基于锁相环的比率抖动调制数字水印同步算法

针对数字水印中的去同步攻击问题,提出一种基于锁相环的比率抖动调制水印算法。该方法考虑分数平移和幅度缩放两种去同步攻击,水印嵌入器采用比率抖动调制方法,水印检测器采用联合信道参数估计和水印消息解码。其中检测器根据比率抖动调制水印的解码结果,调整去同步攻击参数的估计值,再根据该参数的估计来辅助水印解码,提高解码性能。实验分别测试了有无数据辅助模式和不同插值方式对于该水印系统的影响。实验结果表明,该算法能有效地抵抗分数平移和幅度缩放两种去同步攻击。     

基于弱信号检测理论的离散小波变换域数字水印盲检测算法

水印检测是数字水印技术的一个关键步骤，但是目前所提出的绝大多数水印检测算法既不具备赖以支撑的理论基础，其检测性能也不是优化的．利用数字水印的不可感知特性，应用弱信号检测理论进行水印检测的研究．首先从图像小波变换系数的统计特性出发，利用广义高斯分布（GGD）来建立小波细节子带系数的统计分布模型；然后针对水印嵌入强度未知的情况，将水印检测问题转化为非高斯噪声中具有未知参数的确定性信号的检测，在弱信号条件下提出一种离散小波变换（DWT）域图像水印的优化盲检测算法．检测性能分析表明，该检测算法能够实现恒虚警率水印检测．实验结果验证了检测性能理论分析的有效性和实际性能的优越性．     

一种基于脊波域的扩频水印盲检测方法

针对扩频水印机制提出一种基于脊波域的水印盲检测方法。在提出的水印检测机制中,脊波系数采用广义高斯模型和柯西分布模型进行刻画,结合统计信号检测理论分析了水印的检测性能,并且给出两种模型的参数估计仿真结果。实验结果表明提出的算法具有较好的水印检测性能。     

基于内容分类的乘性水印最优检测

提出了一种DCT域内基于内容分类的最优检测方法．该方法利用DCT变换中图像块低频能量的差异将DCT系数划分成平滑和纹理两类,并分别对这两类数据进行参数估计以实现基于最大似然比的最优检测．实验表明该方法较原有的整体参数估计和基于频段分类的参数估计在性能上有明显的提高．     

一种稳健的盲水印算法

本文基于[2]中的最优盲水印检测方案,从编码的角度显著改进了水印的稳健性。我们考察了使用不同编码方案嵌入的水印的抗攻击性能,得出了合适的编码方案会显著提高水印稳健性的结论,最后通过实验比较了使用不同编码方案嵌入时,经过几种常见的水印攻击后,水印图像的稳健性,证实了按01或10顺序交错的编码嵌入方案不但简便易行,而且在提高水印的综合抗攻击性能上表现最好。     

基于H.264/AVC低比特率视频流的双水印算法

针对H.264/AVC编码标准的新特性，通过对低比特率视频流I帧DCT域量化编码和P帧运动估计过程的研究，提出了一种可同时进行版权保护和完整性认证的双水印算法。实验表明，该算法在水印嵌入时通过Lagrangian最优编码控制技术，比特流达到了较好的率失真平衡；所嵌入的鲁棒水印对重量化编码、帧编辑等攻击具有抵抗性，所嵌入的脆弱水印对各种普通攻击具有较强的敏感性。该算法提取水印时不需对压缩码流完全解码，并且为盲提取，能够满足实时随机检测的需要。     

基于差分进化算法的二阶时滞系统参数辨识

针对二阶时滞系统的参数辨识问题，提出一种根据阶跃响应估计系统未知参数的新方法。该方法首先求解出二阶时滞系统阶跃响应函数表达式；然后通过定义目标函数，将参数估计问题转化为非线性最小化问题。为求解目标函数的最优解，提出采用差分进化算法对目标函数进行优化的方法。在该方法中，采用“either-or”策略以减小控制参数设置对差分进化算法性能的影响。通过仿真试验，分别研究了所提方法在不同噪声条件下的参数辨识性能。试验结果表明，所提方法具有较快的收敛速度、较高的参数估计精度和较好的抗噪声能力。所提方法可有效解决二阶时滞系统的参数估计问题。     

扩频数字水印算法的安全性分析

利用参数估计的相关理论对扩频水印算法的安全性进行了分析。从理论上推定了扩频算法在不同攻击下所能达到的安全值,利用ISS（Improved Spread Spectrum）扩频水印算法进行了仿真实验,对理论推导的结果进行了进一步验证,为以后开发鲁棒性和安全性更高的水印算法提供了依据。     

分形水印检测边界的抗Oracle攻击安全性

对于扩频水印机制,水印检测边界的分形化是对抗Oracle攻击的一种主要方法。该文研究Oracle攻击的攻击距离对水印信号估计的影响,发现具有高检测值的攻击发起点能够有效地增强水印估计的准确性。分析和实验表明,直接从目标信号处发起的Oracle攻击能够有效地削弱检测边界分形化的影响,并且成功地去除含水印作品中的水印信号。     

基于自适应密度估计的系统参数辨识

针对噪声分布未知的ARMAX系统,提出了一种自适应非参数噪声密度估计方法,由估计误差动态调整高斯核函数的全局带宽和局部带宽,实现了未知噪声分布密度的自适应估计;通过极小化似然函数,给出了基于噪声密度估计的参数辨识迭代算法,分析了算法的收敛性并给出了算法收敛的充分条件.仿真结果表明本文提出的算法在系统噪声未知时具有较强的抗噪能力和良好的收敛性.     

自适应域多群体遗传算法求解发酵动力学模型参数

发酵动力学模型参数估计是基于最小二乘的参数估计问题,是根据满足最小二乘的标准来解决模型的最佳参数匹配,求解该问题可采用遗传算法,但简单遗传算法容易陷入局部最优。本文提出一种自适应域多群体遗传算法,它通过自调整参数域,避免陷入局部最优,同时还提高搜索到的解是全局最优解的可靠性,适用于很多领域的应用优化问题。     

一种新的非线性回归模型参数估计算法

提出一种新的基于混合基因算法（HGA）的非线性回归模型参数估计算法,新算法通过对问题的解空间交替进行全局和局部搜索,达到快速收敛至全局最优解,较好地解决了传统算法通用性差、易陷入局部极小的问题,实验验证了算法的通用性和有效性。     

PSO算法在非线性回归模型参数估计中的应用

非线性回归模型的参数估计是较为困难的寻优问题,经典方法常会陷入局部极值。由于粒子群算法是一种有效的解决优化问题的群集智能算法,它的突出特点是操作简便、容易实现且全局搜索功能较强,故将粒子群优化算法用于非线性系统模型参数估计,并通过对6种非线性回归模型的参数估计进行了验证。实验结果表明：粒子群优化算法是一种有效的参数估计方法。     

Improving Parameter Estimation and Defensive Ability of Latent Dirichlet Allocation Model Training Under Rényi Differential Privacy

Latent Dirichlet allocation (LDA) is a topic model widely used for discovering hidden semantics in massive text corpora. Collapsed Gibbs sampling (CGS), as a widely-used algorithm for learning the parameters of LDA, has the risk of privacy leakage. Specifically, word count statistics and updates of latent topics in CGS, which are essential for parameter estimation, could be employed by adversaries to conduct effective membership inference attacks (MIAs). Till now, there are two kinds of methods exploited in CGS to defend against MIAs: adding noise to word count statistics and utilizing inherent privacy. These two kinds of methods have their respective limitations. Noise sampled from the Laplacian distribution sometimes produces negative word count statistics, which render terrible parameter estimation in CGS. Utilizing inherent privacy could only provide weak guaranteed privacy when defending against MIAs. It is promising to propose an effective framework to obtain accurate parameter estimations with guaranteed differential privacy. The key issue of obtaining accurate parameter estimations when introducing differential privacy in CGS is making good use of the privacy budget such that a precise noise scale is derived. It is the first time that R′enyi differential privacy (RDP) has been introduced into CGS and we propose RDP-LDA, an effective framework for analyzing the privacy loss of any differentially private CGS. RDP-LDA could be used to derive a tighter upper bound of privacy loss than the overestimated results of existing differentially private CGS obtained by ε-DP. In RDP-LDA, we propose a novel truncated-Gaussian mechanism that keeps word count statistics non-negative. And we propose distribution perturbation which could provide more rigorous guaranteed privacy than utilizing inherent privacy. Experiments validate that our proposed methods produce more accurate parameter estimation under the JS-divergence metric and obtain lower precision and recall when defending against MIAs.     

前向神经网络参数估计中的进化规划

人工神经网络在很多领域有着成功的应用。神经网络参数估计有许多训练算法,BP算法是前向多层神经网络的典型算法,但BP算法有时会陷入局部最小解。进化规划是一种随机优化技术,它可以发现全局最优解。文章介绍了进化规划在前向多层神经网络参数估计中的应用,结合具体例子给出了算法实现的具体操作步骤和实验结果。实验数据表明采用进化规划得到的网络参数是最优的,神经网络的性能优于基于BP算法的神经网络性能。     

基于粒子群优化算法的非线性系统模型参数估计

非线性模型的参数估计是较为困难的寻优问题,经典方法常会陷入局部极值。由于粒子群算法是一种有效的解决优化问题的群集智能算法,它的突出特点是操作简便、容易实现且全局搜索功能较强,故将粒子群优化算法用于非线性系统模型参数估计,并通过对3种典型的非线性模型的参数估计进行了验证。实验结果表明：粒子群优化算法参数估计精度高,是一种有效的参数估计方法。     

求解连续空间优化问题的改进蜂群算法

为了有效地解决人工蜂群算法容易陷入局部最优的缺陷,提出了一种改进蜂群算法。首先,利用反向学习方法构建初始种群,以提高初始化解的质量。同时,利用分布估计算法构造优秀个体解空间的概率模型以进行邻域搜索,以改善算法的搜索性能并防止陷入局部最优。对连续空间优化问题进行了仿真实验,结果表明改进算法具有较快的收敛速度,全局寻优能力显著提高。     

基于条件先验人体模型的人体姿态估计

人体姿态估计算法中的人体模型是对人体部位或关节间外观和空间关联情况的数学描述。虽然当前已经有部分人体模型在建立时考虑到了部位或关节的空间定位会满足一定的先验分布，但却都将基于同样先验分布建立的人体模型用于不同待处理图片进行人体姿态估计，并没有考虑到不同图片中的实际定位对先验分布服从程度的不同。为此，提出了一种基于条件先验的人体模型，在人体模型中添加自适应调节参数，参数值根据待处理图片中关节可能定位与外观模型相似度的大小来确定，从而达到根据待处理图片自适应调节先验分布在计算关节定位概率时所起作用大小的目的。将基于条件先验的人体模型用于人体姿态估计，仿真实验表明，与现有基于先验的人体模型相比，所提人体模型用于人体姿态估计时获得了更高的估计准确度。