一种基于压缩感知的盲数字水印算法

现有的数字水印算法的研究成果大多在变换域,此类方法嵌入水印相对于空域而言数据量较大,安全性较高,鲁棒性较强,但是其计算复杂且抗攻击和防提取能力仍然有限。因此根据压缩感知CS(Compressive Sensing)的特点,结合人眼视觉系统(HVS)的特性,提出一种性能更高的数字水印算法,利用块不均匀度来选取容量大的子块,采用量化的方法自适应地选择量化步长来嵌入经过置乱处理后的数字水印。经实验验证,该算法保证数字水印具有更好的鲁棒性、隐蔽性和安全性,并且提高了含水印图像的抗攻击和防提取能力,而且提取水印不需要原始图像的参与,大大降低了存储载体数据的成本。     

一种基于分形压缩编码的脆弱性数字水印技术

分形图象压缩是一种有损图象压缩技术,其是以迭代函数系统(IFS)为理论基础,基于自然景物的自相似性来进行数据压缩,它能获得很高的压缩比.为此在对现有的自嵌入脆弱性水印进行分析的基础上,提出了一种利用分形图象压缩技术将原始图象作为水印自嵌入到图象中去的方法,该水印算法抽取水印时不需要原始图象,就能检测图象内容的完整性(即检测是否被篡改),而且能对其进行定位,并对被篡改区域能够修复,实验结果表明,该方法是有效实用的.     

一种抗JPEG压缩的数字水印算法

该文提出了一种新的有效的抗JPEG压缩的水印算法,对嵌入水印的图像做JPEG压缩,提取水印仍能保证很好的稳健性,并能抵抗一些常见的攻击。通过对图像做仿JPEG流程的处理,在DCT变换的直流系数上嵌入水印,对于各种常用的JPEG压缩量化因子,可以得到良好的水印嵌入效果。     

一种基于压缩感知的运动目标检测技术

运动目标检测是计算机视觉、图像处理等相关领域的研究热点，其核心就是对视频图像中的每一帧图像进行相应的研究和处理。本文主要研究思路是从压缩感知技术采样信号的角度出发，将每一帧的二维图像压缩采样成具有少量信息的一维信号，再通过信号重构用少量数据量将图像重构出来，最后通过目标检测技术对每一帧的图像进行运动目标提取。仿真实验表明该方法是可行和有效的，同时可以大大减少目标检测中所记录的数据量，解决海量数据的存储与传输问题。     

一种基于感知模型的自适应数字水印方法

本文提出了一种基于感知模型的自适应数字水印方法.该方法将宿主图像进行4层小波分解,利用小波系数的特点选择感知重要系数(PSC)嵌入水印,并根据噪声可见度函数(NVF)决定水印嵌人的强度.水印的检测不需要使用宿主图像.     

一种多重数字水印技术

论文提出了一种多重数字水印方案,它把数幅数字水印DCT变换的部分重要系数经Hadamard正交变换和置乱加密后嵌入到原始载体图像中,接收方根据需要可以提取其中的一幅或多幅甚至全部数字水印。实验结果证明,论文提出的方案具有很好的安全性和较高的使用价值。     

一种改进的压缩感知重构算法

压缩感知重构信号时,在感知过程中如何选定支撑集对算法的重构性能至关重要.基于压缩采样匹配(CoSaMP)重构算法,引入Dice系数匹配性度量准则,优化了支撑集的选择.上述算法改进了从给定的观测矩阵中挑选与残差信号最匹配原子的匹配准则,体现了残差信号中各个元素对原子选取的重要作用.仿真结果表明:在同等稀疏的条件下,重构算法与传统的CoSaMP算法相比,误差低于传统CoSaMP算法,且随着观测维数的增加,重构信号的平均成功概率比传统的CoSaMP算法的大,实现了较小的重构误差和更好的压缩性能.     

一种使用机器学习方法的数字水印算法

针对目前数字水印算法存在的不足,本文将离散小波变换和奇异值分解相结合,提出了一种基于机器学习的图像数字水印算法.首先将载体图像进行一级小波变换,提取其低频子带图像对其进行4×4分块处理,然后对每一分块进行奇异值分解后嵌入水印,并提取特征向量用于最小二乘支持向量机的训练,训练好的最小二乘支持向量机用于自适应最大水印嵌入强...     

一种神经信号压缩感知检测方法

针对无线传感器在神经信号检测领域需要低功耗设计的需求,设计了一种利用压缩感知方法对含动作电位的神经信号进行分段压缩的方法。首先,通过构造冗余字典,实现了对原始神经信号的稀疏化表征;然后构建了测量矩阵,实现了对原始神经信号的压缩;最后,利用稀疏分解算法,实现了对原始神经信号的重构。利用测量到的大鼠脑部神经信号对设计的方法进行实验测试,结果表明,在压缩比为10：1及以下的情况下,可以实现对含动作电位的神经信号的分段压缩和可靠重构。     

一种易损性音频数字水印技术

利用变换域嵌入水印是音频水印的主流技术,一般的嵌入方法是通过调整所选变换系数实现。谱弯折方法实现整段频谱的非线性位移,可将水印嵌入整个频谱。该文在Choi犤1犦的谱弯折音频数字水印算法基础上,研究了算法的鲁棒性,通过大量实验验证,认为谱弯折算法对信号处理类攻击相当脆弱,不具备鲁棒性,是一种易损性音频水印。     

一种新的敏感数字水印技术

本文首先介绍了数字水印的一般性原理并对图象数字水印技术进行了总结,然后提出了利用密码算法或混沌算法的敏感数字水印技术,最后结合纠错编码技术提出了一种在验证水印时无需原水印信息的方法。     

一种基于压缩感知的邻域优化算法

非线性降维方法是目前对降维研究有着重要影响的方法,但在降维过程中经常会遇到局部邻域信息量不足、短路和噪声干扰等问题,严重影响降维效果,很难广泛应用于真实数据的处理中.对以上问题分析发现,其主要原因在于经典降维算法都是采用全局固定的邻域大小.提出了一种基于压缩感知的邻域优化算法,运用压缩感知技术对高维空间目标点近邻进行压缩采样,构建“收—放”模型,自适应得到最优子空间,同时优化邻域组成元素,使得数据的整体降维效果更加稳定.通过手工流形和真实数据集的实验,验证了算法的有效性和稳定性.     

一种高效的PPG压缩感知重构算法

首先阐述了压缩感知（CS）的理论框架,然后分析了光电容积脉搏波（PPG）信号的稀疏性,最后提出了基于CS理论PPG信号的压缩重构框架。基于此框架采用正交匹配追踪算法和改进的正交匹配追踪算法对已压缩的信号进行重构,实验结果表明,PPG信号长度的选取、压缩比的大小以及观测个数的多少都对重构性能有重要影响。     

一种改进的图像分块压缩感知模型

分块压缩感知用于图像获取可以解决传统压缩感知在重构时运算量大的问题,但是运用分块压缩感知却使重构图像的质量有所降低。提出了一种改进的图像分块压缩感知算法。该算法通过对观测矩阵加权,保证了图像低频部分在重构时获得更大的精度,提高了图像的质量。另外,算法根据各图像块不同纹理复杂性,自适应地改变观测值数目,使得在保证图像质量的前提下,重构所需的总观测值数目更少。实验证明了该算法的有效性。     

一种构造压缩感知测量矩阵的新方法

压缩感知理论是近年来针对稀疏信号提出的一种新的信号处理理论。该理论的主要创新之处在于对信号采样和压缩是同时进行的。测量矩阵是实现该创新点的关键步骤之一,其性能直接关系着信号能不能精确重构。利用行列式非零的对角矩阵的正交性,结合正交基线性表示理论,提出了一种新的更简单的测量矩阵的构造方法。通过实验仿真,验证了新矩阵具有较好的性能。     

一种多适应性的压缩感知声纹识别系统

针对传统压缩感知(compressive sensing,CS)语音增强方法抗噪类型单一的问题,本文提出了一种多适应性的压缩感知声纹识别系统。在用正交匹配追踪(orthogonal matching pursuit,OMP)算法重构语音信号时设定相关度阈值和语音恢复阈值,并对迭代算法进行改进,不仅有效恢复了纯净语音信号,实现了语音增强,并且减少了重构的计算量。将重构恢复的信号通过Gammatone滤波器组,提取特征参数GFCC,然后在高斯混合模型中识别。实验结果表明,将这种方法应用于声纹识别系统,系统的识别率及鲁棒性都有明显提高。