基于多尺度滤波器的空域图像隐写增强算法

隐写是一种利用图像、视频、音频等多媒体载体实现隐蔽传输的技术.如何在尽可能减少对载体影响的情况下嵌入尽可能多的信息一直是隐写算法的研究重点.随着双层校验格码(syndrome tellis codes, STC)的引入,隐写算法的嵌入效率能够达到理论上界.因此,隐写算法的设计重心变为了设计用于衡量图像像素嵌入安全性的失真函数.失真函数是自适应隐写算法的核心.对于空域图像隐写而言,失真函数通常是基于图像的复杂性原则,即载体图像中的纹理区域通常具有较低的失真代价,而平坦区域通常具有更高的失真代价.然而,基于图像内容的多样性,这种准则并不能适用于一幅图像中的所有像素点.提出了一种适用于空域隐写算法的隐写增强算法,通过多尺度滤波器对载体图像进行增强,使得在增强不同尺度的纹理区域的同时减少对图像平坦区域的增强.增强后的失真代价遵循了复杂性原则,并解决了失真代价分配不当的问题.实验结果表明：所提出的算法能够适用于现有的空域隐写算法,并且能够提升它们的抗隐写分析检测能力.     

300 MW汽轮机组供热改造(火用)分析优化研究

针对亚临界凝汽式发电机组热效率低、热经济性差的问题,考虑采用抽汽供热的方式实现原机组的热电联供。建立了基于热平衡法的热力学模型计算了非供热工况、主蒸汽减温减压供热工况、背压机供热工况和一抽供热工况的热经济性指标,并从能量品位的角度出发,定量计算不同抽汽供热工况下组元系统的(火用)效率及(火用)损失分布。结果表明：供热改造能有效提高系统的热效率,相比于主蒸汽减温减压供热方案和背压机供热方案,一抽供热方案的(火用)效率更高,且汽轮机组非满负荷运行时会造成更大的(火用)损失;对比不同抽汽供热方案,有助于结合实际情况调整机组的抽汽供热工况,提升其节能潜力。     

基于卷积神经网络的JPEG图像隐写分析参照图像生成方法

基于深度学习的JPEG数字图像隐写分析模型检测能力已超越基于人工设计特征隐写分析模型,但检测能力仍存在提升空间.以进一步提升JPEG隐写分析模型的检测能力为目标,借助深度学习方法,为基于深度学习的JPEG隐写分析模型提供辅助信息,从数据输入角度,探索进一步提升隐写分析模型检测能力的途径.基于卷积神经网络,构建隐写分析参照图像生成模型,对待检测图像进行变换,从而获得对应参照图像.之后,将待检测图像与对应参照图像作为隐写分析模型的输入数据,进一步挖掘待检测图像中存在的隐写分析相关信息.为验证所提出算法的有效性,进行针对JPEG自适应隐写算法的对比实验.实验结果表明：所设计的参照图像生成模型能够提升现有基于深度学习的隐写分析模型检测能力,提升效果最多可达6个百分点.