融合空间约束和梯度结构信息的视频篡改检测算法

相邻帧间相似性原理的传统视频被动取证方法会对画面运动剧烈的视频发生大量误检测,针对这个问题,提出了一种融合空间约束和梯度结构信息的视频篡改检测方法。首先,利用空间约束准则,提取低运动区域和高纹理区域,并将两个区域进行融合,获取顽健的量化相关性丰富区域用于提取视频最优相似性特征;然后,改进原有特征的提取和描述方法,运用符合人类视觉系统特性的梯度结构相似性 GSSIM 来计算空间约束相关性值,最后,利用切比雪夫不等式对篡改点进行定位。实验证明,针对画面运动剧烈的视频,所提算法误检率更低,精确度更高。     

融合背景块再选取过程的显著性检测

目的 显著性检测算法大多使用背景先验提高算法性能,但传统模型只是简单地将图像四周的边缘区域作为背景区域,导致结果在显著性物体触及到图像边界的情况下产生误检测。为更准确地应用背景先验,提出一种融合背景块再选取过程的显著性检测方法。方法 利用背景先验、中心先验和颜色分布特征获得种子向量并构建扩散矩阵,经扩散方法得到初步显著图,并以此为输入再经扩散方法得到二层显著图。依据Fisher准则的思想以二层显著图为基础创建背景块再选取过程,将选取的背景块组成背景向量并构建扩散矩阵,经扩散方法得到背景显著图。将背景显著图与二层显著图进行非线性融合获得最终显著图。结果 在5个通用数据集上将本文算法与6种算法进行实验对比。本文算法在MSRA10K（Microsoft Research Asia 10K）数据集上,平均绝对误差（mean absolute error,MAE）取得了最小值,与基于多特征扩散方法的显著性物体检测算法（salient object detection via multi-feature diffusion-based method,LMH）相比,F值提升了0.84%,MAE降低了1.9%;在数据集ECSSD（extended complex scene saliency dataset）上,MAE取得了次优值,F值取得了最优值,与LMH算法相比,F值提升了1.33%;在SED2（segmentation evaluation database 2）数据集上,MAE与F值均取得了次优值,与LMH算法相比,F值提升了0.7%,MAE降低了0.93%。本文算法检测结果在主观对比中均优于LMH算法,表现为检测所得的显著性物体更加完整,置信度更高,在客观对比中,查全率均优于LMH算法。结论 提出的显著性检测模型能更好地应用背景先验,使主客观检测结果有更好提升。     

圆域B样条曲线的节点去除

在圆域算术的基础上,引入了圆域B样条曲线的概念,并讨论了它的一些基本性质.研究了圆域B样条曲线的节点去除问题,即用去除一个节点后的圆域B样条曲线包住原曲线,采用拟线性规划和最佳逼近2种方法,分别给出了该问题的解析解.     

FPGA音视频通用开发平台的存储器设计

文章介绍了DDRSDRAMDIMM内存 ,提出了FPGA音视频通用开发平台的存储器设计思路 ,并给出了利用Micron公司的MT1 6VDDT32 64A内存条为FPGA音视频通用开发平台提供大容量存储器的设计方案