二值
- 雙因素效應(yīng)的動(dòng)態(tài)二值logit模型的參數(shù)估計(jì)及應(yīng)用
。在面板數(shù)據(jù)動(dòng)態(tài)二值選擇模型中考慮不可觀測的個(gè)體效應(yīng)和時(shí)間效應(yīng),可以使得模型更加靈活。在營銷學(xué)的研究中,通常要考慮廣告或優(yōu)惠券的時(shí)效性、競爭商品價(jià)格隨時(shí)間的變化,以及經(jīng)濟(jì)前景或天氣隨時(shí)間的變動(dòng),將這些影響因素稱為時(shí)間脈沖或不可觀測的時(shí)間效應(yīng)。例如,公司在時(shí)變的市場條件下采用新技術(shù),失業(yè)者隨時(shí)間變化在外來勞動(dòng)力市場沖擊下找到工作等[1,2]。Chintagunta等(2005)[3]證明了在研究個(gè)體品牌選擇時(shí)忽略時(shí)間效應(yīng)會(huì)導(dǎo)致平均價(jià)格參數(shù)的估計(jì)是有偏的,同時(shí)
統(tǒng)計(jì)與決策 2023年13期2023-07-21
- 基于特征圖分塊偏移的二值化卷積神經(jīng)網(wǎng)絡(luò)*
決方案。神經(jīng)網(wǎng)絡(luò)二值化能夠最大限度地降低模型的存儲(chǔ)占用和模型的計(jì)算量,將神經(jīng)網(wǎng)絡(luò)中原本32 位浮點(diǎn)數(shù)參數(shù)量化至1 位定點(diǎn)數(shù),降低了模型部署的存儲(chǔ)資源消耗,同時(shí)極大加速了神經(jīng)網(wǎng)絡(luò)的推斷過程。二值化神經(jīng)網(wǎng)絡(luò)(Binarized Neural Network,BNN)由于可以實(shí)現(xiàn)極高的壓縮比和加速效果,所以它是推動(dòng)以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能模型,在資源受限和功耗受限的移動(dòng)端設(shè)備和嵌入式設(shè)備上落地應(yīng)用的一種非常有潛力的技術(shù)。二值化神經(jīng)網(wǎng)絡(luò)最初源于Courbar
通信技術(shù) 2022年7期2022-08-23
- 基于二值條紋的快速高精度三維成像系統(tǒng)的研究
建。國內(nèi)外學(xué)者在二值條紋測量方面進(jìn)行了較多的研究工作。文獻(xiàn)[1]提出了投射Ronchi光柵,通過調(diào)整合適的離焦程度來生成正弦條紋,為二值條紋離焦投影的三維測量方法奠定了理論基礎(chǔ);文獻(xiàn)[2]將該理論運(yùn)用到數(shù)字投影儀,由于投影的圖片由8 bit的灰度圖變?yōu)? bit的二值圖,提高了投影的速度,并且解決了非線性gamma的影響;文獻(xiàn)[3]提出了利用脈寬調(diào)制(pulse width modulation,PWM)技術(shù)在投影儀離焦時(shí)產(chǎn)生正弦分布光柵圖像進(jìn)行三維測量;
- 基于軟集優(yōu)勢矩陣的二值決策方法
象的決策方式——二值決策,然后利用軟集及其優(yōu)勢矩陣提出了兩種二值決策方法,最后通過實(shí)例進(jìn)行分析與對比,說明這兩種方法的實(shí)際意義。1 軟集理論設(shè)={,,…,u}是有限對象集合,是一個(gè)參數(shù)集合。例如,信息系統(tǒng)中的屬性可以被看成參數(shù)。?()為的冪集,||表示集合的基數(shù)。二元組=(,)稱為上的一個(gè)軟集,其中(1)是的子集。(2):→?(),?∈,() 表示參數(shù)對應(yīng)的的子集。我們用(,) = 1((,)=0)表示是(否)為()的元素。令=(,)是上的一個(gè)軟集。?∈,
現(xiàn)代計(jì)算機(jī) 2022年4期2022-04-24
- 基于垂直投影分割法的車牌圖像的字符分割研究
車牌灰度圖像進(jìn)行二值化處理后,漢字圖像的偏旁和部首依然保持原始狀態(tài),偏旁部首并沒有連通[1],如圖1所示。這樣會(huì)導(dǎo)致漢字分割不準(zhǔn)確,為后續(xù)的字符篩選工作帶來難度。為了避免此類情況的發(fā)生,需要對二值化后的車牌圖像進(jìn)行形態(tài)學(xué)處理。圖1 車牌漢字符二值化圖像圖像形態(tài)學(xué)處理分為腐蝕處理和膨脹處理兩類。且都是對圖像中白色像素進(jìn)行操作。形態(tài)學(xué)腐蝕意為在原有的二值圖像上獲得更小的白色區(qū)域;形態(tài)學(xué)膨脹意為在原有的二值圖像上獲得更大的白色區(qū)域[2]。形態(tài)學(xué)腐蝕的實(shí)質(zhì)是求局部
- 基于牛頓迭代二值采樣信號參數(shù)估計(jì)的魯棒算法*
論了基于WSNs二值測量信號的參數(shù)估計(jì)問題,研究了在信號加性噪聲、二值信道擾動(dòng)噪聲,以及乘性噪聲存在情況下的魯棒估計(jì)算法。我們將問題建模為二值變量含誤差(Errors-In-Variables,EIV)系統(tǒng)模型的參數(shù)估計(jì)問題,提出了一種基于極大似然框架下的牛頓法和擬牛頓法。論文推導(dǎo)了參數(shù)估計(jì)的克拉美羅下界(Cramér-Rao lower bound,CRLB),并與本文提出算法的估計(jì)結(jié)果進(jìn)行了仿真比較,驗(yàn)證了算法具有較快的收斂性和較好的魯棒性。1 信號模
傳感技術(shù)學(xué)報(bào) 2021年9期2021-11-12
- 基于分層嵌入的二值圖像隱寫方法
?;诜謱忧度氲?span id="j5i0abt0b" class="hl">二值圖像隱寫方法程宇翔1,2,張衛(wèi)明1,2,李偉祥1,2,俞能海1,2(1.中國科學(xué)技術(shù)大學(xué)中國科學(xué)院電磁空間信息重點(diǎn)實(shí)驗(yàn)室,安徽 合肥 230001;2.中國科學(xué)技術(shù)大學(xué)網(wǎng)絡(luò)空間安全學(xué)院,安徽 合肥 230001)提出了一種非加性失真的二值圖像隱寫方法,該方法對載體圖像進(jìn)行分割,生成兩張子圖,通過傳遞影響因子更新失真,并使用最小化失真隱寫編碼實(shí)現(xiàn)消息嵌入。相較于固定失真不變的加性失真隱寫方法,所提方法結(jié)合了二值圖像只有黑色和白色兩種像素的
網(wǎng)絡(luò)與信息安全學(xué)報(bào) 2021年5期2021-11-10
- 二值卷積神經(jīng)網(wǎng)絡(luò)綜述
中的極致量化,即二值卷積神經(jīng)網(wǎng)絡(luò)(Binary Convolutional Neural Network,BNN,簡稱二值網(wǎng)絡(luò))進(jìn)行全面綜述。所謂二值網(wǎng)絡(luò),其目標(biāo)是將激活和權(quán)重同時(shí)量化為二值,二值化后的網(wǎng)絡(luò)具有以下幾個(gè)優(yōu)點(diǎn):第一,內(nèi)存更少。對于嵌入式移動(dòng)設(shè)備來說,通常無法部署較大內(nèi)存的網(wǎng)絡(luò)模型。而網(wǎng)絡(luò)量化減少了網(wǎng)絡(luò)所需要的內(nèi)存,使得網(wǎng)絡(luò)模型更容易部署。第二,計(jì)算速度更高。當(dāng)今典型的卷積神經(jīng)網(wǎng)絡(luò)模型在訓(xùn)練時(shí)通常需要較大的訓(xùn)練數(shù)據(jù)集和較多的迭代次數(shù),巨大的計(jì)算
航空學(xué)報(bào) 2021年6期2021-07-07
- 數(shù)字混沌抗干擾激光雷達(dá)設(shè)計(jì)
別采用連續(xù)信號和二值化處理后的電混沌信號作為激光器的調(diào)制信號,通過比較兩者的測距效果,獲得了具有更高測距準(zhǔn)確度的二值化混沌編碼方案。1 信號源編碼傳統(tǒng)的抗干擾隨機(jī)信號雷達(dá)一般采用m序列和Gold序列等偽隨機(jī)序列作為編碼信號。m序列是多級移位寄存器或其延遲元件通過線性反饋產(chǎn)生的最長的碼序列。一個(gè)n級線性反饋移位寄存器最多有2n個(gè)狀態(tài),但當(dāng)其各級存數(shù)都為零時(shí)即停止工作,所以除去全零狀態(tài)后,其最長的可能周期為2n-1。該序列的缺點(diǎn)是信號存在周期性,攻擊者可以在采
光通信研究 2021年3期2021-06-22
- 二值無偏測量與三值無偏測量的聯(lián)合可測性
2]中給出的兩組二值無偏測量聯(lián)合可測的充要條件;為分析給定測量的聯(lián)合可測性,文獻(xiàn)[5]引入W-測度,并根據(jù)文獻(xiàn)[2-3]中得出的充要條件,分別討論兩組二值無偏測量的聯(lián)合可測性和兩組三值無偏測量的聯(lián)合可測性;文獻(xiàn)[6]研究一組測量的兩兩聯(lián)合可測性與共同聯(lián)合可測性的等價(jià)性。由于對二值無偏測量和三值無偏測量的聯(lián)合可測性還未曾有明確的刻畫條件,故本文研究量子比特系統(tǒng)上的二值無偏測量與三值無偏測量的聯(lián)合可測性。1 正算子值測度與W-測度正算子值測度與W-測度及其負(fù)性
- 二值VGG 卷積神經(jīng)網(wǎng)絡(luò)加速器優(yōu)化設(shè)計(jì)*
基于流架構(gòu)實(shí)現(xiàn)的二值神經(jīng)網(wǎng)絡(luò)加速器研究大多是針對32×32 尺度MNIST 數(shù)據(jù)集等小尺度的圖像輸入。 而實(shí)際應(yīng)用中更多使用如448×448 尺度的YOLO、224×224 尺度的VGG 等作為骨干網(wǎng)絡(luò),一方面,大尺度輸入的網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)量往往較大(以VGG 為例,其參數(shù)量大約500 MB),高端FPGA 的片上內(nèi)存容量也僅32.1 Mb 左右,這對FPGA 實(shí)現(xiàn)CNN 加速將是資源瓶頸。 即使采用低精度量化策略,F(xiàn)PGA 有限的片上內(nèi)存資源仍捉襟見肘。另一
電子技術(shù)應(yīng)用 2021年2期2021-03-11
- 基于深度學(xué)習(xí)的二值圖像目標(biāo)輪廓識別算法
種基于深度學(xué)習(xí)的二值圖像目標(biāo)輪廓識別算法, 將深度學(xué)習(xí)算法中應(yīng)用較廣的深度卷積網(wǎng)絡(luò)應(yīng)用于二值圖像目標(biāo)輪廓識別中, 利用深度卷積網(wǎng)絡(luò)實(shí)現(xiàn)算法自主識別, 以有效減少待識別圖像的背景信息, 準(zhǔn)確識別圖像目標(biāo)輪廓, 且可改善上述算法中所識別圖像目標(biāo)輪廓細(xì)節(jié)過多的缺陷, 可應(yīng)用于復(fù)雜二值圖像的目標(biāo)輪廓識別.1 二值圖像目標(biāo)輪廓識別算法1.1 深度卷積網(wǎng)絡(luò)深度卷積網(wǎng)絡(luò)通過描述圖像信息的后驗(yàn)概率提升目標(biāo)輪廓識別精準(zhǔn)性[4]. 深度卷積網(wǎng)絡(luò)主要包括特征提取層和特征映射層.
吉林大學(xué)學(xué)報(bào)(理學(xué)版) 2020年5期2020-09-27
- 基于有序分拆的二值自相關(guān)序列的設(shè)計(jì)方法研究*
計(jì)中,人們常常用二值型-1/+1的互補(bǔ)差集(Supplementary Difference Set,簡稱SDS)構(gòu)建二值向量和相應(yīng)的循環(huán)矩陣,從而得到Hadamard最大行列式問題在某些特定條件下的解.[2]利用二值型SDS求解Hadamard最大行列式問題的核心是計(jì)算循環(huán)矩陣的核,即對應(yīng)的二值型SDS.令其為矩陣的第一個(gè)行向量,則第i個(gè)行向量可以通過將第(i-1)個(gè)行向量向右平移一位得到.矩陣的核如果通過窮舉法進(jìn)行搜索,則復(fù)雜度會(huì)隨矩陣階數(shù)N的增加呈指
- 一種改進(jìn)的二值圖像邊界保持算法
圖像處理來實(shí)現(xiàn).二值圖像雖然是只有黑白兩種顏色組成的簡單圖像,但是它在數(shù)字圖像處理中占據(jù)了很重要的地位.二值圖像能夠有效區(qū)分圖像的背景和目標(biāo)物,這一特性使得二值圖像被廣泛應(yīng)用到各個(gè)研究領(lǐng)域,例如,醫(yī)學(xué)圖像中CT圖像特征提取、生物學(xué)方向的植物葉片等輪廓分析、車牌識別和圖像的字符提取等.二值圖像處理離不開圖像放大技術(shù),圖像放大有利于觀察圖像的細(xì)節(jié)特征.但是傳統(tǒng)的二值圖像放大會(huì)給圖像邊界帶來鋸齒,使圖像邊界不光滑,降低二值圖像的視覺效果,嚴(yán)重影響圖像的使用和美觀
商丘師范學(xué)院學(xué)報(bào) 2020年9期2020-07-13
- 基于馬爾可夫隨機(jī)場的加密二值圖像有損壓縮算法
d,MRF)表征二值圖像空域特征,并構(gòu)建重構(gòu)因子圖來進(jìn)行聯(lián)合解壓縮和解密,較大幅度地提高了二值圖像的壓縮效率。隨后,他們將此思想推廣到加密灰度圖像的壓縮[8]。為了在一定質(zhì)量損失的情況下獲得更大的壓縮率,研究人員也開展了加密圖像的有損壓縮算法研究。根據(jù)所采用的壓縮技術(shù),這些算法大致可以分為三類:第一類采用壓縮傳感技術(shù)[9-11],即利用傳統(tǒng)的壓縮傳感測量矩陣[9]、梯度投影矩陣[10]或者學(xué)習(xí)得到的詞典[11]作為測量矩陣?yán)脡嚎s傳感技術(shù)來實(shí)施壓縮,并用改
計(jì)算機(jī)應(yīng)用 2020年5期2020-06-07
- 局部二值描述子的研究進(jìn)展綜述
皓霖,黃福珍局部二值描述子的研究進(jìn)展綜述邊后琴1,張皓霖1,黃福珍2(1. 上海電力大學(xué)電子與信息工程學(xué)院,上海 200090;2. 上海電力大學(xué)自動(dòng)化工程學(xué)院,上海 200090)局部二值描述子是局部不變特征中的重要研究對象,廣泛應(yīng)用于計(jì)算機(jī)視覺與模式識別中。近年來,以BRIEF描述子為代表的局部二值描述子相繼出現(xiàn),對十年來局部二值描述子的研究成果與發(fā)展方向進(jìn)行綜述,旨在為初步研究者與工程應(yīng)用人員提供參考。首先,對典型的現(xiàn)代局部二值描述子進(jìn)行概述;其次,
圖學(xué)學(xué)報(bào) 2020年2期2020-05-21
- 二值量化的多尺度描述子網(wǎng)絡(luò)優(yōu)化
融合基于正則化的二值量化方法以及基于圖像比特位的多尺度方法,構(gòu)建二值量化的多尺度描述子網(wǎng)絡(luò),并介紹該網(wǎng)絡(luò)的實(shí)驗(yàn)設(shè)計(jì)、環(huán)境、指標(biāo)和結(jié)果,同時(shí)根據(jù)實(shí)驗(yàn)結(jié)果分析該多尺度方法性能,在NVIDIA Jetson TX2 平臺(tái)部署該網(wǎng)絡(luò)并測試運(yùn)行時(shí)間等。2 二值量化的多尺度描述子網(wǎng)絡(luò)仿真實(shí)驗(yàn)實(shí)驗(yàn)主要基于正則化的二值量化方法以及基于圖像比特位的多尺度方法,構(gòu)建了多尺度二值描述子網(wǎng)絡(luò),并在HPatches 數(shù)據(jù)集上測試了圖像匹配精度。2.1 二值量化的多尺度描述子網(wǎng)絡(luò)實(shí)驗(yàn)
電子技術(shù)與軟件工程 2020年19期2020-02-03
- 基于二維小波變換的圖像二值化方法
對圖像進(jìn)行分析。二值化是進(jìn)行圖像分析前必要的預(yù)處理操作[1-2],其性能的優(yōu)劣直接影響圖像分析的結(jié)果。二值化的方法很多,基于直方圖的二值化算法是其中一類重要的方法。根據(jù)閾值選取辦法,基于直方圖的二值化算法分為灰度平均值、百分比閾值、基于谷底最小值閾值、迭代最佳閾值等幾十種方法。這類方法具有容易實(shí)現(xiàn)、執(zhí)行速度快等特點(diǎn),因此應(yīng)用廣泛,但效果不穩(wěn)定,特別是對復(fù)雜背景的數(shù)字圖像二值化效果不佳。小波變換具有多分辨率分析的特點(diǎn),能夠有效去除圖像中的噪聲,提取圖像的局部
武夷學(xué)院學(xué)報(bào) 2019年9期2019-11-28
- 乘性噪聲環(huán)境和非理想二值信道下的1比特魯棒參數(shù)估計(jì)*
與融合中心之間的二值信道是理想的;但實(shí)際上,傳感器節(jié)點(diǎn)與融合中心之間的二值信道[19-21]同樣容易受到隨機(jī)噪聲干擾,導(dǎo)致某些比特值出現(xiàn)反向,例如,某節(jié)點(diǎn)發(fā)送 +1,融合中心錯(cuò)誤地收到并誤認(rèn)為是-1。值得注意的是,在乘性噪聲環(huán)境下,基于非理想二值信道的1比特量化信息值的參數(shù)估計(jì)算法很少有報(bào)道。針對此問題,本文結(jié)合文獻(xiàn)[16,20],首先針對理想二值信道,提出了一種基于期望最大(Expectation Maximization,EM)的參數(shù)估計(jì)算法,然后進(jìn)一
傳感技術(shù)學(xué)報(bào) 2019年11期2019-11-27
- 二值網(wǎng)絡(luò)的分階段殘差二值化算法①
的乘法運(yùn)算量, 二值網(wǎng)絡(luò)[10,11]因其在速度、能耗、內(nèi)存占用等方面的優(yōu)勢日益被關(guān)注. 近兩年來, 單純加入二值化操作的網(wǎng)絡(luò)主要有二值權(quán)重網(wǎng)絡(luò)和二值神經(jīng)網(wǎng)絡(luò)兩種方法.二值權(quán)重網(wǎng)絡(luò)(BWN)[12,13]是一種只針對神經(jīng)網(wǎng)絡(luò)系數(shù)二值化的算法. BWN只關(guān)心系數(shù)的二值化, 并采取了一種混和的策略, 構(gòu)建了一個(gè)混有單精度浮點(diǎn)型中間值與二值權(quán)重的BinaryConnect網(wǎng)絡(luò), 它把原始全精度浮點(diǎn)權(quán)重強(qiáng)行置為-1、+1兩個(gè)浮點(diǎn)數(shù), 同時(shí)不改變網(wǎng)絡(luò)的輸入和層之間的
計(jì)算機(jī)系統(tǒng)應(yīng)用 2019年1期2019-01-18
- 基于二值的網(wǎng)絡(luò)加速
法中較為突出的為二值網(wǎng)絡(luò)的加速,硬件FPFA的并行性得到了廣泛的應(yīng)用。二值神經(jīng)網(wǎng)絡(luò)自從1943年提出以來,由于缺乏有效的從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)網(wǎng)絡(luò)系數(shù)的算法,而且相關(guān)理論的發(fā)展沒有引起足夠的關(guān)注,從而迅速被單精度神經(jīng)網(wǎng)絡(luò)迅速超越,未成為神經(jīng)網(wǎng)絡(luò)研究應(yīng)用的主流,然而直至今日二值神經(jīng)網(wǎng)絡(luò)的使用價(jià)值被發(fā)現(xiàn)出來。在日新月異的現(xiàn)代社會(huì)里,科技日益更新?lián)Q代,互聯(lián)網(wǎng)信息的傳輸?shù)乃俣蕊@得格外重要,這時(shí)便少不了二值神經(jīng)網(wǎng)絡(luò)。而二值卷積神經(jīng)網(wǎng)絡(luò)和普通的神經(jīng)網(wǎng)路相比有什么樣的優(yōu)點(diǎn)或缺
電子制作 2018年24期2019-01-03
- 基于hashing的二值加速
少參數(shù)量的目的。二值神經(jīng)網(wǎng)絡(luò)存在的缺點(diǎn)是無法求導(dǎo)的問題,但如果使用Hash網(wǎng)絡(luò)就可以解決這一問題。CNN網(wǎng)絡(luò)和Hash網(wǎng)絡(luò)的使用對計(jì)算機(jī)的深度學(xué)習(xí)有著很大的改進(jìn),為以后人工智能等社會(huì)智能化發(fā)展提供了機(jī)會(huì)和方法。本文將大致介紹CNN網(wǎng)絡(luò)的意義,好處和加速計(jì)算的過程,二值網(wǎng)絡(luò)的好處及計(jì)算流程,最后講述Hash網(wǎng)絡(luò)如何解決二值網(wǎng)絡(luò)無法求導(dǎo)的問題,通過學(xué)術(shù)資料的查詢簡述如何進(jìn)行計(jì)算機(jī)運(yùn)算的加速,以期為未來的人工智能發(fā)展提供可能的工具和方法。1 CNN網(wǎng)絡(luò)CNN網(wǎng)絡(luò)
電子制作 2018年20期2018-11-08
- 面向網(wǎng)絡(luò)邊緣應(yīng)用的新一代神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)——微型二值神經(jīng)網(wǎng)絡(luò),可在保持低功耗的同時(shí)減少對存儲(chǔ)器的需求。關(guān)鍵詞:二值;神經(jīng)網(wǎng)絡(luò);CNN;FPGA人工智能(AI)、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)領(lǐng)域的發(fā)展十分迅速,開發(fā)工程師正不斷嘗試為系統(tǒng)添加更多智能功能,前景不可估量。其中各類應(yīng)用對于計(jì)算的需求是不同的。在數(shù)據(jù)中心領(lǐng)域,用于執(zhí)行圖像識別的神經(jīng)網(wǎng)絡(luò)是“經(jīng)過訓(xùn)練”的,舉個(gè)例子,通過向神經(jīng)網(wǎng)絡(luò)投喂成千上萬的圖像并分配權(quán)重直至神經(jīng)網(wǎng)絡(luò)能夠正確識別對象。就像人類從一張白紙到最后成為知識淵博的人,當(dāng)新數(shù)據(jù)出現(xiàn)時(shí),
電子產(chǎn)品世界 2018年1期2018-09-21
- 基于二值雙譜和模糊聚類的風(fēng)電軸承故障診斷
案思路。1 基于二值雙譜和模糊聚類的模式識別基于二值雙譜的模糊聚類故障模式識別法,以風(fēng)電滾動(dòng)軸承振動(dòng)信號的二值雙譜特征為基礎(chǔ),采用基于目標(biāo)函數(shù)的模糊聚類方法構(gòu)造各類故障的目標(biāo)模板,再按照最鄰近準(zhǔn)則設(shè)計(jì)分類器,以測試樣本與目標(biāo)模板的距離測度作為模式分類依據(jù),對軸承故障位置進(jìn)行模式識別,其流程圖如圖1所示。圖1 基于二值雙譜和模糊聚類的模式識別流程圖Fig.1 Flow chart of fuzzy clustering pattern recognition
振動(dòng)、測試與診斷 2018年4期2018-08-25
- 基于二值圖像數(shù)字水印算法研究
生妹摘 要:由于二值圖像視覺冗余較少,嵌入容量有限等特點(diǎn),現(xiàn)有的水印算法大多都無法照搬應(yīng)用于二值圖像上,本文首先對二值圖像的特點(diǎn)進(jìn)行分析,然后對現(xiàn)有基于二值圖像數(shù)字水印算法進(jìn)行分析總結(jié),為算法的進(jìn)一步改進(jìn)研究打下基礎(chǔ)。關(guān)鍵詞:二值圖像 數(shù)字水印算法所謂數(shù)字水印技術(shù)就是用信號處理的方法將一些有意義或無意義的水印信息嵌入到多媒體數(shù)據(jù),被嵌入的水印信息可以是文字、作品的序列號、標(biāo)識、特殊意義的圖片等,它以不可見的形式隱藏在多媒體數(shù)據(jù)中,如圖像、視頻和音頻等數(shù)據(jù),
新教育時(shí)代·教師版 2018年19期2018-07-21
- 基于雙評價(jià)值的二值圖像分塊隱藏算法
331)0 引言二值圖像存儲(chǔ)簡單,數(shù)據(jù)傳真、文字識別、條碼識別和數(shù)字簽名中得到廣泛應(yīng)用。通過在二值圖像中嵌入秘密信息,達(dá)到隱蔽傳輸目的,是信息隱藏方法的研究熱點(diǎn)。基于二值圖像的信息隱藏技術(shù)在商業(yè)及軍事等領(lǐng)域得到廣泛關(guān)注。二值圖像信息隱藏的基本思想是利用載體圖像中的冗余信息來嵌入秘密信息,相關(guān)研究大都圍繞不可感知性、魯棒性、嵌入量來展開。一般而言,在秘密信息嵌入載體圖像的過程中,往往要修改載體圖形的部分信息,因此如果能夠修改較少的載體圖像信息,而嵌入較多的秘
現(xiàn)代計(jì)算機(jī) 2018年8期2018-04-24
- 基于文檔對象模型和圖像處理的網(wǎng)頁分割方法
們將原圖像轉(zhuǎn)換為二值圖像。對二值圖像,我們進(jìn)行膨脹操作。對于一個(gè)在二值圖像上滑動(dòng)的3×3的窗口,如果其中心是一個(gè)值為255的點(diǎn),則將整個(gè)窗口覆蓋的二值圖像的像素點(diǎn)都標(biāo)記為255。當(dāng)窗口遍歷完一次二值圖像之后,將所有標(biāo)記為255的點(diǎn)的值置為255。經(jīng)過膨脹操作,二值圖將形成若干個(gè)連通區(qū)域。我們將連通區(qū)域的個(gè)數(shù)或大小設(shè)置為終止條件,經(jīng)過多次膨脹操作,得到最終的結(jié)果。我們?nèi)∵@些區(qū)域的最小橫坐標(biāo)、最大橫坐標(biāo)、最小縱坐標(biāo)、最大縱坐標(biāo),得到一個(gè)包含了該區(qū)域的矩形。接著
現(xiàn)代計(jì)算機(jī) 2018年8期2018-04-24
- 基于稀疏表示的二值圖像超分辨率重建算法
)基于稀疏表示的二值圖像超分辨率重建算法沈怡靈1,趙明哲1,李強(qiáng)懿1,李博涵1,2,3(1.南京航空航天大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇 南京 210016;2.軟件新技術(shù)與產(chǎn)業(yè)化協(xié)同創(chuàng)新中心,江蘇 南京 210093;3.江蘇易圖地理信息科技股份有限公司,江蘇 揚(yáng)州 225009)目前,關(guān)于二值圖像的超分辨率重建的研究很少,而二值圖像應(yīng)用廣泛,低分辨率的二值圖像會(huì)導(dǎo)致對其識別困難。針對這一現(xiàn)狀,對基于稀疏表示的二值圖像的超分辨率重建進(jìn)行深入研究,提出了一
計(jì)算機(jī)技術(shù)與發(fā)展 2017年12期2017-12-20
- 改進(jìn)的多尺度局部二值模式的表情識別方法
改進(jìn)的多尺度局部二值模式的表情識別方法中北大學(xué)計(jì)算機(jī)與控制工程學(xué)院 蘆敏 周海英針對傳統(tǒng)的局部二值模式(LBP)對局部特征描述不夠充分的特點(diǎn),提出一種改進(jìn)的多尺度局部二值模式的人臉面部表情識別方法,在多尺度局部二值模式的基礎(chǔ)上,通過引入一個(gè)可調(diào)參數(shù)α于編碼中以調(diào)節(jié)局部紋理的細(xì)節(jié)提取控制。在每個(gè)區(qū)域圖像中,將每個(gè)像素與可調(diào)參數(shù)α進(jìn)行比較,計(jì)算它的順時(shí)針編碼值和逆時(shí)針編碼值,并分別形成各自灰度直方圖。上述方法在保留了局部特征的同時(shí),可以有效降低噪聲和光照的影響
河北農(nóng)機(jī) 2017年10期2017-10-20
- 基于區(qū)域?qū)Ρ榷仍鰪?qiáng)的二值化算法
區(qū)域?qū)Ρ榷仍鰪?qiáng)的二值化算法盧 迪 黃 鑫*柳長源 林 雪 張華玉 嚴(yán) 俊(哈爾濱理工大學(xué)電氣與電子工程學(xué)院 哈爾濱 150080)降質(zhì)文檔圖像二值化問題是圖像處理領(lǐng)域的一個(gè)難點(diǎn)。該文通過分析圖像不同區(qū)域灰度對比度的差異,為降質(zhì)文檔圖像提出了新的二值化算法。首先利用四叉樹原理自適應(yīng)劃分區(qū)域,再對不同灰度對比度區(qū)域采用不同對比度增強(qiáng)法以調(diào)整局部區(qū)域內(nèi)的灰度對比度,最后根據(jù)灰度值出現(xiàn)的頻率確定局部閾值。該文測試了隨機(jī)拍攝的降質(zhì)圖像及DIBCO(Document
電子與信息學(xué)報(bào) 2017年1期2017-10-13
- 基于旋轉(zhuǎn)變換的灰值形態(tài)算子
200080)在二值旋轉(zhuǎn)形態(tài)算子研究的基礎(chǔ)上,研究了基于旋轉(zhuǎn)變換的灰值形態(tài)算子的相關(guān)理論及方法,通過引入本影集合上的點(diǎn)積運(yùn)算和灰值旋轉(zhuǎn)變換等方法,將本影變換與表面算子應(yīng)用于構(gòu)建灰值旋轉(zhuǎn)形態(tài)算子,提出并建立了基于空間旋轉(zhuǎn)變換的灰值腐蝕、膨脹及開、閉算子,論證了一系列重要的性質(zhì),這些結(jié)論充實(shí)了基于旋轉(zhuǎn)變換的形態(tài)學(xué)理論.灰值旋轉(zhuǎn)形態(tài)算子;本影變換;表面算子; 二值旋轉(zhuǎn)形態(tài)算子Serra的形態(tài)學(xué)理論[1]建立在空間平移變換的基礎(chǔ)之上,平移形態(tài)算子通過平移變換實(shí)現(xiàn)對
- 掩模圖像生成時(shí)閾值取值的合理性探討
成符合某種條件的二值及多值掩模圖像是否正確至關(guān)重要,而這項(xiàng)技術(shù)是去除干擾信息及提取有用信息的關(guān)鍵步驟?;诓煌拈撝?,探討如何判斷在生成單一干擾因素的二值掩模圖像時(shí)閾值是否合理的方法; 并以青海省天峻地區(qū)TM數(shù)據(jù)為例,利用閾值合理的多值掩模圖像得到無干擾信息的遙感圖像,進(jìn)而提取了礦化蝕變異常信息,以實(shí)現(xiàn)閾值的合理性驗(yàn)證。結(jié)果表明,當(dāng)利用多種干擾因素的二值及多值掩模圖像提取的非干擾區(qū)域一致時(shí),則說明生成單一干擾因素的二值掩模圖像的閾值取值合理,各種干擾因素相
自然資源遙感 2017年2期2017-04-27
- 基于Lorenz三維系統(tǒng)的偽隨機(jī)二值序列生成方法
三維系統(tǒng)的偽隨機(jī)二值序列生成方法劉 冰1,2,劉雪梅3 (1. 達(dá)州職業(yè)技術(shù)學(xué)院,四川達(dá)州635001;2. 西南大學(xué)計(jì)算機(jī)與信息科學(xué)學(xué)院,重慶北碚400715;3. 四川省達(dá)州市統(tǒng)計(jì)局,四川達(dá)州635000)針對目前大多數(shù)偽隨機(jī)二值序列的生成方法皆不能很好地滿足Golomb的三個(gè)隨機(jī)性假設(shè),提出了一種基于三維Lorenz混沌系統(tǒng)的偽隨機(jī)二值序列的生成方法.首先通過三維Lorenz混沌系統(tǒng)生成三個(gè)離散隨機(jī)序列,然后在這三個(gè)序列中分別取較小的序列數(shù)輪次地組成
四川文理學(xué)院學(xué)報(bào) 2017年2期2017-03-31
- 用于紋理特征提取的改進(jìn)的成對旋轉(zhuǎn)不變共生局部二值模式算法
旋轉(zhuǎn)不變共生局部二值模式 (PRICoLBP) 算法計(jì)算特征維度大、旋轉(zhuǎn)不變性較差、對光照變化敏感的問題,提出一種融合局部紋理信息的改進(jìn)PRICoLBP算法。首先,分別最大化和最小化圖像像素點(diǎn)的二值序列,得到兩個(gè)鄰域像素點(diǎn)的坐標(biāo),由中心像素點(diǎn)坐標(biāo)和得到的鄰域像素點(diǎn)坐標(biāo)計(jì)算出共生點(diǎn)對的坐標(biāo);其次,利用完備二值模式 (CLBP) 算法提取圖像的每個(gè)像素點(diǎn)的紋理信息。在相同分類器下,對Brodatz、Outex(TC10,TC12)、Outex(TC14)、CU
計(jì)算機(jī)應(yīng)用 2016年12期2017-01-13
- 二值型響應(yīng)與連續(xù)型響應(yīng)聯(lián)合建模的變量選擇
京100875)二值型響應(yīng)與連續(xù)型響應(yīng)聯(lián)合建模的變量選擇胡亞南,張?zhí)仗眨锩伲?.中國人民大學(xué)統(tǒng)計(jì)學(xué)院;2.中國人民大學(xué)統(tǒng)計(jì)研究中心,北京100875)由于多重響應(yīng)變量之間可能存在相關(guān)性,文章考慮對二值型響應(yīng)變量和連續(xù)型響應(yīng)變量進(jìn)行聯(lián)合建模。利用probit模型,對二值響應(yīng)引入了具有正態(tài)分布的潛變量,從而對多重響應(yīng)建立線性回歸模型,能得到二值變量和連續(xù)變量的聯(lián)合分布。然后考慮回歸系數(shù)會(huì)存在稀疏性,通過對似然函數(shù)加懲罰,從而對二重響應(yīng)的回歸系數(shù)和協(xié)方差矩陣
統(tǒng)計(jì)與決策 2016年19期2016-12-09
- Structure theorem of solutions for flat dilation and flat erosion equations
定理。推廣了有關(guān)二值膨脹方程和二值腐蝕方程的相應(yīng)結(jié)論。平坦膨脹;平坦腐蝕;膨脹方程;解的結(jié)構(gòu)2015-04-01國家自然科學(xué)基金資助項(xiàng)目(11271282)王宇青(1988-),女,河南洛陽人,碩士研究生,研究方向:數(shù)學(xué)形態(tài)學(xué)。O29;O153.1MR(2000)Subject Classification:16H99;52C99;54A99A1672-0687(2016)04-0018-05責(zé)任編輯:謝金春*通信聯(lián)系人:國起(1957-),男,教授,博士
- 二值圖像邏輯與運(yùn)算CNN模板的穩(wěn)定性設(shè)計(jì)
830012)?二值圖像邏輯與運(yùn)算CNN模板的穩(wěn)定性設(shè)計(jì)李碩a, 魏小亭a, 李國東a,b(新疆財(cái)經(jīng)大學(xué)a.應(yīng)用數(shù)學(xué)學(xué)院;b.新疆社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)研究中心, 烏魯木齊830012)結(jié)合細(xì)胞神經(jīng)網(wǎng)絡(luò)(Cellular Neural Networks)理論,提出了一類能快速實(shí)現(xiàn)二值圖像邏輯與運(yùn)算的模板。對模板穩(wěn)定性的數(shù)學(xué)分析表明,只要模板參數(shù)符合文中定理的要求,CNN就能夠?qū)煞?span id="j5i0abt0b" class="hl">二值圖像進(jìn)行與運(yùn)算。實(shí)驗(yàn)仿真證明了LOGAND CNN在實(shí)際應(yīng)用中的有效性及穩(wěn)定性設(shè)計(jì)
- 邊界保持的二值圖像放大算法
3)?邊界保持的二值圖像放大算法江巨浪,鐘倫超,王振東,吳翰(安慶師范大學(xué) 物理與電氣工程學(xué)院,安徽 安慶 246133)采用傳統(tǒng)的圖像放大算法處理二值圖像會(huì)產(chǎn)生明顯的鋸齒效應(yīng),從而影響圖像視覺質(zhì)量。對此提出一種基于形態(tài)學(xué)的二值圖像放大算法。首先采用近鄰采樣法將圖像放大到指定倍數(shù),然后運(yùn)用像素補(bǔ)償法使圖像邊緣區(qū)域變得光滑。最后采用基于目標(biāo)物像素占比約束的形態(tài)學(xué)腐蝕方法,解決圖像邊界外擴(kuò)問題。實(shí)驗(yàn)結(jié)果表明,該算法用于對二值圖像放大,不僅能有效消除鋸齒效應(yīng),還
- AD采集中二值跳動(dòng)分析及對策研究
09)AD采集中二值跳動(dòng)分析及對策研究曹振華(蘇州經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院機(jī)電與信息技術(shù)學(xué)院,蘇州215009)0 引言二值跳動(dòng),指的是測量值在兩個(gè)值之間反復(fù)跳動(dòng),例如溫度測量儀表中顯示當(dāng)前溫度的值一直在23和24之間跳動(dòng),這種跳動(dòng)影響系統(tǒng)體驗(yàn)感和穩(wěn)定性。本文以溫度測量系統(tǒng)為例,僅研究在反映真實(shí)溫度值情況下的二值跳動(dòng)原因、危害及解決策略。1 AD采集模塊常見參數(shù)在嵌入式系統(tǒng)中,溫度值的獲取通常采用AD采集模塊和溫度傳感器搭配的方式實(shí)現(xiàn),溫度傳感器自身限定了溫度測量
現(xiàn)代計(jì)算機(jī) 2016年24期2016-10-17
- 基于地址-事件表示的高速二值連通域標(biāo)記方法*
-事件表示的高速二值連通域標(biāo)記方法*閆石,徐江濤*,高志遠(yuǎn),王含宇 (天津大學(xué)電子信息工程學(xué)院,天津300072)摘要:為提高二值連通域標(biāo)記的速度,將地址-事件表示AER(Address Event Representation)思想引入到二值圖像處理,提出了一種基于事件對等價(jià)標(biāo)號的二值連通域標(biāo)記方法。該算法無需多次遍歷圖像中的背景點(diǎn)和冗余目標(biāo)點(diǎn),首先將待標(biāo)記的連通域以AER“事件對”的方式編碼保存,通過“事件對”的遍歷生成臨時(shí)標(biāo)號和等價(jià)標(biāo)記表;然后根據(jù)等
傳感技術(shù)學(xué)報(bào) 2016年3期2016-05-03
- 基于旋轉(zhuǎn)變換的二值形態(tài)算子的研究
集圖像的信息.在二值形態(tài)學(xué)中,將圖像視為集合,結(jié)構(gòu)元素以平移變換的方式在圖像內(nèi)部移動(dòng),對于圖像內(nèi)部信息的收集則是通過集合的包含關(guān)系(序關(guān)系)和集合的交、并、余等運(yùn)算為主要工具建立的二值形態(tài)算子實(shí)現(xiàn)的[1-4].這樣意義的二值形態(tài)算子也稱為平移形態(tài)算子.本文在文獻(xiàn)[5]的基礎(chǔ)上,將結(jié)構(gòu)元素移動(dòng)的方式通過平面旋轉(zhuǎn)變換來實(shí)現(xiàn),建立稱之為旋轉(zhuǎn)形態(tài)算子的相關(guān)理論,引入了基于旋轉(zhuǎn)變換的二值形態(tài)腐蝕、膨脹、開、閉算子,并對其性質(zhì)進(jìn)行了較為詳盡地研究.1 預(yù)備知識考慮E2
- 利用二值描述符的實(shí)時(shí)目標(biāo)跟蹤算法
10038)利用二值描述符的實(shí)時(shí)目標(biāo)跟蹤算法覃 兵,田 軍,查宇飛,張立朝,黃宏圖(空軍工程大學(xué)航空航天工程學(xué)院,陜西西安 710038)針對目標(biāo)跟蹤過程中的速率低和存儲(chǔ)量大的問題,提出了一種新的利用二值描述符特征的快速穩(wěn)定的目標(biāo)跟蹤算法.該算法首先在保持目標(biāo)結(jié)構(gòu)信息的情況下,通過尋找最優(yōu)正交矩陣對樣本進(jìn)行旋轉(zhuǎn)聚類,將樣本從歐式空間投影到漢明空間,生成二值描述符.然后在粒子濾波采樣的框架下,通過計(jì)算目標(biāo)與候選樣本的漢明距離確定目標(biāo)跟蹤位置.實(shí)驗(yàn)結(jié)果表明,當(dāng)
西安電子科技大學(xué)學(xué)報(bào) 2015年5期2015-07-24
- 基于Gabor和二值疊加CS-LBP 特征的人臉表情識別
維數(shù)都較高。局部二值模式(Local Binary Pattern,LBP)[4]能描述圖像的局部紋理,但易受噪聲的影響。而隨著該方法的不斷深入研究,已涌現(xiàn)出許多改進(jìn)的LBP新方法,如中心對稱局部二值模式(Center-Symmetric Local Binary Pattern,CS-LBP)[5-6],局部定向二值模式(Local Directional Binary Pattern,LDBP)[7-8]在不同程度上提高了識別率。目前的一種研究方向是提
計(jì)算機(jī)工程與應(yīng)用 2015年19期2015-04-16
- 除氧器水位保護(hù)誤動(dòng)處理與防范措施
;當(dāng)除氧器水位高二值液位開關(guān)(KKS編碼:LBD40CL204≥2400 mm)發(fā)出聯(lián)鎖信號時(shí),聯(lián)鎖關(guān)閉除氧器水位調(diào)節(jié)閥,聯(lián)鎖開啟除氧器溢流閥;當(dāng)除氧器水位低二值液位開關(guān)(KKS編碼:LBD40CL201≤1000 mm)發(fā)出保護(hù)信號時(shí),延時(shí)10 s,停給水泵。#1、#2機(jī)組正常運(yùn)行,協(xié)調(diào)方式投入,#2機(jī)組有功功率280 MW,除氧器壓力0.77 MPa、水位2234 mm,2A、2B電泵并列運(yùn)行,2C電泵投聯(lián)動(dòng)備用,主給水三沖量投入,2A電泵電流446
設(shè)備管理與維修 2015年9期2015-04-10
- 基于陰影變換的動(dòng)態(tài)灰值形態(tài)算子的研究
于固定結(jié)構(gòu)元下的二值形態(tài)算子的研究,隨后Serra、Heijmans等學(xué)者將二值形態(tài)算子理論的研究擴(kuò)展到了灰值圖像形態(tài)算子理論的研究,如文獻(xiàn)[4-6]中作者通過陰影變換和表面算子的理論將函數(shù)與集合進(jìn)行相互轉(zhuǎn)化,實(shí)現(xiàn)了數(shù)學(xué)形態(tài)學(xué)理論從二值形態(tài)學(xué)到灰值形態(tài)學(xué)的擴(kuò)展.然而隨著形態(tài)學(xué)應(yīng)用領(lǐng)域的不斷發(fā)展,基于固定不變的結(jié)構(gòu)元進(jìn)行圖像處理有時(shí)達(dá)不到理想效果,因此Beucher 、Debayle等很多學(xué)者基于空間變化(Spatially-Variant)的思想對自適應(yīng)的
- 基于DCT的大容量二值水印嵌入新算法
WT與DCT嵌入二值水印雖取得了較好的實(shí)驗(yàn)結(jié)果,但是嵌入的水印容量不夠大。傳統(tǒng)的基于DCT變換的二值水印嵌入算法通常是在8×8分塊系數(shù)矩陣中選擇一對中頻系數(shù)實(shí)現(xiàn)1bit水印信息的嵌入,以512×512灰度載體圖像為例,可實(shí)現(xiàn)64×64二值水印信息的嵌入。即使每塊系數(shù)矩陣選擇兩對共4個(gè)中頻系數(shù)實(shí)現(xiàn)2bit水印信息的嵌入,512×512灰度載體圖像僅能實(shí)現(xiàn)兩個(gè)64×64二值水印信息的嵌入。本文針對傳統(tǒng)方法水印嵌入容量較小的問題,提出的一種新的基于DCT的大容量
電子設(shè)計(jì)工程 2014年9期2014-03-16
- 基于誤差擴(kuò)散的圖像二值化
30012)圖像二值化是圖像處理的基本技術(shù),與灰度圖相比,二值圖像的傳輸與存儲(chǔ)更方便,因此二值圖廣泛應(yīng)用于傳真、印刷和圖像數(shù)據(jù)的壓縮存儲(chǔ)等領(lǐng)域.目前,關(guān)于圖像二值化的研究方法主要分為6類:基于直方圖的二值化、基于聚類思想的二值化、基于熵的二值化、基于目標(biāo)屬性相似度的二值化、基于空間的二值化和局部自適應(yīng)方法[1-2].雖然多數(shù)二值化算法可將圖像很好地壓縮,但二值后的圖像較原灰度圖會(huì)丟失很多重要信息,不能很好地保留原始圖像的細(xì)節(jié)特征,視覺效果較差.與通常的二值
吉林大學(xué)學(xué)報(bào)(理學(xué)版) 2014年3期2014-03-06
- 基于多載體的二值圖像信息隱藏算法
成數(shù)字化文檔,以二值圖像的方式存儲(chǔ),因此在其中隱藏保護(hù)性信息尤為重要。目前適用于二值圖像的信息隱藏方法有圖像分塊嵌入法[1-7]、結(jié)構(gòu)微調(diào)法[8]、游程修改嵌入法[9]等。文獻(xiàn)[4]將二值圖像分塊,根據(jù)每塊中黑白像素的個(gè)數(shù)不同,自適應(yīng)地確定可嵌入秘密信息的比特?cái)?shù)。文獻(xiàn)[6]提出了一個(gè)翻轉(zhuǎn)點(diǎn)選擇標(biāo)準(zhǔn),利用STC(syndrome trellis codes)編碼算法實(shí)現(xiàn)信息的嵌入。文獻(xiàn)[9]把游程長度變化看作直方圖調(diào)整,從而組合了游程編碼和直方圖調(diào)整兩種技術(shù)
計(jì)算機(jī)工程與設(shè)計(jì) 2014年4期2014-02-09
- 時(shí)空混沌二值化方法研究
0072時(shí)空混沌二值化方法研究李紅燕,楊萬利裝甲兵工程學(xué)院基礎(chǔ)部,北京 1000721 引言密碼學(xué)中序列密碼的安全性依賴于偽隨機(jī)序列的隨機(jī)性和不可預(yù)測性。由于混沌系統(tǒng)可以提供具有良好隨機(jī)性能的偽隨機(jī)序列,因此在密碼學(xué)中具有很大的應(yīng)用價(jià)值。將混沌實(shí)值序列直接應(yīng)用于加密系統(tǒng)是不安全的[1],也不實(shí)用,所以更多的應(yīng)用是由混沌序列生成的二值序列。在擴(kuò)頻通信系統(tǒng)中,抗干擾、抗噪聲、抗截獲、信息數(shù)據(jù)隱蔽和保密、多徑保護(hù)、抗衰落、實(shí)現(xiàn)同步與捕捉等都與擴(kuò)頻序列的隨機(jī)性能密
計(jì)算機(jī)工程與應(yīng)用 2013年21期2013-07-20
- 圖像隱寫容量歸一化研究
布不變,但不適合二值圖像隱寫。Tseng[6]提出了二值圖像的經(jīng)典算法。它允許在二值圖像中的任何位置進(jìn)行黑白像素修改,在一個(gè)的分塊中,若允許至多改變其中的兩個(gè)像素,則其最大的嵌入容量為但它只能適用于二值圖像中。Wu[7]基于圖像的連通性和平滑性的要求,依據(jù)二值圖像分塊的可修改度的分值提出的信息隱藏算法,隱藏容量和安全性與具體的圖像有關(guān),而且完全不適于灰度圖像。通過對灰度圖像和二值圖像的特征分析,本文基于圖像LSB比特流的特點(diǎn),提出了一種通用圖像的大容量隱寫
計(jì)算機(jī)工程與設(shè)計(jì) 2012年6期2012-05-04
- 基于周期線的模糊二值形態(tài)開路徑算法
基于周期線的模糊二值形態(tài)開路徑算法申雪利,張成斌 (中南民族大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院,湖北 武漢 430074)數(shù)學(xué)形態(tài)學(xué)作為一門新的自動(dòng)搜索圖形中2點(diǎn)之間的最短路徑技術(shù)引起了廣泛的關(guān)注。傳統(tǒng)形態(tài)學(xué)路徑算法由于結(jié)構(gòu)元方向的不變性,并不能獲取圖形中2點(diǎn)之間的最短路徑。針對路徑的方向變化特征,提出了利用不同方向的周期線結(jié)構(gòu)元的模糊二值形態(tài)開路徑算法,該算法不僅可獲取圖形中2點(diǎn)間的最短路徑,省略了Lin算法中的距離變換復(fù)雜過程,而且該算法簡單、易操作。周期線;模糊二
長江大學(xué)學(xué)報(bào)(自科版) 2011年19期2011-11-22
- 多級秘密信息隱藏方法
信息隱藏方法,而二值圖像的信息隱藏方法則相對較少。二值圖像即黑白圖像,在日常生活中的應(yīng)用很廣泛,隨著全球信息數(shù)字化進(jìn)程的日益加快,個(gè)人檔案、醫(yī)療記錄、學(xué)歷證書、專利證件、手寫簽名、設(shè)計(jì)圖樣、館藏圖書、機(jī)要文件等大批的重要資料,已掃描成數(shù)字化文檔以二值圖像的方式備存。顯然,與一般的灰度、彩色圖像或音、視頻相比,這些二值圖像的價(jià)值要昂貴得多。因此,在其中隱藏保護(hù)性信息也就顯得尤為重要[1]。1 基于置亂變換的多級分塊信息隱藏算法1.1 算法流程本文提出的信息隱
電子測試 2011年2期2011-06-13
- 基于模板匹配的車牌漢字識別方法及判別函數(shù)
一幅圖像進(jìn)行灰度二值化后,白色部分像素值為1,黑色部分像素值為0。因此將兩幅圖像進(jìn)行邏輯‘與’運(yùn)算結(jié)果為:白&&白=白,白&&黑=黑,黑&&白=黑,黑&&黑=黑。以‘京’字為例,下圖分別表示了待識別字符‘京’與3個(gè)不同標(biāo)準(zhǔn)字符模板進(jìn)行邏輯‘與’運(yùn)算后的結(jié)果。圖3 與模板‘冀’匹配圖中(a)表示字符‘京’、‘津’和‘冀’的標(biāo)準(zhǔn)模板,(b)表示待識別的字符‘京’,(c)表示待識別字符與該模板運(yùn)算后的結(jié)果。從圖中可以看出,待識別字符與相應(yīng)的模板進(jìn)行運(yùn)算后得到的結(jié)
電子科技 2011年12期2011-06-01
- 數(shù)字水印中二值圖像信息隱藏方法研究
01)數(shù)字水印中二值圖像信息隱藏方法研究趙可新,劉振名(河北工程技術(shù)高等??茖W(xué)校,河北滄州 061001)通過對數(shù)字水印技術(shù)和二值圖像信息隱藏方法研究,給出了二值圖像信息隱藏算法,有效提高了電子簽章系統(tǒng)的安全性。數(shù)字水印;二值圖像;信息隱藏;信息安全近幾年,政務(wù)電子化成為了社會(huì)數(shù)字化的一個(gè)新的發(fā)展方向,相關(guān)信息加密的技術(shù)的相對成熟以及對數(shù)字信息安全認(rèn)證的廣泛需求,使得電子簽章技術(shù)得到了各行業(yè)的廣泛關(guān)注,成為信息安全傳輸?shù)难芯口厔葜?。電子簽章系統(tǒng)的技術(shù)基礎(chǔ)
河北水利電力學(xué)院學(xué)報(bào) 2011年1期2011-04-19
- 基于數(shù)字水印的二值圖像認(rèn)證算法
9基于數(shù)字水印的二值圖像認(rèn)證算法王春嫻1李會(huì)山2朱運(yùn)利31.天津工業(yè)大學(xué),天津,300160 2.軍事交通學(xué)院,天津,300161 3.北京電子科技職業(yè)學(xué)院,北京,100029提出了一種新的用于二值圖像完整性認(rèn)證的水印算法。將二值圖像像素劃分為可翻轉(zhuǎn)像素和不可翻轉(zhuǎn)像素兩種類型;在水印生成過程中,將不可翻轉(zhuǎn)像素作為Hash函數(shù)的輸入生成與圖像內(nèi)容有關(guān)的認(rèn)證信息,并利用混沌序列對認(rèn)證信息和圖像所有者信息進(jìn)行加密生成水印信號;將水印信號替代可翻轉(zhuǎn)像素,完成水印的
中國機(jī)械工程 2011年6期2011-01-29
- 本影變換與灰值形態(tài)變換
430074)在二值形態(tài)變換的基礎(chǔ)上,通過引入本影和表面算子,給出了灰值形態(tài)變換的定義,較為全面地討論了本影變換和表面算子的相關(guān)性質(zhì)以及以此為基礎(chǔ)所建立的灰值形態(tài)學(xué)變換的相關(guān)性質(zhì),并給出了詳盡的證明過程.本影變換;表面算子;灰值形態(tài)變換在灰值和二值形態(tài)學(xué)之間存在著密切的關(guān)系,這種關(guān)系可以用本影變換來描述[1].在一些文獻(xiàn)中對本影變換和灰值形態(tài)變換及其性質(zhì)進(jìn)行了討論,但都沒有系統(tǒng)地從本影變換出發(fā)建立灰值形態(tài)學(xué),從而使得讀者對本影變換在連接二值形態(tài)學(xué)和灰值形態(tài)