基于DC直流系数的盲视频水印算法

为了增强抗攻击的能力和保证算法的不可见性,基于DC直流系数的稳定性,把选择的视频帧分成8×8块,每块经过2次DCT变换,提取与每块像素RGB平均值成正比的DC直流系数,将这些DC系数组织成一维序列,并划分为更小的子序列,然后对每个子序列进行一维DCT变换,通过比较相邻2个子序列中最后一个高频系数值的大小来嵌入水印．实验结果表明：该算法有较高的视觉质量,同时对于MPEG压缩,帧置换,加噪等处理有良好的鲁棒性,在水印的提取过程中不需要任何附加信息．     

模糊自适应算法的神经网络图像重建

在12电极ECT系统中,采用BP神经网络进行图像重建时以一定原则选取学习样本,并引入模糊自适应算法以加快训练的收敛速度,获得较满意的重建图像效果．     

基于沃尔什-哈达玛变换和信噪比的自适应音频盲水印算法

针对加性水印中嵌入强度因子的自适应问题进行了研究,提出了一个基于信噪比的自适应音频水印算法.该算法在保证听觉质量的同时,利用信噪比自适应地调节嵌入强度因子,并将水印信号嵌入到音频数据经沃尔什-哈达玛变换后的低频系数中,水印检测时不需要原始音频信号参与.仿真实验结果表明该算法对诸如加噪、滤波、重量化、重采样和MP3压缩等常规信号处理具有较强的鲁棒性,可用于音频数据的版权保护.     

基于RLS自适应算法的音频数字水印检测技术

实现了一种基于音频信号掩蔽曲线的水印嵌入方法，提出了一种基于RLS（递归最小二乘方）自适应滤波算法的水印检测算法，该算法在检测水印时无需原音频文件，实验结果表明，在不影响听觉效果的前提下，这种水印嵌入和检测方法对MPEG压缩，常规滤波，加噪等处理均具有很好的抗攻击性即鲁棒性。     

基于运动矢量的鲁棒视频水印算法

针对AVS-M标准提出了一种水印嵌入方法,直接利用AVS-M编码器中解码的数据进行边缘检测确定边缘块与非边缘块,把边缘块作为水印添加候选块,有效控制了编码器的开销.选择P帧中具有最大运动矢量幅值的宏块嵌入水印,水印嵌入通过修改运动估计搜索得到的运动矢量值实现,因水印嵌入修改运动矢量会对后续编码块产生影响,给出了AVS-M编解码器严格的补偿方案,补偿后的水印信息均能正确提取,证明了这种方法的有效性.针对运动矢量水印检测要求严格同步的缺点,提出了利用最大相似序列向量检测水印的方法,对虚警、漏警或攻击造成的水印信息丢失具有良好的检测效果.     

一种动态自适应的网格负载平衡调度算法

根据计算机网络固有的层次结构特性，提出了基于层次结构的动态自适应的网格负载平衡调度算法，在下层结点上采用便于管理的集中式算法；而在高层结点上采用高效稳定的分布式渗透算法．该算法由于在结点的重载和轻载状态之间增加了一个缓冲状态——适度，使得系统的负载状态刻画得更为精确，从而使网格系统趋于平衡稳定；另外在负载迁移时也尽量地采取就近迁移的原则，使得系统开销和网络通讯量得以减少．     

分割图像插值的一种局部算法

对于医学序列切片，图像上像素之间的间隔常常小于切片之间的距离，而在图像处理中，常常需要它们有一致的分辨率。对于已分割的切片图像，插入的切片图像也应是分割的图像。本文提出了一种图像插值的局部算法，该算法在产生新插入图像每点的分割信息与颜色信息时，计算只与相邻切片图像的局部像素值有关。因此既保持了相邻切片的物体形态过渡自然，又具有良好的数值稳定性。应用该算法于医学序列切片进行插值时，可达到良好的视觉效果。算法已成功应用于医学数据的三维重建系统。     

自适应权重的GPSR压缩感知重构算法

在压缩感知信号重构的过程中,为使投影梯度稀疏重构算法（GPSR）在保持低复杂度的同时,能有效提高重构性能,引入了自适应思想,给重构模型添加具有惩罚意义的权重系数,以寻找算法复杂度和精度之间的最佳平衡点;根据解的收敛进程不断调整权重值,以加速收敛.仿真实验表明：在相同条件下,该算法的计算效率优于传统的GPSR算法和典型的OMP算法,能在较短的运行时间内大幅度提高重构精度.     

一种非线性自适应粒子群优化算法

针对粒子群优化算法中出现早熟和不收敛问题,分析了基本PSO算法搜索速度对其优化性能的影响,提出了一种根据速度信息非线性自适应调整参数的粒子群优化算法.在算法迭代过程中,粒子随迭代次数和递减指数确定的非线性变化的理想速度自适应调整参数进行搜索,提高了粒子群算法的性能.提出的算法经过测试函数的模拟实验验证,并与其他已有算法进行了比较.实验结果表明,该算法在搜索精度和收敛速度等方面有明显优势,特别是高维、多峰等复杂非线性优化问题时,算法的优势更明显.     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题,提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性,提出基于快速神经网络架构搜索（neural architecture search,NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法,在预设的搜索空间中搜索最优网络结构,进行图像水印的高效嵌入与鲁棒提取。首先,将子网络中线性连接的全卷积层设置为独立的神经单元结构,并参数化表示结构单元内节点的连接,预先设定结构单元内每个神经元操作的搜索空间;其次,在完成一个批次的数据集训练后,依据神经元操作中的被采样次数和平均损失函数值动态更新概率;最后,重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上,大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑,本文算法具有较高的时间性能和较好的实验效果,在隐藏图像时,对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验,对比发现,本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著;在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著,特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

基于人类视觉特性（HVS）的离散小波变换（DWT）数字水印算法

伴随着计算机网络通信技术的蓬勃发展,数字媒体数据的交换和传输变得日益简单且快捷.数字水印技术是一项将数字、序列号、图像标志等版权信息嵌入到数字产品信息中,用来保护数字产品版权和认证来源及完整性的新型技术.提出了一种基于人类视觉特性HVS的小波域盲数字水印算法,通过借鉴人类视觉特性HVS算法思想自适应的嵌入水印信息,能够很好地达到水印嵌入透明性和鲁棒性的平衡.通过Matlab软件实验仿真,表明该算法具有较好的透明性和鲁棒性.     

基于失真传递的时域自适应量化算法

码率控制是视频编码器中的关键模块,其算法直接决定编码器率失真性能.视频编码帧间预测导致的编码失真会在时域产生传递效应,考虑该传递效应是优化码率控制算法性能的关键.宏块树码率控制是一种典型的时域量化控制算法,核心是根据编码单元失真传递量(相对传递代价ρ)自适应地调整量化参数(偏移量δ),合适的δ-ρ映射关系是宏块树量化控制算法的核心.宏块树算法采用基于经验的δ-ρ模型,对不同视频序列的普适性有待改进,模型准确度和精度也需进一步优化.针对上述问题,将竞争决策方法用于探索最优δ-ρ映射关系,提出了一种率失真性能优化的失真时域传递自适应量化δ-ρ模型,以改进时域自适应量化算法.实验结果表明,信噪比BD-PSNR较原模型提升了0.14dB以上,SSIM性能提升了0.29dB.算法能更好地控制码率时域分配,降低失真时域传递恶化.     

一种基于H.264的立体视频编码中的视差估计快速算法

视差估计与补偿是立体视频图像压缩编码中的关键技术．本文分析了立体摄像系统视差分布的约束条件（外极线约束、方向性约束等）和视差矢量的相关性（帧内视差矢量的空域相关性和帧间视差矢量的时域相关性）,并结合H．264标准中的多种块选择模式之间的相关性,提出了基于H．264的立体视频编码的视差估计快速算法．实验结果表明,提出的快速算法能有效地降低视差估计的计算复杂度．     

一种新的NBP网络增强组合算法

研究分析了已有NBP网络学习算法样本学习速度慢以及样本个体误差较大的原因,并在此基础上提出了一种基于训练集递减的自适应增强组合算法.通过对个体样本误差分布、泛化特性等方面的实例分析表明,该算法具有良好的泛化特性,既提高了样本学习速度,又改善了样本个体误差.     

基于自适应和变游走方向的改进狼群算法

针对狼群算法涉及参数较多、步长参数无法动态调整、游走方向固定等缺点,提出了一种基于自适应和变游走方向的改进狼群算法.该算法改进了游走行为、召唤行为、围攻行为3个主要步骤的移动步长,特别是当游走行为的试探方向改进后,每头狼都能根据头狼位置的变化自动调节移动步长、更换游走方向,从而简化参数设定,提高收敛速度和求解精度.仿真结果表明,改进算法在低维单峰函数求解精度上较原算法有明显改善,亦进一步提高了高维多峰函数的求解精度.     

基于运动一致性的3D-HEVC深度视频帧间编码快速算法

针对深度视频在3D-HEVC编码框架中编码复杂度较高, 提出了一种基于运动一致性的深度视频快速帧间编码算法. 首先把深度视频划分为4个区域: 彩色和深度视频均运动区域、彩色视频运动但深度视频静止区域、彩色视频静止但深度视频运动区域以及彩色和深度视频均静止区域. 然后, 根据不同分区对最大编码单元设计不同的编码策略. 结果表明, 本算法与原始测试平台HTM-10.0相比, 在绘制的虚拟视点质量几乎一致的情况下, 各序列深度视频编码时间平均节省了63.58%, 总体编码时间节省了40.13%.     

自适应memetic算法求解集合覆盖问题

集合覆盖问题是一个经典的NP困难的组合优化问题,有着广泛的应用背景.首先,采用动态罚函数法将集合覆盖问题等价转化为无约束的0-1规划问题.然后,基于集合覆盖问题的结构特征,设计了初始种群构造方法、局部搜索方法、交叉算子、动态变异算子和路径重连策略,提出了一个高效求解该0-1规划问题的自适应memetic算法.该算法有效平衡了集中搜索和多样化搜索.通过45个标准例子测试该算法,并将其结果与现有遗传算法进行了比较,表明该算法能够在可接受的时间内找到高质量的解,能够有效求解大规模集合覆盖问题.     

一种去除椒盐噪声的自适应模糊中值滤波算法

针对传统中值滤波算法降噪性能不佳以及易造成图像细节模糊的问题,提出了一种自适应模糊中值滤波算法。 滤波过程分为噪声检测和噪声去除2个阶段。噪声检测阶段：采用极值法检测噪声,将图像的像素点分为两类,即疑似噪声点和信号点。 通过疑似像素点和与其相邻的已处理的像素点的平均绝对灰度差值定义模糊隶属度函数,利用该函数对疑似噪声点是否为噪声进行模糊分类。 噪声去除阶段：信号点保持原值输出,对于疑似噪声点的3种分类结果,采用模糊加权的中值滤波器进行统一处理。 实验结果表明,较于多种传统滤波方法,该算法能更有效地去除椒盐噪声,保护图像细节。     

一种去除椒盐噪声的自适应模糊中值滤波算法

针对传统中值滤波算法降噪性能不佳以及易造成图像细节模糊的问题,提出了一种自适应模糊中值滤波算法。 滤波过程分为噪声检测和噪声去除2个阶段。噪声检测阶段：采用极值法检测噪声,将图像的像素点分为两类,即疑似噪声点和信号点。 通过疑似像素点和与其相邻的已处理的像素点的平均绝对灰度差值定义模糊隶属度函数,利用该函数对疑似噪声点是否为噪声进行模糊分类。 噪声去除阶段：信号点保持原值输出,对于疑似噪声点的3种分类结果,采用模糊加权的中值滤波器进行统一处理。 实验结果表明,较于多种传统滤波方法,该算法能更有效地去除椒盐噪声,保护图像细节。