基于注意力机制的PointPillars+三维目标检测

针对自动驾驶场景下的周边车辆及行人等目标的识别和定位问题,提出了一种基于注意力机制的PointPillars+三维目标检测算法.算法将完整空间按等尺寸柱均匀划分,从所有柱中提取内部点云的特征进而生成伪图;引入2种注意力机制,实现对伪图中特征信息的放大和抑制;使用卷积神经网络对注意力模块输出结果进一步处理,并使用SSD(single shot multibox detector)算法进行三维目标检测.结果表明:基于并行注意力机制的PointPillars+检测算法取得了良好的检测效果,相对于PointPillars算法,鸟瞰图下,平均均值精度(mAP)的中等难度均值(mAP_m)从66.19增加到69.95,汽车的mAP从86.10增加到87.73;三维模式下,mAP_m从59.20增加到62.55,汽车的mAP从74.99增加到76.25.     

基于粒子群算法和改进PM1的JPEG图像中的安全密写方法

PM1(加、减1)是LSB密写方法的一种改进,它的嵌入和提取几乎和LSB一样简单,却提供了更好的安全性.文中基于JPEG图像的属性对PM1进行改进,并结合粒子群算法(particle swarm optimization,PSO)提出了一种用于JPEG图像的高安全性和高容量的密写方法.充分的实验表明,该方法在保持分块效应和直方图,以及高容量方面都优于现有的JPEG图像中的经典密写算法.     

利用Arnold对称性变换的图像信息隐藏算法

提出了一种利用Arnold对称性变换的图像信息隐藏算法.待隐藏的秘密信息以及公开的承载信息均为灰度级静止图像.首先使用图像置乱技术将秘图变换成无意义的图像,同时用一个数值控制置乱的次数,并在嵌入和提取时作为密钥.在此基础上,将密图嵌入到承载图像的DCT域系数中.该算法实现的隐藏图像透明性好,并具有较高的保密性和一定的稳健性.     

基于网格细分和边界自适应的三维模型可见水印

数字水印技术可以有效保护数字产品的版权,而可见水印以水印信息为观察者所见,达到标识版权、保护数据的目的。对三维网格模型的不可见水印已有了广泛研究,但对可见水印的研究甚少。为此,提出一种建立在三维网格模型上的边界自适应可见水印算法。该算法使用Windows系统下的TTF字符库,直接输入需要嵌入的水印信息,包括汉字、英文字符、数字,通过将三维网格模型的平滑区域投影至二维平面进行预细分,以实现可见水印的嵌入。实验表明,该方法可在三维网格模型上较好地显示出汉字、英文字符及数字,边界平滑且具有鲁棒性,起到了用可见水印标识版权的作用。     

移动视频直播的互动性对持续使用意愿的影响

移动视频直播指用户通过移动设备实时制作或观看视频的服务。近年来，移动直播APP快速发展，吸引了大量的用户，然而平台的最终成功取决于用户持续使用。本文聚焦于移动视频直播的互动性，以流体验理论、社会临场感理论和认同理论为基础，从心理认知视角探讨了互动性对用户持续使用意愿的作用机理。通过问卷调查，共收集346份有效问卷，采用SPSS和PLS软件对假设模型进行验证。结果显示，移动视频直播的互动性通过提高用户观看体验（流体验、社会临场感）和主播认同进而影响满意度和持续使用意愿。同时互动性的各个维度对用户体验和认同感的影响程度存在显著差异。据此，为移动视频直播运营商的长期发展提供了理论指导。     

基于边缘CFA内插特征一致性的图像拼接检测

为了有效检测数字图像是否被篡改,提出了一种新颖的数字图像拼接快速检测算法.首先,利用Canny边缘检测算子,依据阶跃性约束条件,筛选出阶跃型边缘像素点.分别针对自然图像中的阶跃型边缘和由拼接操作所形成的阶跃型边缘,建立垂直于边缘方向单像素序列的颜色滤波阵列(CFA)内插模型.通过计算该单像素序列的局部灰度直方图,设计CFA内插特征量,以测度拼接前后灰度水平级在直方图两端分布的差异.然后,基于此特征量,利用阈值法实现对自然边缘像素点和拼接边界像素点的分类,进而实现图像拼接检测与定位.标准拼接图像数据集上的测试结果表明,虚警概率仅为0.05时,本检测算法仍能达到0.97的高准确率.此外.该算法还具有较好的鲁棒性,可抵抗一定程度的JPEG压缩和模糊等后处理.     

基于改进随机森林分类器在RGBD面部表情上的应用研究

面部表情识别是机器感知人类情绪变化的重要途径.利用面部RGB图像可以进行表情识别,但是容易受到光照变化影响,而且较难刻画细微表情变化.对采用RGBD面部图像识别6种基本面部表情(高兴、悲伤、愤怒、沮丧、恐惧以及惊讶)进行研究.首先利用深度图像鲁棒地检测面部;然后在面部灰度图像中检测并跟踪二维面部标记点,并添加对应的深度信息构造深度面部几何特征,从而有效识别细微表情变化;最后利用基于特征选择的随机森林分类器对不同面部表情进行识别.基准数据库上的对比实验结果表明本文算法的表情识别准确率高于主流基于手动提取特征的面部表情识别方法,接近基于卷积神经网络的识别算法性能.     

一种抵抗插值误差的数字水印方法

几何攻击会给数字水印带来同步误差和插值误差,现有的多数抗几何攻击的鲁棒水印方法都把焦点集中在同步误差上,对插值误差的研究甚少.介绍了常见的插值算法并指明了插值误差产生的原因,能够实现最佳的嵌入率、嵌入失真以及鲁棒性之间平衡的QIM(quantization index modulation)水印算法,进而分析了插值误差对QIM算法的影响,在此基础上提出了针对插值误差的逐像素点选择QIM水印算法.实验在纹理程度不同的10幅图像上进行.实验证明,提出的水印算法对插值误差的鲁棒性优于原始的QIM水印算法.