提高Mean-shift跟踪算法性能的方法

针对Mean-shift跟踪算法,在目标色彩特征不突出,或受到光照、阴影等影响,或有干扰物体靠近目标时,很容易发生跟踪错误等问题,采用色彩融合模版和位置预测来提高Mean-shift跟踪算法的性能.在对图像的RGB三色进行简单的线性融合的基础上,提出了根据前景和背景直方图的相似度函数去选取目标特征最突出的融合图像的算法,并据此建立3个目标模版.对目标的位置先进行卡尔曼预测,再用Mean-shift算法对3个模板分别进行跟踪,最后融合跟踪结果.实验结果证明,提出的方法能在复杂背景下跟踪目标,并能更好地应付阴影、光线等变化.此外,它能有效地避免相似物体靠近目标或者和目标交错引起的跟踪失败.     

一种超复数频域的有意义数字水印算法

针对彩色载体图像,提出了一种彩色图像超复数频域的水印算法。它通过对彩色载体图像进行快速超复数傅氏变换,在超复数频域选择合适频段嵌入水印,并且修改其对称系数的值,保证了嵌入水印图像仍然可以用彩色图像的红、绿、蓝三色进行传输。分析表明提出的方法通过超复数傅氏逆变换,可以把水印带来的误差扩散到整幅图像,并且是分散到红、绿、蓝三色的各个分量上,从而实现数字水印的不易感知性和安全性的良好结合。本算法还提出了对水印数据进行"交叉冗余嵌入"的规则,以进一步提高数字水印的鲁棒性。最后给出了实验结果,验证了本算法的优越性。