基于Python的多维度、层次化的综合实验平台

为满足“新工科”背景下科研与教学融合的课程建设需求,设计了一套基于Python的多维度、层次化的综合实验平台。平台以专业人才培养方案为导向,在图像识别、机器学习及数据分析3个科研热点方向,设计了多维的实验教学内容。图像识别实验从文字识别入门,进而通过多种方式实现人脸和车牌识别。机器学习实验基于Python的机器学习算法实现,并应用于玉米病害识别。数据分析实验将Python处理Excel数据应用于计算工作量和生物信息数据分析中。学生在实验中可以根据专业需求和科研方向选择不同的实验项目,从而实现因材施教的培养目标。将实验平台应用于教学实践中表明,学生对Python在图像识别、机器学习以及数据分析的编程实现有了更深入的了解,提升了科研兴趣,从而实现将科研融入教学,提高本科生教学质量的目标。     

基于SVD和局部特征区域的鲁棒水印算法

为了实现数字多媒体产品的版权保护,提出一种基于图像局部特征区域的鲁棒水印方案。图像局部特征区域是利用Harris算子检测到的特征点构造得到的固定尺寸的纹理区域,具有很好的视觉掩蔽特性,同时图像特征点经过几何攻击后仍然可以保持,保证了水印隐藏位置检测的正确性。算法在每个局部特征区域利用奇异值分解操作得到的分量矩阵的特点实现水印信息的隐藏。实验结果表明,本算法能够在保证水印不可见性地同时,很好地抵抗如JPEG压缩、旋转等攻击。