一种增加LSB信息隐藏量的方法

LSB(LeastSignificantBits)算法是信息隐藏的基础方法之一。通过对人眼视觉感知效果的分析,对LSB算法进行改进,提出了一种具有更高信息隐藏量的算法。该算法简单高效,信息隐藏率由12·5%提高到16·7%,且通过VC编程试验验证了该算法的优越性。     

静态数字图像的信息隐藏与水印方法

数字图像的信息隐藏技术是数字图像处理领域中最具挑战性、最为活跃的研究课题之一。图像信息隐藏与水印技术主要用于数字产品的知识产权保护等。本文分别从时域替换方法和变换域方法讨论了信息隐藏的基本方法,并分别以BMP和JPEG数字图像格式为例实现了基于时域和频域的典型水印算法LSB和DCT变换域的水印过程。     

载体文档零改变的信息隐藏算法研究

就目前文本信息隐藏技术进行了分析,提出了一种载体文档零改变的信息隐藏算法。该算法不修改载体文本信息,通过文本字符ASCII码的奇偶性将秘密信息隐藏到文本内容中去。试验证明该算法具有完好的隐蔽性和较强的鲁棒性,能用于秘密信息的隐蔽传送,但该算法用于文本文档的版权保护还存在许多要改进的地方。     

一种基于Word文档的高隐藏率水印算法

在Word文档中嵌入秘密水印可用来进行版权保护。提出了一种新的在Word文档字符中嵌入秘密水印的算法,该算法同时利用字体RGB颜色低位及下划线RGB颜色全部可用字节来隐藏信息,能达到每1个Word字符隐藏4个字节秘密信息的效果。经VBA编程试验,结果表明该算法隐藏率高,稳定且易于实现,具有一定的应用价值。     

基于Word文档缩放字符比例的信息隐藏算法研究

根据Word文档的特点,提出了通过改变Word文档字符缩放比例,在文档中嵌入秘密文本的信息隐藏算法,实验表明：算法简单,很好地实现了秘密文本的嵌入,信息隐藏量大于传统算法,隐藏效果较好,可以满足文件隐秘传输需要,具有广阔的应用前景.     

基于水印技术的大容量信息隐藏算法研究

为了在普通的通信环境中传递保密信息,提出了基于水印嵌入技术原理的信息隐藏算法。算法设计中以模运算为基础,将待隐藏的信息嵌入至原始图片的DCT系数中,采用率失真最优化的分析方法,控制信息隐藏过程中对原始图片的变形影响,尽可能地在一个图片中嵌入更多的隐藏信息。经过测试分析表明:在视觉允许的失真条件下,每个DCT数据块可以嵌入1个字节的数据量。     

基于统计模型和方向小波的图像认证水印算法

设计了一种基于统计模型和方向小波的图像认证水印算法.提出了用方向小波变换生成图像方向流的算法,应用图像的方向流来刻画图像特征.并应用高斯分布统计模型构造出了水印修改的噪声可见强度.通过噪声可见强度筛选出含纹理信息较多的图像分块隐藏图像方向流.用户利用提取出的隐藏方向流信息和用方向小波生成的方向流作相关性检测,实现对图像的认证.该算法有较强的抗JPEG和噪声攻击能力,保证了水印图像的视觉质量和鲁棒性,并实现了盲检测,隐蔽性和安全性好.     

基于小波变换的签字信息隐藏算法

密码学曾经作为信息加密的主要算法得到了广泛的应用.但随着计算机运算速度的大幅提高,基于密码学的信息加密已经不再安全,而基于信息隐藏技术的数据加密方法得到了迅速发展.本文研究了基于二维离散小波变换和密码学的信息隐藏算法,将签字信息经过编码后隐藏在小波变换的对角线区域,使得还原的图像影响小,可以应用在公文流转和数字水印中。     

信息隐藏技术研究的初探

信息隐藏技术是信息安全体系研究课题之一,与传统的加密方法不同其核心目的就是要在数字媒体（图像、语音、视频等）中隐藏秘密信息,起到保护数据安全的目的。文章主要从信息隐藏的概念、分类、实现算法、应用领域及其发展前景介绍了信息隐藏技术。     

数字水印技术在网络评审中的应用研究

以彩色静止数字图像的信息隐藏算法为基础，探讨以数字水印技术有效解决电子图章的安全性问题的策略和算法，并面向网络评审的实际应用需求，提出关于电子图章的模版生成、水印嵌入、管理和使用以及水印验证的一整套方案．该方案解决了水印数据时信息隐藏和网络安全传输问题，已运用于国家科学技术奖励网络评审系统中．测试表明该方案具有良好的抗抵赖、抗攻击、抗复制、抗伪造和可鉴别性能。     

Brown rice planthopper (Nilaparvata lugens Stal) detection based on deep learning

The brown rice planthopper (Nilaparvata lugens Stal) is one of the main pests of rice. The rapid and accurate detection of brown rice planthoppers (BRPH) can help treat rice in time. Due to the small size, large number and complex background of BRPHs, image detection of them is challenging. In this paper, a two-layer detection algorithm based on deep learning technology is proposed to detect them. The algorithm for both layers is the Faster RCNN (regions with CNN features). To effectively utilize the computing resources, different feature extraction networks have been selected for each layer. In addition, the second layer detection network was optimized to improve the final detection performance. The detection results of the two-layer detection algorithm were compared with the detection results of the single-layer detection algorithm. The detection results of the two-layer detection algorithm for detecting different populations and numbers of BRPHs were tested, and the test results were compared with YOLO v3, a deep learning target detection network. The test results show that the detection results of the two-layer detection algorithm were significantly better than those of the single-layer detection algorithm. In the tests for different numbers of BRPHs, the average recall rate of this algorithm was 81.92%, and the average accuracy was 94.64%; meanwhile, the average recall rate of YOLO v3 was 57.12%, and the average accuracy rate was 97.36%. In the experiment with different ages of BRPHs, the average recall rate of the algorithm was 87.67%, and the average accuracy rate was 92.92%. In comparison, for the YOLO v3, the average recall rate was 49.60%, and the average accuracy rate was 96.48%.

     

耕地质量评价缺失数据填充方法研究

在耕地质量数据调查与采集过程中会由于人为、环境等因素造成数据缺失,而目前数据缺失填充方法都存在适用性不足的问题,为完善耕地质量数据库从而提高耕地质量评价精度,对耕地质量评价缺失数据填充方法的研究是十分重要的。本研究以广州市从化区耕地质量数据库为样本集,根据空间相关性和空间分布将数据集划分为空间关联性数据集和非空间关联性数据集,利用多种填充方法对其进行缺失填充模拟,采用十字交叉法进行精度验证。结果表明：选取数据整体异常值比例不足1.2%,且高程、气温、有效锌等25组因素具有空间相关性。对空间关联性数据填充精度最高的是四象最近邻算法,在缺失率20%以下时精度仍高达80%,精度随缺失率增大而降低,其次为K最邻近（KNN）算法、期望最大化法、多重填充法、回归模型算法,四象最近邻算法相较于KNN算法在数据密集时精度更好。对非空间关联性数据填充精度最高的是相似聚集填充算法,在缺失率25%以下时精度超过80%,其次为期望最大化法、多重填充法、回归模型算法。综上,本研究提出的四象最近邻算法和相似聚集填充算法相比其他算法在耕地质量评价缺失数据填充中精度更高,效果更稳定,且实用性更广。     

基于RCT-DWT-SPIHT的彩色图像无损压缩算法研究

研究了基于RCT-DWT-SPIHT的彩色图像无损压缩算法,结果表明这一算法可以更好地完成图像的无损压缩编码.对24幅彩色国际标准测试图像的仿真实验结果表明,算法比较JP2,RAR,ZIP,PNG,TGA,PCX,TIF算法平均而言无损压缩比分别提高了7%,30%,41%,44%,62%,63%,66%左右.变换可由加法和移位完成,便于硬件实现.     

基于改进果蝇算法优化广义回归神经网络的绿色农产品消费行为预测

针对绿色农产品消费行为具有多变量非线性相互作用的特点，传统统计方法难以准确预测消费行为的问题，提出基于改进果蝇算法优化的广义回归神经网络消费行为预测模型。首先针对果蝇群搜索不均匀所导致果蝇飞行单一的问题，提出一种均匀的果蝇群搜索机制即扇形果蝇优化算法加快搜索能力和效率；其次针对广义回归神经网络的平滑因子易受人为选择的影响，提出改进果蝇算法优化广义回归神经网络参数，实现参数的自动化选择，提高模型的预测能力。运用提出的模型对绿色农产品消费行为预测。结果表明：相较于广义回归神经网络，遗传算法优化广义回归神经网络、粒子群算法优化广义回归神经网络、果蝇算法优化广义回归神经网络和改进果蝇算法优化广义回归神经网络模型在均方根误差指标上分别下降4.45%、1.89%、4.54%和5.03%,表明遗传算法、粒子群算法、果蝇算法和改进果蝇算法能够优化广义回归神经网络模型的平滑因子，提高模型的预测精度。从平均绝对误差、均方误差、均方根误差3个评价指标看，改进果蝇算法优化广义回归神经网络模型比其他6个单一预测模型具有更高预测精度。结果证明了改进果蝇算法优化广义回归神经网络模型在绿色农产品消费行为预测的有效性，...     

自动导航拖拉机的农机具作业精度研究

针对自动导航拖拉机带农机具作业时农机具跟踪误差会被放大的问题，提出了1种能够提高农机具作业精度的拖拉机导航算法。采用路径跟踪误差最小的优化控制方法，研究拖拉机自动导航作业时引起机具误差大的因素及改进方法，设计具有农机具误差项的拖拉机模型预测控制算法，对该算法进行可行性试验及对比试验。试验结果表明采用带机具误差项的算法使农机具横向偏差平均降低了42.36%，横向偏差标准差平均降低了40.91%，航向角最大偏差平均降低了6.11%,航向角偏差标准差平均降低了31.04%。结果表明增加农机具误差项的模型预测控制算法能有效提升农机具的作业精度。     

基于双频蝙蝠算法的树状灌溉管网规划

以管网投资费用最低为目标,建立了改进的自压树状灌溉管网规划模型,通过定义管网用水节点的上层水节点来保证管道连通性;同时,提出了改进的双频蝙蝠算法,通过使用双脉冲频率策略均衡算法多样性与收敛性。基于12个100维度测试函数的寻优结果表明,与遗传算法、粒子群算法及蝙蝠算法相比,双频蝙蝠算法能够有效提高全局搜索能力;应用双频蝙蝠算法分别对10节点和34节点的管网进行规划设计,管网投资费用均值较蝙蝠算法可分别减少23.60%和31.03%。     

基于轻量化YOLOv4的生猪目标检测算法

针对目前生猪目标检测算法模型较大,实时性差导致其难以在移动终端中应用等问题,将一种改进的轻量化YOLOv4算法用于生猪目标检测.在群养猪环境下以不同视角和不同遮挡程度拍摄生猪图像,建立生猪目标检测数据集.基于轻量化思想,在YOLOv4基础上缩减模型大小.结果表明,本研究算法的准确率和召回率分别为96.85％和91.75...     

基于蚁群-BFS算法的复杂环境下农业机器人全区域覆盖研究

目的 以路径重复率为优化目标解决农业机器人在数字生态农场中的全区域覆盖问题。方法 首先,将栅格地图中的障碍物进行膨胀处理,在此基础上进行矩形分区以及分区合并操作;然后,通过改进的蚁群算法规划分区间的遍历顺序、通过改进的广度优先搜索(Breadth first search, BFS)算法规划分区间终点与起点的衔接路径,从而实现机器人全区域覆盖。2种算法的具体改进方案为：分别通过人工免疫算法与粒子群算法改进遗传算法的选择与交叉算子,并将改进后的选择算子、交叉算子、原遗传算法变异算子与蚁群算法相结合改进传统蚁群算法信息素更新方法;建立动态函数以简化BFS算法规划的路径。结果 仿真结果表明,改进蚁群算法收敛时的迭代次数较传统蚁群算法减少了83.1%,路径长度相比减少了4.8%;由改进的蚁群算法与改进的BFS算法规划的机器人遍历路径重复率是传统蚁群算法和BFS算法的56%,且农业机器人能实现对农田区域的100%覆盖。结论 本研究提供了一种农业机器人在复杂环境的数字生态循环农场中进行全遍历覆盖的解决方案。     

基于多目标PSO-ACO融合算法的无人艇路径规划

【目的】针对河蟹养殖过程中,水位变化以及无人艇路径规划算法收敛慢、精度低的问题,为提高算法适应性与寻优能力,提出一种多目标粒子群-蚁群融合的无人艇路径规划算法。【方法】首先,分析蟹塘环境及养殖规律等因素,建立静态水深栅格环境模型;其次,针对覆盖遍历式投饵存在局部点投喂不足及路径次优的问题,通过对惯性参数与学习因子的非线性调整,提出基于多目标的改进粒子群算法(Particle swarm optimization, PSO);然后,调整蚁群算法的初始信息素,并对蚁群算法的信息素挥发因子和启发期望函数自适应改进,提出自适应优化蚁群算法(Ant colony optimization, ACO);最后,为解决单一算法寻优不足,利用融合PSO-ACO算法,实现无人艇多目标全局路径规划。【结果】仿真结果表明：不同环境投饵策略下,PSO-ACO算法在对多目标路径寻优时,不仅环境适应性好,而且提高了寻优效率和精度,运行时间节省了32%,路径距离缩短了9.78%,迭代次数降低了62.88%,拐点数目减少了44.45%。【结论】所提出多目标点的路径规划算法适用于环境可变的蟹塘养殖,具有较好的应用价值。