一种基于特征区域几何优化的鲁棒可逆水印嵌入和提取方法

    公开(公告)号:CN103927709B

    公开(公告)日:2017-06-06

    申请号:CN201410102739.3

    申请日:2014-03-19

    IPC分类号: G06T1/00

    摘要: 本发明提供了一种基于特征区域几何优化的鲁棒可逆水印嵌入和提取方法,该水印嵌入方法通过获取原始图像的低频子带、获取初始特征点集合、获取候选特征点集合、获取候选特征区域集合、计算选特征区域关联矩阵、计算候选关联权值向量、获取筛选特征区域集合、获取圆形特征区域集合、得到特征图像、得到密钥图像和获取密钥信息的步骤,克服了现有鲁棒可逆水印方法的缺陷,改善了含水印图像的视觉质量,提高了水印嵌入容量,增强了水印抵抗复杂攻击的鲁棒性,提升了水印的安全性,提高了鲁棒可逆图像水印方法的综合性能。

    一种虹膜水印的生成方法及装置

    公开(公告)号:CN103996160A

    公开(公告)日:2014-08-20

    申请号:CN201410102463.9

    申请日:2014-06-20

    IPC分类号: G06T1/00 G06T7/00

    摘要: 本发明提供了一种虹膜水印生成方法及装置,包括从原始虹膜图像I中确定虹膜区域,得到虹膜区域的圆形内边缘轮廓Cpu和圆形外边缘轮廓Cir;确定采样角度范围θ、采样宽度比例系数ε、纵向采样点个数n和横向采样点个数m,计算采样初始角度α;根据采样初始角度α、采样角度范围θ、采样宽度比例系数ε、纵向采样点个数n和横向采样点个数m,在原始虹膜图像I上确定矩形判别区域A;在矩形判别区域A上检测边缘,进行遮挡物判断,并更新采样起始角度α;选定不存在遮挡物的矩形判别区域A,生成采样图像I′;对采样图像I′进行编码,生成虹膜特征矩阵F,进而得到虹膜水印W。有效解决遮挡问题,实现水印容量的自适应控制;输出结果可直接作为虹膜水印,更好地满足不同水印算法的需求。

    一种基于特征区域几何优化的鲁棒可逆水印嵌入和提取方法

    公开(公告)号:CN103927709A

    公开(公告)日:2014-07-16

    申请号:CN201410102739.3

    申请日:2014-03-19

    IPC分类号: G06T1/00

    摘要: 本发明提供了一种基于特征区域几何优化的鲁棒可逆水印嵌入和提取方法,该水印嵌入方法通过获取原始图像的低频子带、获取初始特征点集合、获取候选特征点集合、获取候选特征区域集合、计算选特征区域关联矩阵、计算候选关联权值向量、获取筛选特征区域集合、获取圆形特征区域集合、得到特征图像、得到密钥图像和获取密钥信息的步骤,克服了现有鲁棒可逆水印方法的缺陷,改善了含水印图像的视觉质量,提高了水印嵌入容量,增强了水印抵抗复杂攻击的鲁棒性,提升了水印的安全性,提高了鲁棒可逆图像水印方法的综合性能。

    一种虹膜水印的生成方法及装置

    公开(公告)号:CN103996160B

    公开(公告)日:2019-03-19

    申请号:CN201410102463.9

    申请日:2014-06-20

    IPC分类号: G06T1/00 G06T7/13

    摘要: 本发明提供了一种虹膜水印生成方法及装置,包括从原始虹膜图像I中确定虹膜区域,得到虹膜区域的圆形内边缘轮廓Cpu和圆形外边缘轮廓Cir;确定采样角度范围θ、采样宽度比例系数ε、纵向采样点个数n和横向采样点个数m,计算采样初始角度α;根据采样初始角度α、采样角度范围θ、采样宽度比例系数ε、纵向采样点个数n和横向采样点个数m,在原始虹膜图像I上确定矩形判别区域A;在矩形判别区域A上检测边缘,进行遮挡物判断,并更新采样起始角度α;选定不存在遮挡物的矩形判别区域A,生成采样图像I′;对采样图像I′进行编码,生成虹膜特征矩阵F,进而得到虹膜水印W。有效解决遮挡问题,实现水印容量的自适应控制;输出结果可直接作为虹膜水印,更好地满足不同水印算法的需求。

    一种基于FPGA加速脉冲神经网络推理的设计方法

    公开(公告)号:CN117875426A

    公开(公告)日:2024-04-12

    申请号:CN202311700874.3

    申请日:2023-12-12

    发明人: 万波 李浩然 王笛

    IPC分类号: G06N5/04 G06N3/049 G06N3/063

    摘要: 本发明公开一种基于FPGA加速脉冲神经网络推理的设计方法,涉及脉冲神经网络技术领域,其包括以下步骤:步骤1:首先在处理系统端输入外部刺激并定义先验分布,生成采样数据;步骤2:随后将数据交给FPGA进行算法流程,计算贝叶斯模型的似然概率分布以及后验概率分布;步骤3:最后将计算得到的后验结果返还给处理系统保存并整理,得到概率模型推理的最终结果。本发明利用FPGA搭建脉冲神经网络模型,采用重要性采样的方法执行贝叶斯推理的采样环节,设计并优化硬件结构,从而加速贝叶斯模型的推理速度。

    一种基于脉冲神经网络的多尺度脑网络模型构建方法

    公开(公告)号:CN118153644A

    公开(公告)日:2024-06-07

    申请号:CN202410218466.2

    申请日:2024-02-28

    IPC分类号: G06N3/049 G06N3/06 G06N3/08

    摘要: 本发明公开了一种基于脉冲神经网络的多尺度脑网络模型构建方法,涉及神经网络技术领域。该方法包括如下步骤:建立基于脉冲神经网络的视觉脑区模型;建立基于视觉脑区的多尺度脑网络模型;设置任务通过采集脑网络生成的血氧信号并进行分析,获取大脑中不同脑区之间的交互规律。本发明通过构建一种基于脉冲神经网络的视觉脑区模型完成微观层面的小鼠视觉脑区搭建,然后构建出一种基于视觉脑区的小鼠多尺度脑网络模型完成多尺度脑网络模型的搭建,最后设置一些任务通过采集脑网络生成的血氧信号并进行分析,来探究脑网络动力学揭示了大脑中不同脑区之间的交互规律,为大规模人工神经网络设计提供新思路。