摘要：针对传统数字水印算法的透明性随嵌入强度的增加而下降的问题,已有许多零水印算法提出。然而大多数算法或是鲁棒性和稳定性较差,或是基于灰度图像设计的。本文提出一种基于彩色图像Tetrolet变换的频数质心零水印算法。该算法先提取彩色载体图像YCbCr空间的亮度分量,再对亮度分量进行Tetrolet变换获得其低频系数,再通过分块非负矩阵分解,采用计算频数质心的方法构造特征矩阵。对水印信息依次进行Polar码编码,二维交织构造出交织矩阵;最后将含有水印信息的交织方阵和特征矩阵进行异或操作生成零水印。仿真结果证明,该零水印算法可以有效抵抗非几何攻击、几何攻击以及组合攻击,水印提取归一化相关系数值在0.9以上,具有较强的鲁棒性和稳定性,且具有良好的实用性。

摘要：针对目前有监督语音增强忽略了纯净语音、噪声与带噪语音之间的幅度谱相似性对增强效果影响等问题,提出了一种联合精确比值掩蔽(ARM)与深度神经网络(DNN)的语音增强方法。该方法利用纯净语音与带噪语音、噪声与带噪语音的幅度谱归一化互相关系数,设计了一种基于时频域理想比值掩蔽的精确比值掩蔽作为目标掩蔽;然后以纯净语音和噪声幅度谱为训练目标的DNN为基线,通过该DNN的输出来估计目标掩蔽,并对基线DNN和目标掩蔽进行联合优化,增强语音由目标掩蔽从带噪语音中估计得到;此外,考虑到纯净语音与噪声的区分性信息,采用一种区分性训练函数代替均方误差(MSE)函数作为基线DNN的目标函数,以使网络输出更加准确。实验表明,区分性训练函数提升了基线DNN以及整个联合优化网络的增强效果;在匹配噪声和不匹配噪声下,相比于其它常见DNN方法,本文方法取得了更高的平均客观语音质量评估(PESQ)和短时客观可懂度(STOI),增强后的语音保留了更多语音成分,同时对噪声的抑制效果更加明显。