摘要：针对现有三维模型变换域信息隐藏容量小、严格依赖顶点排列顺序及拓扑结构、只适用于规则或半规则等特定三维模型的不足,将视频流方法引入三维模型的信息隐藏,提出一种基于帧化采样的小波域信息隐藏算法.通过设计等高线空间分割和帧化采样,应用小波域隐马尔可夫模型(HMM)实现了小波系数零树结构信息隐藏;扩展了基于视觉系统小波域量化噪声的视觉权重分析方法,以自适应地确定信息隐藏的强度.实验结果表明,该算法具有高嵌入量(每个顶点嵌入3比特)、高安全性和低失真度的优点,能够抵抗仿射变换攻击和顶点重排攻击,适合任意网格的三维模型信息隐藏.

摘要：在三维集成技术中,让制造检测好的已知合格片在不同的三维芯片设计中复用可有效降低成本。设计了一种采用通用网络服务片(GNSD)来构建三维片上网络的通用网络(GNet),并以一个64核处理器为实验对象,分别采用传统的三维片上网络设计中成本驱动的设计和性能驱动的设计,和采用GNet的设计来实现该处理器。对3种设计进行仿真,对比其吞吐率、时延、功耗及成本,证明GNet不仅仅在成本上有突出的优势,在性能上也优于传统的三维设计。

摘要：以数据、预案、模型、知识、决策方法存储和使用为核心的公共安全数据中心是由存储设备、网络设备、应用数据和应用程序综合集成,它具有存储、查询、管理和维护等功能。根据应急平台的需求,数据中心采用"层次+混合"的方法进行数据中心体系结构的设计。在数据中心的核心层,数据、预案、模型、知识、决策方法按一定的结构"混合"在一起。设计数据中心的结构,实现各类数据的集成和管理,为应急平台的各种应用提供有效的访问。

摘要：为设计模式识别精确率不高的问题,提出一种基于特征分类表示的设计模式识别方法,分结构型、行为型及创建型三类归纳特征信息,三类模式分别以Adapter模式、Command模式、Factory Method模式为例,通过4个经典的测试系统进行设计模式识别实验,识别精确率分别96.8%、81.95%、42.85%,取得了较好的效果。

摘要：针对网络覆盖问题提出一种利用勒洛三角形几何特征进行目标区域覆盖度的判断方法,并在此基础上设计k度覆盖算法(Reuleaux triangle-based k-coverage algorithm,RTC)。该算法首先把每个传感器节点的感知圆划分成6个相等的勒洛三角形区域,依定理判断该区域是否达到用户对网络覆盖度的要求,然后调度相应节点进入活跃状态实现对目标区域的k度覆盖。实验结果表明:RTC算法在保证网络覆盖质量条件下能够有效地降低活跃节点的数量,提高网络能量利用效率,从而延长网络生存期。

摘要：针对Fiat-Shamir签名算法,提出了该签名算法下的一类宽带和窄带阈下信道,设计了一个新的阈下信道封闭协议,完全封闭了本文给出的一类Fiat-Shamir签名中的宽带和窄带阈下信道,分析证明该协议具备安全性和完全封闭性.同时,协议实现过程中监视者参与签名生成,但是没有伪造签名的能力,因此在保证签名者签名权利的同时,该协议可以看作一种新的带审批权的签名方案.

摘要：引入基于推广B样条的等几何分析方法对二维弹性问题进行边界元分析.首先使用推广B样条表示待分析的问题域,可以精确地表示待求域的圆弧边界;然后使用边界积分方程对边界未知量求解,将求得的位移通过细分方法插值到边界上;最后通过重心坐标法求得域内解,减少计算复杂度,提高了计算的精确度.分片测试及其他实例结果证实了该方法的有效性.

摘要：针对传统的土壤墒情监测手段存在的监测范围小、采样率低等不足,设计实现了基于ZigBee无线传感网络和J2EE三层B/S架构技术的柑橘园土壤墒情远程监控系统。系统采用具有ZigBee无线数据传输功能的XBee-PRO模块和ECH2O型土壤水分传感器EC-5为核心组成传感器节点,部署于柑橘园的各个采集点对土壤墒情信息进行采集、预处理和无线发送等工作,通过基于ARM9的嵌入式网关与Internet网络连接,采集数据传输至远程Web主机,通过远程监控中心系统实现对采集数据分析处理和系统运行的远程和实时监控。进行了不同距离的传感器节点发送数据包的耗时和数据包发送成功率试验,在1km以内耗时低于100ms,数据包发送成功率高于98%。试验结果表明,系统实现了稳定可靠的数据传输,适合柑橘园土壤墒情的远程和实时监控。

摘要：针对开源识别引擎Tesseract-OCR对噪点多、亮度不均匀及规格不统一的图像识别效果不佳的情况,设计和实现了一种基于Android平台,能大幅度提高质量不高图像识别率的图文同步识别系统。实现了预览同步识别、联网上传识别、图像批量识别等功能,通过对图像进行消噪、亮度均衡及阈值分割等质量增强算法处理,提高了图像的最终识别率。新颖的同步识别模式有别于传统的图文识别软件,使用户在预览图像时能够即时看到识别效果,给使用者带来一种全新的用户体验。

摘要：抗几何攻击的鲁棒图像水印设计是目前水印技术研究的难点和热点之一.文中分析了图像的Bandelet变换特性,提出了一种以图像特征点矢量集为特征向量的回归支持向量机(Support vector regression,SVR)和第二代Bandelet变换的抗几何攻击图像水印算法,采取的主要方法包括:1)在Bandelet变换提取的刻画图像局部特征的几何流系数上,采用奇偶量化嵌入水印;2)利用Harris-Laplace算子从归一化的含水印图像中提取具有几何形变鲁棒性的图像特征点,构造特征点矢量集作为特征向量,应用回归支持向量机对几何变换参数进行训练学习;3)水印检测时,先利用SVR训练模型得到待检测图像所受几何攻击的参数并作几何校正,然后通过奇偶检测器盲提取水印.仿真实验表明,所提出的水印算法不仅具有良好的透明性,而且对常规图像处理、一般性几何攻击和组合攻击均具有良好的鲁棒性.