《表2 特征数目对性能的影响》
为了进行公平地比较,对比算法均基于相同的平台进行测试,即相同的预测误差构造思路、容量分配算法、边信息选择和嵌入方案.所有对比算法仅在特征排序上有所区别,分别记为“多特征”和“Yao特征”算法[24].本文对图像Lena在不同容量下进行了测试,实验结果如表1所示.结果表明,多特征算法可以获得更高的PSNR,即表示含密载体与原始载体的失真较小,视觉质量更高.其主要原因在于本文算法采用的多特征排序可以有效地表征光滑区域,并使更多光滑区域排位靠前.如此在相同的嵌入容量下,截取的百分比更小,其中截取百分比即为使用的预测序列误差长度/预测误差总长度.其具体计算法可参考文献[27],并且生成的直方图更陡峭.上述结果在表1中得到了反映,其他测试图像也存在类似的实验结果.同时本文测试了特征数目对性能的影响,对lena图像的3个容量进行了测试观察2、4、6、8、10不同数目的特征组合对性能的影响,从表格2中可知,特征数目越多对性能的提升越有效.相关其他测试图片可获得类似的实验效果.综上所述,多特征排序的优势得到了验证.
图表编号 | XD00108904000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.30 |
作者 | 王俊祥、毛宁雄、赵怡、王春桃 |
绘制单位 | 景德镇陶瓷大学机械电子工程学院、景德镇陶瓷大学机械电子工程学院、景德镇陶瓷大学机械电子工程学院、华南农业大学数学与信息学院 |
更多格式 | 高清、无水印(增值服务) |