小波基对红外目标图像SPIHT算法性能的影响

针对红外目标图像边缘模糊、噪声点多、对比度较低等特点,从分析小波基函数的三个评估指标入手,进行了大量的实验和统计,研究不同的小波基对红外目标图像SPIHT算法性能的影响,通过实验结果的分析与讨论,得出双正交小波D9/7小波和bior4.4小波适于红外目标图像实时压缩的结论,这一结论也有助于将来更好地发挥SPIHT算法的性能。     

基于模糊CMAC的三连杆机械臂的最优控制器

研究了将模糊CMAC神经网络和最优控制方法Hkamilton-Jacobi-Bellman(H-J-B)相结合来实现三连杆机械臂的最优控制策略。介绍了模糊CMAC神经网络的基本结构,基于二次最优控制信号的模糊CMAC控制器设计,推导了基于Lyapunov稳定性分析理论的神经网络自适应学习算法,并通过一个鲁棒化向量来克服系统模型中不确定项的影响,保证系统的稳定性。     

基于双正交小波域的SAR图像滤波方法

将E-lee、E-Kuan、GammaMap、wiener等经典滤波算法和双正交小波变换相结合,提出了基于双正交小波变换域的局部统计特性SAR图像滤波方法,同时提出了一个运算量少,且是归一化的对数变换,它将乘性的Speckle噪声转为加性噪声。在小波域内建立了局部统计特性SAR图像滤波算法,使用多分辨率的手段,因为在每个方向上的小波系数都具有相同的特征,可以很好地处理图像的一些特性,使得图像边缘被模糊的相对少些。实验结果表明,此方法比经典算法的效果要好。     

基于多小波双变换的非线性卫星信道盲均衡算法

针对非线性卫星信道Volterra盲均衡系统收敛缓慢、计算复杂高等不足,提出了基于多小波双变换的非线性卫星信道盲均衡算法.该算法用Wiener均衡器代替Volterra均衡器,减小了均衡器结构的复杂性;用平衡正交多小波对Wiener均衡器的输入信号进行变换,降低了输入信号的自相关性;在Wiener均衡器输出端增加一级判决反馈滤波器,同时对其输入信号作平衡多小波变换,又降低了判决反馈滤波器输出信号的自相关性.仿真结果验证了该算法的有效性.     

基于BWT和FVQ的极低比特率图像编码算法

该文提出了一种基于双正交小波变换（ＢＷＴ）和模糊矢量量化（ＦＶＱ）的极低比特率图像编码算法。该算法通过构造符合图像小波变换系数特征的跨频带矢量,充分利用了不同频带小波系数之间的相关性,有效地提高了图像的编码效率和重构质量。     

基于平衡正交多小波的MR图像去噪算法研究

磁共振图像中的噪声分布的特殊性不仅大大降低了图像的质量,影响医学诊断,而且为噪声的去除提出了更高的要求。平衡正交多小波同时满足正交性和对称性,不仅具有比单小波分解更加精确、去噪效果更好的特点,同时避免了普通多小波分解过程中的预处理过程。文中对磁共振图像进行平衡正交多小波分解后,采用了一种自适应性更高的阈值确定函数与半软阈值相结合方法对小波系数进行萎缩处理,实现降噪目的。结果表明：该方法优于97提升小波及ghm多小波方法,去噪效果进一步提高。     

一种自适应模糊密度赋值的小波变换遥感图像融合算法

该文提出了一种基于模糊积分的多光谱图像和全色遥感图像融合算法。该算法首先由多光谱图像和全色图像的小波系数来获取模糊积分的信度函数,再依据小波系数的局部窗口内的方差自适应的构造模糊密度,然后由模糊积分计算融合后的小波系数,最后进行小波逆变换,得到融合图像。实验表明,采用新的基于模糊积分的融合方法,只要选择适当的模糊密度,就可以使得融合图像在提高空间细节质量的同时,相比其它融合算法能够具有更好的光谱质量。     

一种基于正交多小波的自适应均衡算法

该文提出了用正交多小波来表示均衡器,由于多小波可同时具有正交性、紧支性和线性相位等特点,因此经多小波变换后所得到的信号相关阵的稀疏化估计与单小波变换相比非零元素较少,边界效应减小,基于此,文中给出了正交多小波变换域的一种Newton-LMS类自适应均衡算法,其计算复杂性可通过有预处理的共轭梯度法进一步降低为O(N log N),仿真结果表明了该算法收敛速度较快,且易于实时实现。     

基于BWT和FVQ的极低比特率图像编码算法

该文提出了一种基于双正交小波变换(BWT)和模糊矢量量化(FVQ)的极低比特率图像编码算法。该算法通过构造符合图像小波变换系数特征的跨频带矢量,充分利用了不同频带小波系数之间的相关性,有效地提高了图像的编码效率和重构质量。该算法采用非线性插补矢量量化(NLIVQ)的思想,从大维数矢量中提取小维数的特征矢量,并提出了一种新的模糊矢量量化方法一渐进构造模糊聚类(PCFC)算法用于特征矢量的量化,从而大大提高了矢量量化的速度和码书质量。实验结果证明,该算法在比特率为0．172bpp的条件下仍能获得PSNR＞30dB的高质量重构图像。     

基于正交小波的判决反馈均衡算法

本文提出了一种基于正交小波的线性均衡算法，用一组规范正交小波及其对应的系数来表示均衡器，在此基础上，提出基于正交小波的判决反馈均衡算法，文中给出了自适应算法，并对算法性能做了分析，采用这种结构的均衡算法，比传统的基于ＬＭＳ算法的线性均衡器和判决反馈均衡器收敛速度快，误码性能相同，而计算量增加不多，计算机模拟也证实了上述结论。     

层次模糊系统的全局逼近性质及其与多子波神经网络关系研究

该文首先讨论了B样条基函数的特性,在此基础上证明了基于B样条隶属函数的层次模糊系统(HBFS)是全局逼近器这一重要结论。与此同时,根据基于B样条隶属函数的层次模糊系统与多子波神经网络在逼近问题上的等价性,我们对于多子波神经网络是否为全局逼近器这一问题给出了一种全新的证明方法,以上工作为HBFS的实际应用提供了坚实的的理论基础。     

基于三元组系数关系的多小波域数字水印算法

利用图像经CARDBAL多小波变换后,低频系数的能量平均分配于四个子图上这一特点,从四个子图中任选三个子图,用其系数组成三元组,通过调整三元组的标准差来嵌入水印信息并实现盲提取。实验结果表明,算法不但保证了含水印图像有较高的不可感知性,而且对JPEG压缩、噪声、剪切、旋转等攻击具有较好的鲁棒性。     

基于小波变换和神经网络的视频水印算法

针对视频版权的保护提出了一种基于三维小波变换和RBF神经网络的视频水印算法。本算法采用二值图像作为水印,对水印图像进行随机置乱预处理以增强其安全性能;对宿主视频进行视频分割,并分别对得到的各序列做三维DWT变换;把水印嵌入到经过三维变换的低频子带中,在水印提取过程中,结合RBF神经网络模型,而不需要原始图像,快速有效提取出水印。实验结果表明,该算法具有较强的不可见性,且针对帧压缩、旋转、滤波和比例缩放等具有良好的鲁棒性。     

Discrete Multiwavelet–Based Video Watermarking Scheme Using SURF

This paper proposes a robust, imperceptible block‐based digital video watermarking algorithm that makes use of the Speeded Up Robust Feature (SURF) technique. The SURF technique is used to extract the most important features of a video. A discrete multiwavelet transform (DMWT) domain in conjunction with a discrete cosine transform is used for embedding a watermark into feature blocks. The watermark used is a binary image. The proposed algorithm is further improved for robustness by an error‐correction code to protect the watermark against bit errors. The same watermark is embedded temporally for every set of frames of an input video to improve the decoded watermark correlation. Extensive experimental results demonstrate that the proposed DMWT domain video watermarking using SURF features is robust against common image processing attacks, motion JPEG2000 compression, frame averaging, and frame swapping attacks. The quality of a watermarked video under the proposed algorithm is high, demonstrating the imperceptibility of an embedded watermark.     

A New Neuro-Fuzzy Adaptive Genetic Algorithm

Novel neuro-fuzzy techniques are used to dynamically control parameter settings ofgenetic algorithms (GAs).The benchmark routine is an adaptive genetic algorithm (AGA) that uses afuzzy knowledge-based system to control GA parameters.The self-learning ability of the cerebellar modelariculation controller (CMAC) neural network makes it possible for on-line learning the knowledge onGAs throughout the run.Automatically designing and tuning the fuzzy knowledge-base system,neuro-fuzzy techniques based on CMAC can find the optimized fuzzy system for AGA by the renhanced learningmethod.The Results from initial experiments show a Dynamic Parametric AGA system designed by theproposed automatic method and indicate the general applicability of the neuro-fuzzy AGA to a widerange of combinatorial optimization.     

自组织小脑神经网络算法研究

针对神经网络逼近非线性函数问题,提出一种在线的自组织小脑神经网络,其不需要预先确定存储空间的大小。该网络可以根据输入数据自适应地改变神经网络节点数和相对应的权值,具有良好的智能性;针对挠性卫星姿态控制,将自组织小脑神经网络用于不确定项的补偿中,提高系统的鲁棒性。仿真结果表明,该方法神经网络性能良好,实现了卫星姿态控制。     

基于模糊神经网的决策树生成

数据挖掘技术能从大量数据中挖掘和发现有价值和隐含的知识,因而得到广泛的研究和应用。提出了一种基于五层模糊神经网络的决策树生成方法：首先运用五层模糊神经网络学习变量间的模糊映射关系。然后从中生成模糊决策树。这种方法利用了五层模糊神经网络学习的模糊映射强度,并能实现模糊决策树的剪枝优化,提高了算法的正确率和效率。     

Modeling gait transitions of quadrupeds and their generalization with CMAC neural networks

In this paper, two gait transition models of a quadruped are derived based on gait kinematics. The learning and generalization capability of the cerebellar model articulation controller (CMAC) neural network in learning gait transitions is then studied. The two gait transition models are the transition between two general periodic gaits and the transition between a periodic gait and a continuous follow-the-leader (FTL) gait, while maintaining FTL mode during the transition. These models are nonlinear and require either heuristic rules or simultaneous solution of several nonlinear equations. Many transition gaits are then generated by these kinematic gait transition models under various gait conditions and evaluated in terms of stability and smoothness of leg movements. The CMAC neural network is then applied to learn the good transition gaits in four transition conditions: (1) from wave gait to wave gait; (2) from wave gait to FTL gait; (3) from walk to trot; and (4) from trot to transverse gallop. The learning and generalization capability of the trained CMAC neural network is evaluated and found to be satisfactory. This study has demonstrated the potential of applying neural networks to learn walking machine gaits and gait transitions.     

一种面向非线性系统控制的自适应模糊小脑神经网络及研究

利用Lyapunov自稳定性准则,将自适应机制引入到模糊小脑神经网络(CMAC)的实时学习算法之中,提高其在闭环控制系统中的鲁棒性,使其能够有效地对模型未知的非线性系统进行实时控制.仿真表明自适应CMAC神经网络由于采用了基于Lyapunov自稳定准则的学习算法,系统的跟踪稳定性和误差收敛性都能够得到保证,而且不需离线学习阶段,实时控制效果较好.     

基于区间值模糊逻辑神经元的区间值模糊C-均值聚类神经网络

本文提出了一种基于区间值模糊逻辑神经元的三层前馈自组织学网络模型，用来实现区间值模糊Ｃ－均值聚类分析，网络第一，二层神经元的输入，输出和权连续取值属于区间值模糊集Ｉ（０，１）第一层神经元为区间值线性神经元；第二层为区间值模糊相等神经元，其功能是实现输入样本与各类的匹配运算，本文采用区间值模糊相等关系作为匹配的指标，为了定义区间值模糊相等神经元，本文在点值模糊相等关系的基础上推导了区间值模糊相等关系