垮落煤岩性状识别研究

针对综放工作面垮落煤岩性状识别的技术问题,提出了一种基于连续小波变换和改进奇异值分解的识别方法。采用基于单边Jacobi的奇异值分解(SVD)方法对小波系数矩阵进行分解,得到与小波系数矩阵列向量位置对应的奇异值向量,并将奇异值向量作为神经网络的输入向量来识别落煤和落岩2种工况。现场试验结果表明,基于连续小波变换与SVD得到的奇异值向量可用于识别垮落煤岩,但基于连续小波变换与改进SVD得到的奇异值向量具有更高的识别率。     

基于DWT域的灰度图像数字水印算法

本文提出一种基于DWT域的灰度图像数字水印算法.该算法在对原始图像进行离散小波变换之前,首先将它进行Arnold置乱变换,然后再进行小渡分解,把分解后得到的高频子带系数(LH3)组成一个矩阵,对该矩阵进行奇异值分解(SVD),在奇异值分解的对角阵中嵌入水印.该算法采用有意义的灰度图像作为水印,极大地增加了嵌入水印的信息量.实验结果表明,水印对一般的图像攻击方法具有较强的鲁棒性.     

基于奇异值分解（SVD）和小波变换的图像压缩算法

提出一种基于奇异值分解（SVD）和小波变换的图像压缩算法,该算法通过对小波变换后的小波系数或经小波重构处理后的图像利用SVD进行二次压缩。实验结果表明,该算法性能良好,优于单纯利用小波变换的图像压缩算法。     

基于DDCT与TCSVD的人脸特征提取与识别算法

提出一种基于分块离散余弦变换(DCT)与奇异值分解阈值压缩(TCSVD)的人脸特征提取与识别算法。该算法对人脸图像进行分块DCT变换,根据图像块位置和能量分布选择不同的DCT高低频分量构建特征矩阵,通过对每个图像块的特征矩阵进行SVD阈值压缩和特征组合来构建人脸鉴别特征,并利用分类器进行特征分类与识别。AR人脸库上的实验结果验证了该算法的有效性。     

基于水印主成分的小波域数字水印方法

针对一类奇异值分解水印算法中存在严重的虚警错误、鲁棒性和透明性难以平衡的问题,提出一种基于水印主成分的小波域数字水印新思路。该方法首先将三级离散小波变换(DWT)作用于原始载体图像,再对三级逼近子图LL3运用奇异值分解(SVD),选择水印图像左奇异矩阵和奇异值矩阵的乘积作为水印主成分,最后借鉴果蝇优化算法(FOA)确定最优的水印嵌入系数,嵌入水印图像的主成分。实验结果表明,与传统的SVD图像水印算法相比,该方法在消除虚警问题的同时,也可使水印的鲁棒性和透明性达到最佳平衡。     

结合奇异值分解的小波包图像隐藏

图像隐藏技术的发展为军事隐蔽通信提供了新的实施途径。提出基于奇异值分解和小波包变换的图像隐藏算法,利用小波包变换低频子带抗干扰性强和图像矩阵奇异值的稳定性,对秘密图像做位平面分解并对载体图像做小波包分解,将包含重要信息的位平面隐藏在小波包分解低频系数矩阵的奇异值矩阵中,将包含次要信息的位平面隐藏在熵能量较大的其他剩余子带图像系数矩阵中,次要位平面的隐藏位置根据载体图像的内容自适应确定。实验表明,该算法可实现图像信息的安全隐藏,不仅具有较强的抗几何攻击的能力,且对高斯、剪切和滤波等攻击的鲁棒性也较好,同时具有较好的不可见性,隐藏容量大。     

基于改进的BP神经网络和小波奇异值的交通事件检测

针对交通事件检测,提出了利用改进的BP神经网络和小波奇异值的新方法。首先利用小波奇异值来量化原始交通流信号的特征,然后将小波奇异值作为神经网络的输入,对交通事件类型进行识别。对交通流信号进行小波包变换分解,获取交通事件的小波系数;利用相重构技术将小波系数向量形成系数矩阵,并对该矩阵作奇异值分解,获取小波奇异值;最后用MATLAB进行仿真分析,结果表明该算法能较准确的进行分类,具有一定的应用价值。     

一种新的基于DCT和SVD的鲁棒水印算法

提出一种基于离散变换域(DCT)和矩阵奇异值分解(SVD)的鲁棒水印算法.首先将载体图像进行离散余弦变换,取包括直流系数在内的与水印图像大小一致的变换域信息;然后分别将所取信息和有意义水印图像作SVD分解,得到四个正交矩阵和两个对角矩阵;最后将水印图像SVD得到的三个矩阵分别嵌入到其余三个矩阵中,作SVD和DCT逆变换得到含水印图像.实验结果证明,本算法具有较强的鲁棒性.     

基于Gabor小波和SVD的热红外人脸识别研究

由于热红外人脸图像具有防伪装、防欺诈以及独立于环境光照的特点,所以近年来热红外人脸识别问题备受关注。提出一种基于Gabor小波和SVD的热红外人脸识别新方法。对归一化后的热红外人脸图像进行多方向多尺度Gabor变换,得到多个Gabor特征矩阵;对每个矩阵进行奇异值分解,并把每个矩阵最大的奇异值组合起来作为最终的热红外人脸特征向量;使用径向基神经网络进行分类识别。在自建热红外人脸数据库上的实验结果表明,相比于传统的识别方法,该方法具有较好的识别效果。     

基于混合变换域的奇异值分解水印算法

提出一种基于离散小波变换(Discrete Wavelet Transform,DWT)及离散余弦变换(Discrete Cosine Transform,DCT)的混合变换域与奇异值分解(Singular Value Decomposition,SVD)相结合的数字水印算法。该算法将原始图像的小波子图进行分块DCT变换,抽取各块含图像大部分能量的部分合并,并对此矩阵进行奇异值分解再进行水印的嵌入。实验仿真表明,这种方法能抗大多数图像处理攻击,具有良好的鲁棒性。