基于奇异值与灰色理论的航空机型识别

在大量的航空图像中如何自动准确而且快速地识别出飞机型号,时于战地指挥员有着重要的意义.提出了一种将傅里叶变换与奇异值分解相结合进行航空图像特征提取,并利用灰色理论进行航空机型自动识别的方法.实验结果表明廖方法不但有效而且能明显提高准确率.     

基于SVD-Winograd快速变换的半盲水印算法

目前多数基于傅里叶变换域的方法,其抗几何攻击性能虽很好,嵌入的信息量也很大,但存在抗剪切攻击能力较差的问题,针对这一问题提出了一种基于奇异值分解与Winograd快速傅里叶变换相结合的半盲水印算法。在奇异值分解过程中,先将奇异值分解的对角矩阵与Winograd快速傅里叶变换中分解的对角阵进行矩阵相与,产生一新对角矩阵。再将数字水印嵌入到新对角矩阵中,最后通过相关运算提取水印。实验结果表明,该方法可获得较好的图像视觉效果,对剪切、噪声、旋转等攻击皆具有较好的鲁棒性。     

彩色图像四元数频域奇异值分解水印算法

将四元数傅里叶变换与四元数奇异值分解技术相结合并引入到对彩色图像的水印处理,提出一种基于四元数频域奇异值分解的彩色图像盲水印算法.首先对彩色载体图像进行分块并采用四元数傅里叶变换(quaternion Fourier transform,QFT)得到其频域矩阵,然后对频域矩阵中的单位小块进行四元数奇异值分解(quaternion singular value decomposition,QSVD),得到实系数奇异值,使用奇偶量化调制法将水印信号嵌入到单位小块的最大奇异值中.仿真实验结果表明,嵌入的水印分布在空域图像各彩色分量中,在不可见性以及鲁棒性的比较中优于传统的彩色图像亮度域以及独立多通道处理方法.     

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度 场内奇异值分解相结合的边缘检测方法。首先在图像预处理阶段,为了提取准确的边缘特征, 文中利用小波变换的时频局部化特性,对图像进行小波变换。该文对用小波求取的梯度场使用 局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出 并且能够达到抑制噪声的目的。实验证明该文方法既能在无噪声影响的图像中提取出清晰完整 的单边缘,又能在有噪声干扰的情况下提取出理想的边缘。     

基于四元数域的彩色图像双重零水印算法

提出一种基于四元数离散傅里叶变换QDFT(Quaternion Discrete Fourier Transform)和四元数离散余弦变换QDCT(Quaternion Discrete Cosine Transform)以及四元数奇异值分解QSVD(Quaternion Singular Value Disposition)的双重零水印算法。首先将彩色图像用四元数模型表示并进行分块四元数离散傅里叶变换,通过比较各块的部分系数幅值大小产生二值序列;然后,对各原图像块进行离散余弦变换和奇异值分解,利用奇异值矩阵和左右四元数矩阵的幅值来产生另一个二值序列。将二值序列与版权信息相结合产生零水印,并将零水印在知识产权IPR(Intellectual Property Right)中心注册。实验表明,该算法对常见攻击、部分组合攻击及未来可能的一些攻击方式具有较强的鲁棒性。     

基于SVD的彩色图像盲水印算法

为了更好地保护数字产品的版权,本文提出了一种提升小波变换与奇异值分解相结合的彩色图像数字水印算法。提升小波变换运算速度快,能够对任意尺寸图像进行变换;奇异值分解具有几何不变性,并且体现图像的内蕴特性。算法充分利用提升小波变换和奇异值分解的优良特性,选择彩色图像的蓝色通道进行水印嵌入。首先对原始图像进行多级提升小波变换,然后选取中低频子带进行奇异值分解,将灰度水印图像进行Arnold置乱后分成四个部分嵌入所选子带的部分奇异值矩阵中。在水印提取时不需要原始载体图像,更加有利于实际中的应用。实验表明,该算法具有良好的透明性,而且对大部分常见攻击及几何攻击有很好的鲁棒性。     

基于有限更新率的非带限信号采样与重建算法

针对Shannon采样定理中要求信号带宽有限的缺陷,提出了一种基于有限更新率的非带限信号采样和重建的方法.该方法借助奇异值分解技术,从空间变换的角度实现了对与狄拉克流有关的一类特殊有限更新率信号的采样与重建.它用采样点的离散傅里叶变换系数构成一个Hankel矩阵,通过对该矩阵进行奇异值分解求得狄拉克流的位置信息,然后再求解范德蒙方程组求取狄拉克流的权信息,重建出原信号.计算机仿真结果表明,只要以不低于信号更新率的速率对信号进行采样,利用该算法就可以准确地重建出原信号,而且具有很好的抗噪性能.     

基于变换域的条带噪声去除方法

为解决线扫描图像中的条带噪声干扰问题,提出了傅里叶变换与小波分解相结合的变换域条带噪声去除方法。首先对图像进行多尺度小波分解,将包含条带噪声的小波子带与包含图像信息的小波子带分离;然后对含有条带噪声的小波子带进行傅里叶变换,并对变换系数进行带阻滤波以消除条带噪声。利用实际采集的带有条带噪声的棉花异性纤维图像进行仿真实验,结果表明:傅里叶变换与小波分解相结合的方法,去噪效果明显优于单独使用傅里叶变换或小波分解的方法,既能有效地去除图像中的条带噪声,又能较好地保持图像的细节信息。     

SVD用于人脸识别存在的问题及解决方法

通过对人脸图像奇异值的分析，证实了图像奇异值是图像在特定基空间分解得到的，这个基空间是由图像本身决定的。进一步研究发现。导致基于奇异值向量人脸识别算法识别率低的根本原因是：不同人脸图像对应的奇异值向量所在的基空间不一致、奇异值向量与人脸图像之问并不存在一一对应关系、奇异值向量具有不可分割性。最后提出了类估计基空间识别算法。在ORL、ORL-NWPU1以及ORL—NWPU2数据库进行仿真，实验结果证实了分析和所提算法的正确性。     

基于红黑小波的图像显著性检测

频域分析方法是图像显著性检测的经典方法之一,算法简单且计算速度快.然而传统的傅里叶频域分析方法计算出的显著性图精细度较低,难以获得满意的显著性区域分割结果.针对此问题,文中提出基于红黑小波变换的图像显著性检测方法.首先根据图像的尺寸确定红黑小波的分解层数;然后将原始图像和经过高斯平滑处理的图像分别进行红黑小波分解,求得二者分解结果的差值,并对该值进行红黑小波反变换获得显著性图.实验结果表明,与传统的傅里叶频域分析方法相比,该方法可获得更好的显著性检测效果.     

基于DFT-SVD域抗几何攻击图像水印算法

抗几何攻击水印算法是版权保护领域的一个重要的研究方向。根据离散傅立叶变换幅度谱矩阵的性质，以及矩阵奇异值分解对旋转、缩放和平移等几何攻击具有稳定性的特点，提出了一种基于离散傅立叶变换和奇异值分解的抗几何攻击图像水印算法。实验结果表明该算法有较大的嵌入容量，对常规攻击和几何攻击都具有较强的鲁棒性。     

Adaptive singular value decomposition in wavelet domain for image denoising

Image denoising is an important issue in image preprocessing. Two popular methods to the problem are singular value decomposition (SVD) and wavelet transform. Various denoising algorithms based on these two methods have been independently developed. This paper proposes an approach for image denoising by performing SVD filtering in detail subbands of wavelet domain, where SVD filtering is adaptive to the inhomogeneous nature of natural images. Comparisons were made with respect to both SVD-based filtering methods and wavelet transform-based methods.     

一种使用机器学习方法的数字水印算法

针对目前数字水印算法存在的不足,本文将离散小波变换和奇异值分解相结合,提出了一种基于机器学习的图像数字水印算法.首先将载体图像进行一级小波变换,提取其低频子带图像对其进行4×4分块处理,然后对每一分块进行奇异值分解后嵌入水印,并提取特征向量用于最小二乘支持向量机的训练,训练好的最小二乘支持向量机用于自适应最大水印嵌入强度的计算以及水印的盲提取.实验选取三张512×512的标准测试图像以及64×64的二值水印图像对算法的透明性与鲁棒性进行测试.实验结果证明,图像具有很好的透明性,PSNR达到了63.71dB,针对旋转、剪切、JPEG压缩、高斯噪声等常规攻击手段时,算法能保持较强的鲁棒性.     

基于曲波变换和独立分量分析的有噪图像盲分离

曲波变换是在小波变换的基础上发展起来的一种新方法，能够有效地对具有复杂纹理的图像进行去噪。在分析独立分量分析（ICA）的基本模型和方法的基础上，提出利用快速离散曲波变换和FastICA算法进行有噪图像盲分离。仿真结果表明，对于含有加性观测噪声的混合图像，该方法能够有效地进行去噪分离。     

基于哈达玛变换和奇异分解的四个彩色图像水印算法

针对在某一数字产品中仅仅嵌入一种水印已经不能满足人们要求的问题,基于哈达玛变换的正交原理和奇异分解(SVD)的相对稳定性等优点,提出了一种在基于离散小波变换-离散余弦变换(DWT-DCT)域上利用哈达玛变换和SVD实现4个彩色图像水印同时嵌入的算法。先利用哈达玛变换,使4个水印成为1个水印,再将该水印进行SVD。原载体图像先进行DWT和DCT,再进行SVD和水印嵌入。仿真结果表明,该方法不但可以同时嵌入多个水印,而且具有很强的鲁棒性。     

An adaptive color image watermarking using RDWT-SVD and artificial bee colony based quality metric strength factor optimization

Image watermarking has emerged as a useful method for solving security issues like authenticity, copyright protection and rightful ownership of digital data. Existing watermarking schemes use either a binary or grayscale image as a watermark. This paper proposes a new robust and adaptive watermarking scheme in which both the host and watermark are the color images of the same size and dimension. The security of the proposed watermarking scheme is enhanced by scrambling both color host and watermark images using Arnold chaotic map. The host image is decomposed by redundant discrete wavelet transform (RDWT) into four sub-bands of the same dimension, and then approximate sub-band undergoes singular value decomposition (SVD) to obtain the principal component (PC). The scrambled watermark is then directly inserted into a principal component of scrambled host image, using an artificial bee colony optimized adaptive multi-scaling factor, obtained by considering both the host and watermark image perceptual quality to overcome the tradeoff between imperceptibility and robustness of the watermarked image. The hybridization of RDWT-SVD provides an advantage of no shift-invariant to achieve higher embedding capacity in the host image and preserving the imperceptibility and robustness by exploiting SVD properties. To measure the imperceptibility and robustness of the proposed scheme, both qualitative and quantitative evaluation parameters like peak signal to noise ratio (PSNR), structural similarity index metric (SSIM) and normalized cross-correlation (NC) are used. Experiments are performed against several image processing attacks and the results are analyzed and compared with other related existing watermarking schemes which clearly depict the usefulness of the proposed scheme. At the same time, the proposed scheme overcomes the major security problem of false positive error (FPE) that mostly occurs in existing SVD based watermarking schemes.     

Single-channel SEMG using wavelet deep belief networks for upper limb motion recognition

Surface electromyography (SEMG) has been widely used in different fields such as human machine interaction and motion recognition. A hybrid classification model based on singular value decomposition (SVD) and wavelet deep belief networks (WDBN) is firstly proposed in this paper, which allows the machine to recognize the single-joint motions of upper limb by using one channel. In this experiment, the three-joint SEMG signals of upper limb are respectively recorded through different two channels, which are employed for subsequent comparison to obtain the best single-channel of each joint. Afterwards, the collected raw signals are enhanced by SVD processing. Wavelet function is applied to replace sigmoid function as activation function for feature learning, and the spectrum signals processed by fast Fourier transform (FFT) are input to WDBN model. The results demonstrate that the recognition rates of three joint movements can be up to 100% by SVD-WDBN method, which is much better than support vector machine (SVM), back propagation (BP) neural network and extreme learning machine (ELM) model. The proposed method makes it more possible to control wearable devices with different single-channel SEMG signals, thereby the work efficiency of smart wearable devices can be improved, as well as the complexity of operations between human and machine can be reduced.     

一种改进的DCT和SVD联合的数字图像水印算法

结合奇异值分解(SVD)和离散余弦变换(DCT)的特点,本文提出了一种改进的DCT和SVD联合的数字图像水印算法。该算法能够很好地解决透明性和鲁棒性之间的矛盾。算法中按Z字型选取低频系数,再结合SVD分解的方法嵌入水印,不仅增加了嵌入的信息量,而且提高了水印的安全性。实验结果表明,该算法不仅具有较好的透明性,而且对常见攻击如叠加噪声、JPEG压缩、滤波以及几何攻击等具有较好的鲁棒性。     

增强奇异值分解和细胞神经网络的零水印

目的 针对奇异值分解算法存在的对角线失真、虚警错误等问题,引入一个寻找最抗攻击缩放比例的参数,提出基于增强奇异值分解的零水印算法。方法 首先将离散小波变换作用于原始图像,对分离出的低频逼近子图进行不重叠分块,对分块后的低频逼近子图作离散余弦变换得到低频系数矩阵,再分别对每个块矩阵进行增强奇异值分解,将得到的最大奇异值与最大奇异值均值作比较构成特征向量;然后对水印图像进行Arnold变换和Logistic映射得到置乱加密后的水印图像;最后将特征向量和置乱加密后的水印图像分别作为细胞神经网络的起始值和控制输入值,通过设定细胞神经网络的反馈模板、控制模板以及阈值来确定具体的可逆逻辑运算。经过可逆逻辑运算处理后的细胞神经网络输出图像即为零水印的注册图像。将注册图像保存到认证中心以证明对图像作品的版权。结果 在JPEG压缩、噪声、滤波、旋转以及剪切等各种攻击下,提取的水印和原始水印的归一化相关值都在96%以上,算法平均运行时间为2.389 s,性能较高。结论 通过利用参数对奇异值矩阵进行调整的方法,不仅增强了算法的鲁棒性,而且解决了奇异值分解（SVD）出现的对角线失真和虚警错误问题。同时通过结合零水印的思想,解决了传统水印算法需在载体图像中嵌入水印而导致的水印不可见性与鲁棒性之间的矛盾。