小波包重构系数矩阵与改进SVD的人脸识别

提出了一种采用小波包重构系数矩阵与改进SVD的人脸识别新算法.小波包变换是小波变换的推广,可视为普通小渡函数的线性组合,具有灵活的时频分析能力.小波包重构系数矩阵与原始图像矩阵的尺寸相同,具有较高的精度.使用常规Colub-Reish算法的奇异值分解(SVD)所得到的奇异值(SV)按由大到小的顺序重新排列过,无法确定每个SV与输入矩阵列向量的对应关系.改进的SVD方法能够使得奇异值与每个频带的重构系数相对应,进而构造出人脸图像小波包重构系数矩阵的奇异值特征向量,并采用基于方差计算的相似度分类方法识别人脸.实验表明,该方法识别率高、稳定性强.     

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。     

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。     

一种新的基于DWT、DCT和SVD的鲁棒水印算法

本文提出一种新的基于离散小波变换(DWT)、离散余弦变换(DCT)和矩阵奇异值分解(SVD)的鲁棒水印算法.首先按照本文提出的小波分解准则对载体图像进行四层小波分解,取第四层的低频子图与三个高频子图;同样对水印图像进行小波分解得到低频子图与三个高频子图.然后用DCT、SVD方法,结合本文提出的相互嵌入准则将水印图像的低...     

基于小波变换和改进的奇异值分解的人脸识别

使用基于肤色的检测方法分割出人脸并进行归一化,利用小波变换压缩降维以减少计算量。针对原有奇异值分解的不足,将图像矩阵进行投影,并将整体与三组局部图片的奇异值结合进行改进,利用BP神经网络进行分类识别,进行人脸识别仿真实验。结果表明,所提出的基于小波变换和改进的奇异值分解特征提取方法是一种实用、可行的方法。     

一种基于SVD分解的小波域数字水印算法

本文提出了一种基于离散小波变换和奇异值分解的数字水印算法。该算法充分利用了离散小波分解和矩阵奇异值分解(SVD)的固有特征,对Arnold置乱后的水印的多层小波分解子带做奇异值分解,把分解后的奇异值嵌入到原始图像的多层小波分解的相应子带中。水印的提取是嵌入算法的逆过程。Matlab仿真试验表明了算法的透明性、稳健性和安全性。     

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.     

基于奇异值分解的数字图像水印算法

奇异值分解（Singular Value Decomposition,SVD）是一种特殊的矩阵分解技术。图像的奇异值具有很好的稳定性,体现的是图像的内蕴性质,这使得它在图像水印领域得到了广泛应用。通过回顾空域和变换域中经典的基于SVD的水印算法,分析了算法的缺陷,讨论了现有的改进方案,提出了基于奇异值分解设计水印算法的注意事项。     

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。     

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.