基于图像纹理复杂度的小波域数字水印算法

针对水印信息嵌入量小、鲁棒性弱、遮蔽性差的问题,提出一种基于图像纹理复杂度的小波域人类视觉系统的水印算法。该算法将载体图像进行分块,计算每块的图像熵,并根据图像熵对载体图像的纹理特征区域进行分类,不同纹理特征水印的嵌入量不同。利用Logistic映射对水印信号进行置乱变换,将水印信号嵌入到二层离散小波变换的低频系数中,并利用小波域人类视觉模型控制水印的嵌入强度。在提取水印时,通过水印误码率和峰值信噪比评价水印质量。实验结果表明,该算法能抵抗噪声干扰、裁剪和密钥攻击,水印图像具有较强的鲁棒性和良好的遮蔽性。     

基于NSST和RI-LPQ的纹理图像检索

针对采用单一方法提取图像特征时检索率不高的问题,结合非下采样剪切波变换(NSST)统计特征和旋转不变的局部相位量化(RI-LPQ)原理,提出一种纹理图像检索方法。非下采样剪切波不仅具有方向选择性及平移不变性,而且可以对图像进行有效的稀疏表示,与传统小波相比,可有效捕捉图像的边缘轮廓等纹理信息,与非下采样轮廓波相比,具有更高的计算效率。利用广义高斯分布函数对图像NSST高频子带系数的统计特征进行分析,RI-LPQ描述算子直接提取图像特征,采用具有权重系数的相似性测度公式对Brodatz图像库进行纹理图像检索。实验结果表明,与传统小波和轮廓波的方法相比,NSST统计特征方法的平均检索率分别提高4.77%和1.44%,纹理图像检索方法的平均检索率分别提高7.36%和1.98%。     

一种DCT域的最优均值量化盲图像水印算法

针对常规的图像水印算法不能很好地实现水印不可感知性和鲁棒性折中的问题,给出了一种最优均值量化盲水印算法.该算法首先对水印图像进行Arnold置乱,提高了水印的安全性;然后将载体图像进行8×8分块DCT(离散余弦变换),并根据均值量化原理将置乱后的水印嵌入到局部量化噪声值最小的图像子块中,提高了水印的不可感知性;最后水印提取时可以实现盲提取.实验结果表明,该算法对加噪、剪切、JPEG压缩、滤波等多种攻击都具有很强的鲁棒性.     

基于小波的医学图像去噪方法研究

为有效地表现医学图像原有信息中有用的信息,降低医学图像受噪声干扰的现象,减少诊断误差,本文将现有的小波图像去噪方法运用于医学图像,并对各种方法进行实验分析比较,以提供医学参考。实验发现,与较常用的均值滤波与中值滤波相比,小波去噪方法有效提高了医学图像的去噪PSNR值。     

基于人眼视觉特性的遥感图像融合算法

首先提出基于非下采样Contourlet变换(NSCT,Nonsubsampled Contourlet Transform)的人眼视觉相对对比度灵敏度函数(RCSF,relative contrast sensitivity function)和绝对对比度灵敏度函数(ACSF,absolute contrast sensitivity function)。然后提出了基于人眼视觉对比度灵敏度函数(CSF,contrast sensitivityfunction)的遥感图像融合算法(IFA-CSF,image fusion algorithmof human visual contrast sensitivity function)。IFA-CSF采用NSCT作为多尺度变换工具,对单方向高频子带采用ACSF融合,对多方向高频子带采用RCSF融合,并对8方向高频子带采用先方向分组再融合的方法。实验结果表明,IFA-CSF优于基于传统CSF和基于局部能量的图像融合算法。     

基于欧氏距离及向量内积的骨架提取算法

对骨架算法进行研究,提出一种骨架提取算法.通过对图像内部像素点进行距离变换得到其最近边界点的位置,将内部像素点到最近边界点的向量定义为边界向量,根据物体内部相邻边界向量的方向,计算每个像素点的内积值和其8邻域的最小内积值,得到的最小内积点,以确定的阈值从最小内积点中选取骨架种子点,再对骨架种子点进行处理,得到连通的骨架.试验证明这种算法能保证骨架具的完整性和连通性,正确反映物体的拓扑结构.     

基于卷积神经网络的OFDM-UWB信道环境识别

超宽带（UWB）无线通信技术被广泛应用于室内定位领域,其能识别出多径信道中的非视距信道,有助于去除影响信号的非理想因素,提升定位精度。基于OFDM方案的UWB系统,提出一种利用卷积神经网络对信道估计出的信道冲激响应时频图像进行训练,从而识别出信道环境的方法,将信道识别问题转化为图像识别问题,同时分析时频处理参数对识别结果的影响。仿真结果表明,该方法的识别率随通信系统比特信噪比（EbN0）的增加而提升,当EbN0增加至20 dB时稳定在90%,与传统基于支持向量机的信道识别方法相比获得了10%的性能提升。     

WFRFT认知通信系统控制参数联合优化方法研究

针对WFRFT系统难以适应复杂电磁环境及最优控制参数难以选取的问题,提出一种新型WFRFT认知通信系统构建方法。在传统WFRFT通信系统的基础上引入信号认知模块,完成电磁信号的采集及电磁环境中目标信号调制特征的识别。根据WFRFT信号调制特征裂变的特性,分析控制参数间的耦合作用机理,并设定优化控制参数的目标。将目标信号调制特征参数引入到WFRFT控制参数优化模型中,提出基于目标特征的WFRFT认知通信系统控制参数联合优化方法,并通过粒子群算法的迭代计算,选取最优控制参数集,针对最优参数的WFRFT认知通信系统,分别仿真计算高斯、莱斯、瑞利等典型信道条件下的误码率性能。实验结果表明,该方法可伪装信号调制特征,能有效提高通信信号的安全性,且在典型信道条件下的误码率性能较好,具有较好的抗干扰能力。     

基于HHT-MFCC和短时能量的慢性阻塞性肺病患者呼吸声识别

为了优化梅尔频率倒谱系数（MFCC）特征提取算法,提高对呼吸声信号识别的准确率,实现识别慢性阻塞性肺病（COPD）的目的,提出了基于希尔伯特黄变换（HHT）的MFCC与短时能量（Energy）融合的特征提取算法HHT-MFCC+Energy。首先,经预处理的呼吸声信号通过HHT计算出Hilbert边际谱和边际谱能量;其次,谱能量通过Mel滤波器得到特征向量,再对特征向量取对数和进行离散余弦变换得到HHT-MFCC系数;最后,将信号的短时能量与HHT-MFCC特征向量融合形成新特征,并通过支持向量机（SVM）进行信号识别。将MFCC、HHT-MFCC和HHT-MFCC+Energy三种特征提取算法结合SVM进行呼吸声信号识别,实验结果表明,所提出的特征融合算法在COPD患者和健康人呼吸声识别效果上都优于其他两种算法：当提取24维特征、选取100个训练样本时,识别率平均值能达到97.8%,分别比MFCC和HHT-MFCC高出6.9个百分点和1.4个百分点。     

采用4-WFRFT和人工噪声的变换域通信物理层安全传输

为了提高变换域通信(TDCS)信号的物理层安全性,提出了一种基于4项加权分数阶傅里叶变换(4-WFRFT)和人工噪声的TDCS信号加密方式。首先利用4-WFRFT代替传统TDCS中的DFT/IDFT,改变了TDCS信号的空间分布,在保持原系统复杂度的同时增加了TDCS信号的抗截获性,在此基础上使用人工噪声进一步增强系统的安全性,最后推导了非法用户理论误码率以及系统保密容量。仿真结果表明,无论是全频谱或是频谱失配情况下,采用当参数 在[0,0.8)或(1.7,4]的范围内时,窃听者误码率始终保持在0.5,无法正确解调发送信号,同时系统保密容量也为正数,有效保证了信息的安全传输。