小波变换域图像水印嵌入对策和算法

稳健性是图像隐形水印最基本的要求之一.嵌入对策、嵌入公式、嵌入强度都影响水印的稳健性.提出了一个基于离散小波变换(DWT)的新的隐形水印嵌入对策.根据小波图像系数的分布特点和对小波系数振幅的定性、定量分析,水印应当首先嵌入小波图像低频系数,若有剩余,再按小波图像频带重要性的排序嵌入高频带.同时指出,水印嵌入到小波图像低频系数和高频系数需要用不同的嵌入公式.应用该嵌入对策,提出了一种把视觉系统掩蔽特性结合到水印编码过程中的自适应水印算法:将小波系数组织成小波块,采用一种新的方法将小波块分类,并根据分类的结果  

免疫粒子群优化算法

受生物体免疫系统免疫机制的启发，论文把免疫系统的免疫信息处理机制引入到粒子群优化算法中，给出了免疫粒子群优化算法。这种免疫粒子群优化算法结合了粒子群优化算法具有的全局寻优能力和免疫系统的免疫信息处理机制，并且实现简单，改善了粒子群优化算法摆脱局部极值点的能力，提高了算法进化过程中的收敛速度和精度。一个求多维函数最优值的计算机仿真对比结果表明，免疫粒子群优化算法的收敛性能优于粒子群优化算法。  

一种新的变步长LMS自适应滤波算法

传统LMS算法的优点是计算简单、易于实现，缺点是收敛速度慢，如果为加快收敛速度而增大步长因子μ，则会导致大的稳态误差，甚至引起算法发散。固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文通过建立步长因子μ与误差信号之间的非线性函数关系，得出一种新的变步长自适应滤波算法（SVSLMS）。理论分析和计算机仿真结果表明该算法的性能优于传统的LMS算法和NLMS算法。即在计算量增加不多的前提下，能同时获得较快的收敛、跟踪速度和较小的稳态误差。  

图像隐形水印综述

作为数字媒体版权保护的重要手段,数字水印技术近年来引起了人们极大的兴趣与 关注.本文论述并讨论了如下问题:1)图象隐形水印的基本要求;2)图象隐形水印的原理和研 究方法;3)图象隐形水印技术的研究现状,包括水印基本理论和算法、数据隐藏理论与方法、 水印作为所有权证明的有效性、水印技术的应用动向;4)水印技术的应用前景;5)图象隐形水 印目前存在的问题和未来研究的重点.  

PID神经元网络多变量控制系统分析

PID神经元网络是一种新的多层前向神经元网络,其隐含层单元分别为比例(P)、积 分(I)、微分(D)单元,各层神经元个数、连接方式、连接权初值是按PID控制规律的基本原则 确定的,它可以用于多变量系统的解耦控制.给出了PID神经元网络的结构形式和计算方 法,从理论上证明了PID神经元网络多变量控制系统的收敛件和稳定性,通过计算机仿真证 明了PID神经元网络具有良好的自学习和自适应解耦控制性能.  

基于模拟退火的粒子群优化算法

粒子群优化算法是一类简单有效的随机全局优化技术。该文把模拟退火思想引入到具有杂交和高斯变异的粒子群优化算法中，给出了一种基于模拟退火的粒子群优化算法。该算法基本保持了粒子群优化算法简单容易实现的特点，但改善了粒子群优化算法摆脱局部极值点的能力，提高了算法的收敛速度和精度。四个基准测试函数的仿真对比结果表明，该算法不仅增强了全局收敛性，而且收敛速度和精度均优于粒子群优化算法。  

基于小波变换的自同步音频水印算法

该文提出了一种基于DWT的自同步音频水印算法．该算法具有如下特点：(1)在隐藏水印信息的同时，嵌入一个同步信号，使水印具有自同步能力；(2)同步信号与水印隐藏于DWT域低频子带，在改善同步信号鲁棒性的同时，利用DWT的时频局部特性，有效地提高在变换域内搜索同步信号的效率，较好地解决了同步信号鲁棒性与其搜索计算量之间的矛盾．实验表明，所提出的方法在抵抗各种通用的音频处理和攻击(如高斯噪声、MP3压缩、重采样、重量化、裁剪等)方面具有良好的性能．  

一种基于小波与形态学的车牌图象分割方法

针对汽车车牌与车身背景的分割问题，给出了一种基于小波分析和数学形态学的图象分割方法。该方法是通过小波多尺度分解提取出纺理清晰，具有不同空间分辨率、不同方向的边缘子图象。其水平方向低频、垂直方向高频的这一细节分量，主要代表车牌的目标区域。然后，用数学形态学方法对小波分解后的细节图象进行一系列的形态运算，进一步消除无用信息和噪声，以找准车牌位置。用该方法对在不同照明条件下所采集到的一系列车头、车尾图象  

基于数据流的任意形状聚类算法

详细分析了数据流聚类算法CluStream的不足之处,如对非球形的聚类效果不好、对周期性数据的聚类变化反映不完整等,并针对这些不足之处提出了一种采用空间分割、组合以及按密度聚类的算法ACluStream.实验结果表明,ACluStream在准确度和速度上都比CluStream有较大的提高.  

混沌粒子群优化算法

粒子群优化算法是一种新的随机全局优化进化算法。本文把混沌寻优思想引入到粒子群优化算法中，这种方法利用混沌运动的随机性、遍历性和规律性等特性首先对当前杠子群体中的最优粒子进行混沌寻优，然后把混沌手优的结果随机替换粒子群体中的一个粒子。通过这种处理使得粒子群体的进化速度加快，从而改善了粒子群优化算法摆脱局部极值点的能力，提高了算法的收敛速度和精度。仿真结果表明混沌粒子群优化算法的收敛性能明显优于粒子群优化算法。