随机向量的相关与独立

归纳了判断随机向量独立性和不相关的方法.这些方法简化了随机向量独立与不相关的判定.讨论了应用这些判断方法的常见误区,并给出应用实例.对这些方法提出了扩充方向.     

DWT域的自适应重复水印技术

鲁棒性和隐藏性是水印技术的关键.文中提出了数字水印DWT域的重复嵌入算法,即将一位水印信息叠加NVF后,多次重复嵌入到原始图像DWT系数的直流、中频和低频系数中.一般水印提取算法是嵌入算法的逆运算,文中根据嵌入二值水印的特点采用了符号判别法.实验结果表明,该水印算法具有很强的隐藏性和抗攻击的鲁棒性.     

基于Petri网可达性和结构的最大许可控制器设计

自动化制造系统属于资源分配系统，在运行过程中容易陷入死锁状态.为自动化制造系统设计控制器，达到避免死锁之目的.另外，良好的受控系统应具有最大许可行为.为了便于实现，控制器通常由线性约束综合表达.在现有的工作中，基于可达性分析，将处理对象缩减为一个小集合，仅包含少数可达非法标识.然后，对每标识构造一个混合整数线性规划问题并求解.由于求解整数规划固有NP-hard特征，该策略计算开销巨大.本文研究死锁的预防控制器设计.在可达图分析的基础上，结合标识的结构特点，对非法标记识别分类，建立代数条件，构造线性约束，确保其行为最大许可性.进而，设计多项式算法，使得计算复杂度显著降低.对特定的Petri网，采用结构分析，获得最大许可的受控系统.另外，对于那些结构分析中未能处理的标识，提出了线性规划解决方案.结果表明，对于所考虑的Petri网子类，避免了求解混合整数线性规划问题，本方案在计算复杂性方面具有明显的优势.最后通过两个实例验证了该方法的有效性.     

基于假设函数空间上样本误差的估计

在传统回归分析中,基于已知样本寻找最优函数一般在某个已知函数空间,如多项式空间,对数以及指数空间等,对于样本个数一定的情况下,样本误差会随着函数空间的增大而增大.在本文中,作者用概率测度、覆盖原理在有界函数空间中给出一个样本误差估计的方法.     

图像修补的优化变换方法

采用整体变分(TV)模型修补图像,提出一种图像修补的优化变换方法.引入一个辅助变量,利用优化变换,将TV模型中单变量函数的优化问题转化为等效双变量函数的优化问题,并利用交替迭代最小化算法和Chambolle's投影算法求解模型.实验结果表明,与采用梯度下降法的TV模型算法相比,该方法的图像修补效率和修补效果较优.     

去混合噪声的超分辨率图像重建算法

研究了混合噪声即高斯白噪声加椒盐噪声所降质的超分辨率图像重建模型,提出了基于全变分正则化方法和两步方法的超分辨率图像重建方法,并应用Chambolle投影算法对模型进行求解;通过实验仿真,实验结果表明本文提出的方法比基于传统的全变分正则化方法无论是在运行速度,MSE与SNR评价指标上还是在视觉效果方面都具有明显的优越性.     

分形图像编码的改进算法

分形图像编码中，最大的困难是搜索与值域块相匹配的定义域块，由于定义域块数量巨大，搜索很费时，本文从减少搜索块的数目和缩小搜索块的范围出发，提出多分辨率编码，从两个方面减小编码时间。为了减少对图像质量的影响，在抽样时采用双线性插值和双三次插值，以减小方块效应。     

基于图像置乱与重复嵌入的鲁棒水印技术

从嵌入、提取两方面对水印技术加以改进,提出了数字水印的重复嵌入算法,即将一位水印信息多次重复嵌入到原始图像DCT系数的直流、中频和低频系数中。提取水印时,不是简单的求多个提取值平均值,而是采用一种自学习的提取方法,更好满足了水印的要求。     

应用PSO与GA混合算法重建超分辨图像

结合粒子群优化算法和遗传算法中的交叉与选择操作,提出了一种混合算法,对提出的混合算法用两个具有多个局部极值的函数进行了测试,测试结果表明混合算法寻优能力优于粒子群优化算法;利用该混合算法对低分辨率图像序列重建出一幅高分辨率图像。实验结果表明,该方法重建图像的视觉效果和信噪比均优于遗传算法与梯度下降算子相结合的混合算法重建图像的效果。