基于奇异值分解的、抗几何失真的数字水印算法

许多现有的适用于图像的数字水印对几何失真都是很敏感的。尤其是此类失真会严重妨碍对水印的盲提取。为此，提出了一种基于奇异值分解的数字水印算法，它对常见的几何失真是稳健的。此水印是被嵌入到图像分解后的奇异值之中。根据奇异值分解的代数性质，严格证明了嵌入了水印的图像在受到转置、镜像、旋转、放大和平移等几何失真后，其奇异值是不变的。在经过了上述的几何失真、一般的信号处理操作或JPEG压缩以后，嵌入的水印能够被可靠地提取和检测。实验结果表明本算法具有很好的稳健性。  

基于奇异值分解和数据融合的脸像鉴别

提出了一种基于奇异值分解和数据融合的脸像鉴别方法，该方法首先利用奇异值分解方法，求出脸像矩阵的奇异值航奇异值向量，分别利用所求得的奇异值向量作为特征矢量进行脸像同基于奇异值和重建误差的鉴别结果，此结果以隶属度函数方式表示，将上述鉴别结果用ＬＯＧＩＳＴＩＣ回归方法进行融合，得出更为准确的脸像鉴别结果，该方法克服了“小样本”效应并引入 负样本学习过程，提高了正确鉴别率，利用ＯＲＬ人脸数据库进行实验，实  

一种新的灰度水印嵌入算法

文章提出了一种新的基于离散小波变换和奇异值分解的灰度水印嵌入算法，该算法能够经受住噪声、中值滤波、压缩、高通滤波、低通滤波等的处理，具有很强的鲁棒性。  

完备鉴别保局投影人脸识别算法

为了充分利用保局总体散布主元空间内的鉴别信息进行人脸识别,提出了一种完备鉴别保局投影(complete discriminant locality preserving projections,简称CDLPP)人脸识别算法.鉴于Fisher鉴别分析和保局投影已经被广泛的应用于人脸识别,完备鉴别保局投影(locality preserving projections,简称LPP)算法将这两者结合起来,分析了保局类内散布、类间散布和总体散布的主元空间和零空间内包含的鉴别信息.该算法采用奇异值分解(singular value decomposition,简称SVD),去除了不含任何鉴别信息的保局总体散布的零空间;分别在保局类内散布的主元空间和零空间提取规则鉴别特征和不规则鉴别特征;用串联的方式在特征层融合规则鉴别特征和不规则鉴别特征形成完备的鉴别特征进行人脸识别.在ORL库、FERET子库和PIE子库上的大量识别实验充分表明了完备鉴别保局投影算法的性能优于线性鉴别分析、保局投影和鉴别保局投影等现有的子空间人脸识别算法,验证了算法的有 效性.  

一种基于奇异值分解的盲水印

随着计算机和因特网技术的发展，数字水印技术开始广泛应用于数字图像、音频、视频和多媒体产品的版权保护。一种基于分块SVD的数字水印算法被提出，原始图像先进行分块SVD分解，选取每块中最大的奇异值通过量化的方法嵌入水印，在水印检测过程中不需要原始图像。同时还通过误差分析直接导出了，量化强度和信噪比的数学公式从而对选择量化强度有了理论指导。实验结论和攻击测试表明，算法对如JPEG有损压缩、中值滤波、亚抽样、低通滤波等各种的图像降级处理有很强的稳健性，同时它还对图像尺寸大小没有任何限制。  

一种基于奇异值分解的稳健数字水印算法

提出了一种基于奇异值分解的数字水印算法，它对常见的失真是稳健的。由服从标准正态分布的随机数组成的水印被嵌入到图像分解后的奇异值中。实验结果表明本算法具有很好的稳健性。在经过了一般的信号处理操作和JPEG压缩以后，嵌入的水印能够被可靠地提取和检测。特别地，本算法对转置、行(列)镜像、直角旋转、行(列)整数倍放大和有填充平移等几何失真具有不变性。  

利用矩阵范数实现的公开水印技术

分析和讨论了基于奇异值分解的水印算法的本质，提出了一种无需利用奇异值分解的公开水印算法．该算法基于图像子块的矩阵范数及其量化，步骤简单，与基于奇异值分解的水印算法相比大大减小了计算量；并利用三种不同的矩阵范数进行了大量的实验．实验结果表明，该算法具有很好的水印透明性，对常见攻击（如重采样、平滑、加噪声和JPEG压缩等）．具有较强的稳健性．  

基于SVD-ICP算法配准CT切片重构模型与CAD模型

利用三维CT设备对工业产品进行无损检测时，由于存在定位偏差问题，CT切片重构模型和CAD理论模型会存在微小的偏差，因此需要将这二者进行匹配。文章首先从重构模型的表面任选一部分点作为初始点集，通过SVD-ICP算法求取最近邻点集，反复迭代直至达到迭代停止条件。这样可以确定出最优旋转矩阵和平移向量，从而将两个模型匹配起来。在求取最近邻点的过程中利用线性八叉树加快速度。仿真实验表明：利用该方法匹配两个模型可以达到比较满意的效果。  

摄像机未标定的P5P问题研究

该文比较系统地研究了未标定的P5P问题。主要结论有：当5个控制点中任意4点不共面，或者存在4点共面但任意3个图像点不共线时，未标定的P5P问题的解仅有两种可能：（1）至多有4个解；（2）有无穷多解。文中同时给出了至多有4个解和有无穷多解的代数条件以及求解未标定的P5P问题的具体算法。  

基于数据的改进回声状态网络在高炉煤气发生量预测中的应用

以钢铁企业高炉煤气系统这一复杂生产过程为背景, 针对高炉煤气发生量的预测问题, 提出一种基于数据的网络模型预测方法. 鉴于生产数据含噪高的特点, 采用经验模态分解将历史数据分解为若干独立的固有模态函数, 将小尺度函数经低通滤波器自适应去噪后, 再对数据重构以建立预测模型. 在建模过程中提出一种改进的回声状态网络, 通过奇异值分解求取网络输出权值, 克服了线性回归算法出现的病态问题, 提高了模型的预测精度. 现场实际数据预测结果表明所提出方法的有效性, 为制定煤气管网平衡调度方案提供科学的决策支持.