一种新的基于奇异值分解的图像隐藏方法

以数字图像信息隐藏问题为研究的切入点,介绍了奇异值的数学理论基础,讨论了矩阵奇异值分解与重构的原理和方法;构造了一种新的基于奇异值分解的图像隐藏的算法,用实例说明了奇异值分解在图像隐藏中的原理和应用,并在奇异值分解的基础上重构了原图像,取得了较好的效果,表明了该方法的有效性．     

基于奇异向量和奇异值的人脸识别新方法

通过提出一种基于奇异值向量和奇异值的人脸识别新方法——正交奇异值方法,将奇异向量 和奇异值中的信息有效结合,克服了目前基于奇异值分解的识别方法中,要么丢弃了奇异值中的信息, 要么丢弃了奇异向量中的信息,识别效果并不理想的缺陷。在ORL国际标准人脸库上实验显示,与目前 基于奇异值分解的识别方法相较,该方法达到了更好的识别效果。     

广义离散随机线性系统的最优递推问题

讨论了广义离散随机线性系统的最优递推问题,利用矩阵的奇异值分解理论,给出了广义离散随机线性系统的奇异值标准形式,基于标准形式,在两种情况下,将系统分解成两个子系统,通过对子系统状态估计的研究,得到了该系统的最优递推方程．     

广义连续随机线性系统的状态估计问题

利用矩阵的奇异值分解理论，给出了广义连续随机线性系统的奇异值标准形式，基于标准形式，在两种情况下，将系统分解成两个子系统，通过估计子系统的状态，讨论了广义连续随机线性系统的状态估计问题，得到该系统状态的最优预测和滤波递推方程。     

基于奇异向量和奇异值的入脸识别新方法

通过提出一种基于奇异值向量和奇异值的人脸识别新方法——正交奇异值方法，将奇异向量和奇异值中的信息有效结合，克服了目前基于奇异值分解的识别方法中，要么丢弃了奇异值中的信息，要么丢弃了奇异向量中的信息，识别效果并不理想的缺陷。在ORL国际标准人脸库上实验显示，与目前基于奇异值分解的识别方法相较，该方法达到了更好的识别效果。     

广义离散随机非线性系统的递推算法

讨论了广义离散随机非线性系统的最优递推问题,利用矩阵的奇异值分解理论,给出了广义离散随机非线性系统的奇异值标准形式,基于标准形式,在两种情况下,将系统分解成两个子系统,通过对子系统状态估计的研究,得到了该系统的最优递推算法．结果表明,对于广义随机系统,该方法便于应用并且减少了计算量．     

基于奇异值分解的小波域灰度数字水印算法

针对灰度数字水印的隐藏问题,依据Arnold变换、奇异值分解及小波分析理论,提出了一种基于奇异值分解的小波域灰度数字水印算法,该算法对图像先进行二级小波分解,将分解得到的低频子图进行奇异值分解,然后将经Arnold变换置乱后的灰度水印嵌入.实验结果表明,该算法有效克服了灰度水印数据量大的缺点,并具有水印嵌入后图像失真小、鲁棒性好、安全性高等优点.     

矩阵的奇异值分解及数值实现

奇异值是矩阵的一个良好特征,它可以将许多实际问题得到转化。本文简述了矩阵的奇异分解的理论及相关性质,并简略介绍了奇异值分解的相关应用与进展,通过对矩阵奇异值分解的分析提出了计算矩阵奇异值分解的一种快速算法,并通过实例进行计算,验证算法的正确性。     

基于奇异值分解的雷达微小目标检测方法

提出了一种强杂波环境下雷达微小目标的检测方法。该方法以奇异值分解理论为基础,利用奇异值一阶、二阶差分谱进行奇异值选择,通过奇异值逆变换将雷达回波信号分解成不同的成份,从而实现杂波抑制和小微目标凸现。试验表明:该方法能有效抑制杂波,平均提升信噪比7 dB左右。     

加权信号张量子空间拟合算法

提出了一种基于三阶张量高阶奇异值分解的声矢量阵列加权信号张量子空间拟合算法. 首先对声矢量阵接收信号进行三阶张量建模, 并通过高阶奇异值分解得到信号张量子空间, 从而结合加权信号子空间拟合算法进行空间方位谱估计. 由于基于高阶奇异值分解得到的信号张量子空间相比于传统的矩阵奇异值分解得到的信号子空间能够更好地抑制噪声, 并且体现了多维数据之间的关联关系, 因此具有更高的方位估计精度. 理论和仿真结果表明: 该方法在低信噪比、等强度不相关信号和强相关信号条件下仍具有良好的目标分辩能力和稳定性, 工程应用价值较高.