共查询到20条相似文献,搜索用时 156 毫秒
1.
提出一种基于离散小波变换(Discrete Wavelet Transform,DWT)与奇异值分解(Singular Value Decomposition,SVD)相结合的数字水印算法。该算法将原始图像的小波子图进行奇异值分解,将灰度水印图像进行Arnold变换以及扰乱加密,再进行分块离散余弦变换(Discrete Cosine Transform,DCT),将变换后的系数分类嵌入到相应的奇异值中。实验仿真表明,这种方法能抗大多数图像处理攻击,具有良好的鲁棒性。 相似文献
2.
基于相位编组的Hough变换提取海天线算法 总被引:3,自引:2,他引:1
海天线提取是研究海天背景条件下目标跟踪的一项重要内容。考虑到海天背景的多样性,首先分析了现有算法的缺点,然后提出了一种适应性较好的海天线提取算法。算法首先用中值滤波去除云层和海杂波等噪声,然后利用基于相位编组的Hough变换提取出海天线。由于算法融合了相位编组和Hough变换两者的优点,所以该方法不但能提取出低对比度下的海天线,而且还具有强的抗干扰性,克服了相位编组和Hough变换各自的缺点。实验结果证明,该方法能提取出简单和复杂背景中的海天线,适应性好、鲁棒性强、定位准确,降低了后续目标跟踪的复杂度。 相似文献
3.
4.
军工图像的安全保护是军工行业与企业信息系统建设的重要课题之一。文中提出了一种基于混沌置乱的离散小波变换(Discrete Wavelet Transform,DWT)军工图像水印算法。实验结果表明,该算法具有良好的保密性和鲁棒性。 相似文献
5.
6.
为了解决复杂海面干扰下海天线检测的问题,本文提出了一种基于边界先验双模型贝叶斯决策的红外图像的海天线检测方法。该方法首先将海空背景下的红外图像划分为子图像块,以子图像块的离散余弦变换的主余弦谱作为子图像块特征;然后,基于边界先验建立了海、天子图像块的贝叶斯决策模型,对海、天子图像块进行粗划分;之后,利用粗划分的子图像块集合建立细划分贝叶斯决策模型,利用重叠子图像块滑动细划分方法,获取海天线上候选点;最后,利用随机抽样一致性(RANSAC)算法得到海天线模型参数,实现海天线的检测。实验结果表明,该方法能有效检测出复杂海空背景下的海天线,对于海杂波、亮斑等干扰较多的复杂红外图像具有更优的检测效果,运算速度较快。 相似文献
7.
离散小波变换(Discrete Wavelet Transform,DWT)通常用于图像的表示。然而,对于具有不规则形状边缘的图像,尤其是对于纹理和细节信息较多的遥感图像,DWT却很难有效表示,进而影响后续去噪效果。针对该问题,提出了一种基于图形小波变换(Graphic Wavelet Transform,GWT)的图像去噪方法。首先,将图像表示为图形信号,并通过该图形信号的谱表示构造相应的变换矩阵;然后,设计了一种改进自适应阈值的图像去噪方法,在GWT变换域内对图像去噪。实验结果表明,与常用的图像去噪方法相比,所提算法能够提供更好的图像主观质量。采用均方根误差(Root Mean Square Error,RMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)作为客观指标,结果表明,采用所提方法得到的重建图像客观质量更优。 相似文献
8.
针对传统的无味卡尔曼相位展开算法效率和精度之间存在矛盾的问题,提出一种快速局部频率估计算法与量化质量图跟踪策略相结合的无味卡尔曼滤波(UKF)高效算法。快速局部频率估计算法首先利用二维傅里叶变换粗略计算出局部窗口内的复相位频谱的谱峰位置;然后,以谱峰为中心利用二维离散时间傅里叶变换快速算法计算出谱峰的精确位置,进而精确地获取局部频率值,得到UKF 相位展开系统模型所需的相位梯度估计值;最后,将UKF 算法与量化质量图跟踪策略相结合,利用量化质量图引导UKF 相位展开,进一步提高展开的效率。仿真实验验证了方法的有效性。 相似文献
9.
10.
11.
12.
13.
14.
15.
16.
双基地多载频FMCW雷达目标加速度和速度估计方法 总被引:1,自引:0,他引:1
双基地多载频FMCW雷达采用稀布阵发射多载频FMCW(Frequency Modulated Continuous Wave)信号,阵列接收目标回波。受速度和加速度的调制,机动目标回波多普勒频谱展宽,导致雷达检测性能下降。该文分析了双基地多载频FMCW雷达的信号模型,提出将多项相位变换和相位差法结合来实现目标加速度和速度高精度估计的方法。分析了该方法在不同数据分段情况下的性能。仿真结果表明,该方法能够以较小的运算量对目标加速度和速度进行高精度估计。 相似文献
17.
目前的多聚焦图像融合方法对于融合模型的建立主要依赖于经验,其参数配置存在主观性.提出了一种基于IMOPSO算法的多目标多聚焦图像融合方法,简化了多聚焦图像融合模型,克服了参数配置对经验的依赖性.首先给出了多聚焦图像融合有效的评价指标,然后构造了统一的小波域多聚焦图像融合模型,最后以模型参数作为决策变量,采用IMOPSO算法进行多目标优化搜索.IMOPSO算法不但引入变异算子以避免早熟,而且引入拥挤算子,使Pareto优解尽可能均匀分布于Pareto前端,并采用一种新的自适应惯性权重提高寻优能力.实验结果表明,IMOPSO算法具有更快的收敛速度和更好的寻优能力,同时基于该算法的融合方法也实现了Pareto最优多聚焦图像融合. 相似文献
18.
19.