基于DWT和RBF神经网络的水印算法研究

提出了一种在经过四级小波变换的原始图像中嵌入数字水印的算法.根据人类视觉特征来决定嵌入水印的强度,用秘钥来决定水印嵌入的位置,通过使用训练的RBF神经网络来嵌入和提取水印.实验结果表明:该算法简单有效,且对常见的图像处理具有较好的鲁棒性.     

图像修复RBF模型的Kalman改进算法

利用Kalman滤波器训练图像修复RBF网络模型的权值与基函数的中心，由于利用滤波器测量噪声的协方差阵实现整个模型的图像降噪功能，新算法边缘修复能力较强．本文通过仿真，检验了新模型的降噪能力；结果证明，新算法较一般的堆纳滤波器，均值滤波降噪能力明显提高。     

基于纠错编码和RBF神经网络的盲水印新算法

结合RBF神经网络和纠错编码技术,提出了一种把经过混沌加密的图像水印嵌入小波域,并实现盲检测的新型水印算法.首先,对原始图像进行小波分解得到各子带的小波系数;其次,通过密钥选择在小波系数中嵌入水印的起始位置,并对该小波系数进行量化处理作为RBF神经网络模型的输入值;最后,用混沌加密技术和纠错编码技术对待嵌入的水印信息进行预处理以增强水印系统的安全性和鲁棒性,把处理后的水印信息嵌入到经过RBF神经网络模型处理后的小波系数中.实验表明,该算法人类视觉掩蔽性良好,同时对于诸如JEPG压缩、椒盐噪声、滤波等常见图像处理攻击的鲁棒性达到了预期的效果.     

基于RBF 神经网络的低对比度图像自适应增强算法

针对低对比度图像增强问题,提出了一种将直方图修正与RBF 神经网络相结合的 图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图,通 过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重,生成新的直方图对图 像进行增强。采用RBF 神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图 像本身的特征快速获得增强参数,从而实现图像的自适应增强。该方法计算量小,实时性强, 应用范围广,有较强的自适应性。     

基于广义猫映射与神经网络的图像空域水印算法

提出了基于广义Arnold变换和神经网络模型的图像空域水印算法。二值水印嵌入位置通过广义猫映射随机产生,训练一个神经网络记忆每个图像块中像素之间的关系,并采用水印嵌入增强处理技术,加强了水印的嵌入强度。实验结果表明,该算法具有较强的鲁棒性,能有效地抵抗剪切攻击、LSB攻击和椒盐噪声攻击等。     

基于RBF神经网络与粗糙集的数据挖掘算法

随着数据挖掘技术的兴起,为了提高数据挖掘的准确性,提出了很多数据挖掘算法.神经网络与粗糙集理论结合的数据挖掘算法一直是基于粗糙集理论数据挖掘研究的热点之一.文中提出利用RBF神经网络收敛速度快、泛化能力强等优势先对数据进行训练,优化数据后传递给粗糙集进行数据挖掘的新思路.并通过对比与未经过RBF神经网络训练的数据挖掘结果,发现RBF神经网络与粗糙集结合算法挖掘的精度有明显的提高,证明了RBF神经网络与粗糙集理论结合的数据挖掘算法是有效的、可行的.     

基于信噪比的自适应图像水印算法

提出了一个基于信噪比SNR的完全自适应水印算法,该算法先把原始图像分块DCT,利用信噪比SNR确定各个子块的拉伸因子α,最后水印分量以不同的能量被嵌入到各个子块的DCT低频系数中,实验结果表明该算法具有良好的不可见性和鲁棒性。     

基于内容的空域图像水印算法研究

In this paper,a novel space domain watermarking scheme based on image content is presented.The proposed method can use the human visual system(HVS) to adaptively embed a watermark in an image by decomposing the host image,selecting streak blocks,modifying the intensities of the block.Experimental results show that the watermarking scheme proposed in this paper is invisible and robust to cropping,and also has good robustness to compression,filtering,noise adding,image enhancement,and rnosaie.     

改进的RBF神经网络及其应用

提出了一种改进的RBF神经网络，并利用改进的RBF作为故障诊断模型对某高温硝酸冷却系统进行了故障建模研究，仿真表明是可行和有效的。     

基于HVS的空域水印算法

介绍了一种空域数字水印算法,并给出水印嵌入和提取过程。引入了加密、位置双重密钥,采用了基于HVS特性的嵌入方法。实验表明该方法有良好的水印效果。     

基于协同神经网络的图像数字水印算法

为保证图像数字水印的鲁棒性和安全性,结合加密技术,提出了一种使用协同神经网络的图像数字水印算法。该算法是先对有意义的灰度图像进行水印序列化处理后,再将其作为水印信号嵌入到载体图像的分块DCT系数直流分量里。水印的检测提取算法是采用协同神经网络,将疑似水印信号作为网络的输入,而网络的输出就是识别的结果。经仿真实验验证,该算法可承受一定的图像处理操作,不仅能同时完成水印的检测与提取,而且能有效判断水印的归属,具有较好的性能。     

RBF神经网络单基色温度测量及比较

基用数码相机拍摄高温物体图像,将获取的图像进行R、G、B三基色分离,输入RBF神经网络,分别拟合R-T、G-T、B-T之间的非线性关系.实验结果表明,应用RBF神经网络的单基色进行测温有良好的测量精度,其中单基色G通道精度最高且测量范围最大,为最优测量分量.     

基于RBF神经网络的热电偶建模方法

针对热电偶的测量精度问题,建立了热电偶传感器的数学模型。此数学模型采用RBF神经网络,利用带遗忘因子的梯度下降算法进行网络参数的调整,并给出了建模步骤。实际结果表明,该模型具有较高的精度。     

基于RBF神经网络在图像分割参数估计的应用

论文提出了基于RBF神经网络图像分割参数估计的方法。该方法利用RBF神经网络良好的函数逼近性能,通过RBF神经网络对预处理后的图像有关参数进行估计,得到计算最优分割阈值所需的图像参数。该方法经过实验证明完全能达到图像分割要求。     

基于RBF神经网络的数据挖掘研究

探讨了基于数据仓库的数据挖掘技术的原理与相关方法,介绍了RBF神经网络的原理与特点。针对RBF神经网络非线性映射能力强和学习速度快等特点,介绍了基于RBF神经网络的数据挖掘方法的数据清洗、预处理和正则化等操作步骤。神经网络具有分布式存储信息的特点,能够利用大量神经元间的连接,以及连接权值的分析,来限定特定信息。使用这种思想构建的网络系统,即使在局部的网络损坏,也不会导致整体的瘫痪。     

基于新型Arnold反变换的彩色数字图像水印

数字图像置乱及数字图像水印技术中广泛应用了Arnold变换,传统的Arnold反变换迭代周期性长,运算耗费大量的时间和内存,限制了它的发展。该文针对一种改进的新型Arnold反变换给出了它在不同环境下的不同实现算法,新算法减少了迭代计算的运算量。提出了一种新颖的数字水印嵌入和提取技术,把新算法应用于彩色数字图像水印,对水印进行各种攻击性实验以测试其鲁棒性,实验结果达到了预期的目标。     

基于思维进化算法的径向基函数神经网络结构优化

为了解决一类径向基函数的结构优化问题,该文在基本思维进化计算框架的基础上,提出了一种有效的混合优化策略。在优化过程中充分利用样本的信息,同时借鉴信息矩阵的思想,提出了利用信息矩阵进行信息抽取和信息积累的方法,并设计了有效的趋同、异化算子与个体之间学习的具体过程,使结构和参数同时得到了优化。仿真研究表明,该算法是快速有效的,并能保证网络具有较好的泛化能力。     

基于RBF的模糊神经网络控制器设计与仿真分析

介绍一种基于RBF的模糊神经网络设计与仿真分析的实现方法。该方法利用MATLAB中的神经网络工具箱图形用户界面GUI结合模糊控制规则表给定的输入/输出样本数据设计、构建RBF模糊神经控制器,并在Simulink中建立系统仿真模型。通过对阶跃输入信号作用下系统动态性能的仿真分析,结果表明基于RBF的模糊神经控制器有良好的控制性能。     

基于神经网络的火灾图像特征融合算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,着重分析了室内火灾图像与常见干扰光源图像的特点,提出用火焰区域面积变化、质心位置、尖角数、圆形度等信息作为火灾判据,并用模糊神经网络对以上特征参数进行数据融合,作出火灾判断。实验结果表明,基于模糊神经网络的信息融合算法能够有效识别出火灾火焰,提高了识别的准确率。     

基于径向基神经网络的月降水量预测模型研究

针对月降水量高度非线性的特点,以合肥20年的月降水量为时间序列,综合运用径向基函数（RBF）神经网络,建立了一种基于径向基函数的神经网络预测模型。首先对RBF神经网络进行介绍,并将该网络应用于月降水量预测,应用归一化方法对原始数据进行预处理;然后运用MATLABR2008神经网络工具箱函数建立月降水量预测模型;最后进行仿真实验与分析,将RBF神经网络与传统的BP网络训练预测结果进行比较。结果显示,RBF神经网络模型训练的迭代次数和训练时间、预测结果明显好于传统BP神经网络。