一种基于小波分块的自适应数字水印

为了在不破坏原始图像质量的情况下嵌入更多的水印,即较好地解决水印算法的不可见性和鲁棒性这对矛盾,本文提出了一种基于小波分块的自适应算法.先将水印进行置乱,提高安全性和抗剪切的鲁棒性.然后根据小波变换后,高、低频的特点,把水印以不同强度自适应地嵌入其中.实验结果表明,该算法不但具有较高的安全性,而且在增加了水印容量的前提下,图像的质量降低很小,很好地统一了水印算法的不可见性和鲁棒性.     

基于混沌和SVD-DWT的数字图像水印算法

提出了一种基于奇异值分解和离散小波变换相结合的数字水印算法。将二值水印图像用混沌的方法进行置乱并对原始图像进行N层小波分解,对小波系数LLn,LHn,HLn,HHn分别采用不同的方式嵌入水印信息。对LLn部分,根据系数的能量大小嵌入伪随机扩频序列;对LHn,HLn,HHn三个小波系数矩阵作奇异值分解,将置乱水印的奇异特征值嵌入到这三个小波矩阵的奇异特征值中。针对嵌入方案,设计了非盲检测和盲检测算法。实验仿真表明,该算法能够经受住噪声、中值滤波、JPEG压缩和剪切等攻击,具有较强的鲁棒性。     

一种基于Arnold置乱和小波变换的二值图像水印算法

为了更有效地保护网络上静态图像版权,提出了一种基于Arnold置乱和小波变换的二值图像水印算法。将Arnold置乱过程用于提高其安全性和抗剪切的鲁棒性;然后将置乱后的水印进行一次小波分解,再根据人眼的视觉特性以相应的尺度因子嵌入原始图像的小波变换不同频域中。仿真实验表明该算法安全、有效,兼顾了水印的透明性和鲁棒性。由于该算法是在小波变换域中实现的,故可JPEG2000、MPEG4相兼容,是一种可以推向实用的水印算法。     

离散小波变换和混沌结合的数字图像水印算法

提出了一种基于离散小波变换和混沌理论的数字图像水印算法.在水印嵌入过程中,首先对原始图像进行离散小波变换,提取其低频部分作为嵌入区域;然后利用混沌系统产生的混沌序列对水印进行加密,再将加密后的水印进行小波变换并提取其低频部分;最后将加密水印的低频部分嵌入到原始图像的低频部分中.水印提取过程需要原始载体图像,是一种明检测.通过水印相关系数NC和峰值信噪比PSNR评价水印算法性能.实验结果表明,提出的算法可以抵抗JPEG压缩、噪声、滤波等攻击,图像水印效果很好.     

一种基于ICA和DWT的数字图像水印算法

数字水印是图像处理领域研究的一个热点。独立分量分析（ICA）是一种基于高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已广泛应用于信号处理领域。提出了一种结合独立分量分析（ICA）和离散小波变换（DWT）的数字图像水印方法。该算法将原始图像进行小波分解,然后在小波逼近子图嵌入置乱后的水印图像。数字水印的检测使用了快速独立分量分析（FastICA）的方法,最后对分离出的水印进行增强处理。仿真结果表明该算法有效可行,具有较强的鲁棒性和隐蔽性。     

基于小波与奇异值分解的图像盲水印算法

提出一种新的基于离散小波变换(DWT)与奇异值分解(SVD)相结合的数字图像水印算法。该算法将原始图像作小波分解并将小波分解得到的低频子带进行分块,对每一块进行奇异值分解后,选取每块中最大的奇异值通过量化的方法嵌入水印信息。水印的提取不需要原始图像。实验结果表明,该算法具有一定的不可感知性、鲁棒性。     

一种基于小波变换和神经网络的视频水印算法

针对视频版权的保护,本文提出了一种基于三维小波变换和RBF神经网络的视频水印算法。算法是采用二值图像作为水印,首先对水印图像进行随机置乱预处理以增强其安全性能,然后对宿主视频进行视频分割,并分别对得到的各序列作三维DWT变换。最后把水印嵌入到经过三维变换的低频子带中,在水印提取过程中,结合RBF神经网络模型,而不需要原始图像,快速有效提取出水印。实验结果表明,该算法具有较强的不可见性,并且针对帧压缩、旋转、滤波和比例缩放等具有良好的鲁棒性。     

小波变换 第2讲 离散小波变换

围绕离散小波变换讨论了多分辨分析、尺度函数的概念,介绍了离散小波变换的分解与重构算法-Mallat算法,同时探讨了离散小波变换在电力系统可能的应用。     

基于空域Contourlet-时域小波变换的视频水印算法

通过采用空域的Contourlet变换和时域的一维小波变换,提出了一种新型三维多分辨率分解方法,并将水印信息嵌入到Contourlet分解后空域低频子带系数的静止成分和动态成分中。为了增强水印的鲁棒性和安全性,在水印嵌入前先通过Arnold变换对原始二值水印进行置乱加密。在水印的嵌入过程中,构造了一种十位数规则来修改三维分解后的系数。实验结果表明,该算法能够抵抗各种攻击,如MPEG压缩编码、丢帧、帧平均和叠加噪声等等,算法简单,计算复杂度小,兼顾了水印的不可见性和鲁棒性,并且能取得更好的视觉效果。     

基于混沌Gyrator变换与离散小波变换的多图像光学同步加密算法

为了实现对多幅图像的同步加密,并改善密文的安全性,提出了基于混沌Gyrator变换与离散小波变换的多图像光学同步加密算法。首先,引入离散小波变换(DWT),对多幅明文实施分解,得到各自对应的低频与高频系数;再将所有明文的高频、低频信息分别组合为对应的映射图像;利用压缩感知(CS)方法,将高频映射图像分割为2个矩阵;借助复数理论,将其中一个矩阵与低频映射图像组合成复数图像;基于混沌Gyrator变换,对复数图像完成光学调制,得到对应的频谱;随后,采用相位截断操作来处理Gyrator频谱,获取幅度信息,并将其作为虚数,联合第二个感知矩阵,得到新的幅度复数图像;利用不同角度的Gyrator变换和新的调制掩码,通过光电装置,对幅度复数图像进行干涉,得到对应的Gyrator频谱。基于相位截断操作,保留Gyrator频谱的幅度成分,将其作为加密密文。实验结果显示,所提算法可以较好地完成多图像的同步加密,较其他光学加密技术而言,且其输出的密文具备更好的安全性。     

基于离散小波变换和模糊K-modes的负荷聚类算法

为了研究智能电网背景下用户的用电模式,考虑到现有聚类算法的不足,提出了一种基于离散小波变换的模糊K-modes聚类算法。利用离散小波变换将时域的负荷曲线转换到频域,从而将负荷曲线的不同特征隔离在不同的频域水平,并利用低阶近似的思想选取原始曲线的有效分量曲线;对所选的分量曲线进行趋势编码,将连续负荷数据转化为离散类属性数据;基于平均密度确定初始聚类条件,利用模糊K-modes聚类算法对曲线进行形态聚类,得到负荷曲线模板;将所提算法与传统K-means算法及层次聚类算法进行比较,从而验证了所提算法的有效性。     

基于离散小波变换与模糊神经算法的河口日水位预测

为了对受特殊复杂环境因子干扰的河口日水位中长期动态实现有效预测,将离散小波变换(DWT)和模糊神经(NF)算法结合,构建长江河口日水位中长期动态的联合预测模型DWT-NF。引入DWT方法对原始水位信号序列进行分解和减噪,筛选出最优DWT分解因子组合TD(D3+D4+D8)序列作为预测模型的输入。引入NF算法构建水位预测子模型,从滞后1~5天的TD序列中筛选出最优输入组合,确定河口日水位预测的最优DWT-NF模型结构,其中三条港水位预测的最优联合模型结构以滞后1~3天的TD序列为输入、以高斯函数和43分别作为NF子模型第一层的隶属度函数及其规则数,青龙港水位预测的最优联合模型结构以滞后1~4天的TD序列为输入、以钟型函数和24分别作为NF子模型第一层的隶属度函数及其规则数。综合比较表明,DWT-NF模型的预测效果显著优于其他联合模型及常规模型,尤其对河口未来中长期水位变化趋势的预测效果显著。     

基于CWT和DWT相结合的谐波检测

提出了一种基于连续小波变换(CWT)和离散小波变换(DWT)相结合的电力系统谐波检测方法。首先利用CWT系数的幅值来检测谐波频率,该过程不用事先根据谐波次数确定分解层数,而只是确定尺度范围及步长,即可得出各次谐波频率。然后根据确定的谐波成分利用DWT来检测谐波幅值,并通过Matlab软件进行了仿真分析。仿真结果表明该方法有效地解决了基于离散小波变换的谐波检测方法中谐波次数未知而无法确定分解层数的难题,并能精确可靠检测各次谐波频率和相应的幅值。因此,CWT和DWT相结合是一种有效的电力系统谐波检测方法。     

基于离散小波变换的分布式发电孤岛检测方法

在被动式孤岛检测技术的基础上,提出一种新的基于离散小波变换的孤岛检测方法.根据公共连接点( PCC)逆变器侧和主网侧电能质量不相等的原理,通过对PCC处电压进行小波变换提取出孤岛发生的特征谐波高频信号,理论上通过微观变量的提取和识别可彻底消除非检测区.在MATLAB/Simulink环境下,搭建3套分布式发电系统,仿真结果验证了所提方法的正确性,并表明在电网电压波动以及各类型负荷运行、投切等扰动下,检测装置不会误动作,能够迅速检测到孤岛的发生.     

一种基于小波变换和人类视觉系统的图像压缩算法

为了解决大数据量的图像信息给存储器存储容量、通信信道带宽和计算机处理速度带来的压力,必须对图像进行压缩处理。提出了一种基于小波变换和人类视觉系统的图像压缩算法用以提高对高质量图像的压缩效果。该算法首先使用小波滤波器选择模型及最佳滤波器以得到最小数目的非零小波系数。其次,利用人类视觉系统特性对分解后的小波系数进行有效的量化处理,最终进行小波编码,实现对图像的压缩。实验结果表明,所提出的算法对高质量图像进行压缩所达到的效果要优于传统压缩算法。     

基于双树复小波变换信号去噪算法研究

离散小波变换被广泛应用于数字信号的去噪处理中,特别是非平稳信号、瞬时时变信号等的去噪,但是有平移敏感性的缺陷。为了克服这种缺陷,文中采用双树复小波变换进行信号去噪,并使用硬阈值、软阈值等准则进行滤波处理。最后采用SNR（信噪比）和MSE（均方误差）来评估两者信号去噪效果。结果表明,双树复小波变换能够较好的保存信号的细节信息,其去噪效果优于离散小波变换。     

小波变换与形态学运算相结合的脉搏波检测算法

提出了1种基于小波变换模极大值与形态学运算相结合的脉搏波检测算法.该算法采用Symlet小波的Mallat算法对脉搏信号作多分辨率分解,利用数学形态学运算突出信号的峰谷点特征,将小波变换模极大值检测原理与形态学峰谷检测算法相结合,实现了对脉搏波的准确检测和精确定位.     

基于小波变换和三点法的基波频率测量

小波变换可以在非同步交流采样情况下,提取畸变信号中的基波分量,但检测结果存在少许误差。三点法可通过任意三个等间隔检测点提取正弦信号频率,但检测点误差会严重影响测频精度。对三点法误差的数学机理进行分析发现,合理的选择检测点之间的间隔可以使结果误差最小。极值分析和牛顿迭代法可被用来近似计算最优检测点间隔。通过误差的抑制和个别较大误差结果的剔除,小波变换能与三点法结合对电网中畸变信号的基波频率进行高精度检测。仿真算例证明本文算法精度要优于小波变换与过零法或极值法结合的算法精度。     

基于离散小波变换的卷积自编码运动想象脑电信号的分类

左右手运动想象脑电信号(MI-EEG)分类准确率低,制约了相关脑-机接口技术的发展。实验采集了16名健康受试者的运动想象脑电信号,提出了一种基于离散小波变换(DWT)和卷积自编码(CAE)的运动想象脑电信号分类算法。利用离散小波变换将EEG转换成时频矩阵,输入到卷积自编码网络中进行脑电信号的特征分类。该算法在实验数据集和公开数据集上测试都得到了较好的分类结果,静息-想象左手、静息-想象右手、想象左手-想象右手3组EEG在实验数据集上分类准确率分别为97.36%、97.27%、86.82%,在公开数据集上分类准确率分别为99.30%、98.23%、92.67%。离散小波变换结合卷积自编码网络模型在左右手运动想象脑电信号分类应用中比其他深度学习方法(CNN、LSTM、STFT-CNN)性能更优。