图像Hadamard变换域半脆弱水印算法

提出了一种基于图像Hadamard变换的半脆弱水印算法。首先对图像进行分块Hadamard变换,选取分块低频分量进行量化,并Hash操作生成具有固定长度的摘要,然后将摘要的若干位作为水印在密钥的作用下嵌入到其它分块的中频系数里形成含水印图像。实验结果表明,算法对常规操作鲁棒,能够检测对内容的恶意篡改,定位能力好,误检和漏检率低,安全性好,可作为图像内容真实性认证的算法。     

结合加权引导滤波和小波变换的低照度图像增强算法

针对低照度图像增强处理后存在图像细节差、色彩失真和“光晕伪影”等问题,在HSV颜色空间中处理图像,将V通道分量进行小波变换分解,对低频系数采用改进加权引导滤波替代高斯滤波作为环绕函数的多尺度Retinex算法处理,对高频系数采用改进的阈值函数降噪处理,小波逆变换重构V通道分量,对重构的V通道分量进行Gamma校正处理并转换回RGB颜色空间。实验结果表明,该算法增强后图像亮度提升明显,同时抑制了“光晕伪影”,颜色失真较少且细节丰富。     

时频峰值滤波调频指数的斜率变换法

相较于前人在时频峰值滤波(Time-Frequency Peak Filtering)中以常数表示的调制指数,为进一步明确该参数的作用及选取方向,从其物理意义出发提出了一种基于信号自身线性部分极值的估计方法。本质上来说当所求信号在时域内是线性变化时,时频峰值滤波法能有效地消除加性高斯白噪并保留有用信号。计算结果显示在信噪比相对较高的情况下与现有方法相比,基于线性极值估计方法的斜率变换法算例提供了良好的滤波效果,且证明计算效率与已有方法相当。为时频峰值滤波更好地在地震资料处理上应用提供了一种可供选择的途径。     

自适应广义S变换汽油机怠速振动分析

为了获得某汽油机怠速时的振动特性,以便进行有针对性的NVH(振动、噪声、平顺性)改进优化,采用自适应广义S变换对发动机振动信号进行时频分析.与S变换结果的对比表明,自适应广义S变换具有更合适的时频分辨率.对某直列四缸汽油机进行怠速工况振动测试,并调整气门间隙及发动机热负荷.时频分布的对比表明,冷启动时主要振动源为配气机构及活塞敲击.冷机时,进、排气门落座激励频率分别为500~2 100 Hz及800~2200Hz,活塞敲击激励频率为400~6 000Hz.当热负荷增大后,发动机整体振幅锐减,喷油器激励凸显,燃烧激励始终微弱.热机时,进排气门落座激励频率分别为2 200~5 800Hz及3 800~6 000Hz,活塞敲击激励频率为2 500~3 000Hz以及4 500~5 000Hz,喷油器激励频率为3 800~5 700Hz.结果表明,不同热负荷状态下振动的频率特性区别较大,热机时低频成分减少.     

基于广义S变换的主频率分析

基于常规的主参数分析原理,从高精度时频分析的角度出发,采用广义S变换进行计算,提出了一种新的基于广义S变换的主频率分析方法。该方法采用窗函数可变的广义S变换进行计算,不仅具有一定的抑制噪声的能力,而且充分利用了广义S变换分辨薄层的能力。实际资料的计算结果表明,该方法得到的主频率剖面不仅有效地突出了弱反射同向轴,有利于反射同向轴的对比追踪,而且具有很强的分辨薄层的能力,得到的主频率剖面具有很高的纵向分辨率,有利于地震资料的精细处理和解释。     

基于GIF滤波分解的低照度图像增强算法

针对常见的对比度增强方法在处理低照度图像时不能兼顾提升图像亮度、对比度,和增强细节的问题,提出基于引导滤波器(guided image filter,GIF)的低照度图像增强算法。首先将输入图像从RGB颜色空间转换到HSV颜色空间;再利用GIF滤波器对图像进行图像分解,得到一个基本层和一个细节层;然后对基本层进行自适应Gamma校正,提高图像的整体亮度和对比度;再对细节层进行S型曲线增强,突出图像的局部细节;最后合成并恢复颜色,得到增强图像。将本文算法、全局Gamma校正、MSRCR 3种算法分别对低照度Bridge和Street图像进行处理,实验结果表明:本文算法能够在有效提升对比度的同时增强图像细节,提升了低照度图像的视觉效果。     

低照度下平面图像舒适色度范围测定方法

为提升低照度条件下图像的视觉效果,提出了一种新的平面图像舒适色度范围测定方法。建立低照度平面图像增强去噪模型,通过联合双边过滤算法求解该模型后,结合熵值图像补偿方法,补偿增强去噪后低照度平面图像细节,将处理完成图像的颜色空间由RGB转化为HSV,并区分图像色度H中的显著与非显著部分,经显著部分左右视图色度转化后,通过主观评分平面显著图,完成低照度平面图像舒适色度范围测定。实验结果表明：所提方法增强去噪后的低照度图像更加清晰、减轻了模糊现象,可实现平面图像的舒适色度范围测定,且测定误差低。     

子波变换域的快速自适应滤波算法

分析了一般变换域中的传统ＬＭＳ算法,利用信号的相关矩阵经过子波变换后的稀疏带状结构以及区间子波变换能有效地抑制边界效应的能力,讨论了一种新的子波变换域的Ｎｅｗｔｏｎ－ＬＭＳ类算法．仿真结果表明,对于高低频信号,该算法能给出矩阵的较准确的模块化估计,且收敛速度明显快于传统的ＤＦＴ－ＬＭＳ和ＤＣＴ－ＬＭＳ等算法．     

S变换时频分析在隧道岩溶地震勘探解释中的应用

介绍了短时傅立叶变换、小波变换和S变换的优缺点及其彼此间的相互关系。详述了S变换的概念及性质,认为S变换方法具有良好的自适应性和时频分辨率,能提供高质量的时频谱信息。将S变换时频分析用于宜万铁路隧道地震映像法数据解释。结果表明,S变换时频剖面上的溶洞异常显示比时间剖面更为清晰,在推断岩溶的分布位置、大小、埋藏深度等方面具有良好效果。S变换方法有助于提高地震数据解释的精度和准确性。     

基于指数变换时频图增强的FSK信号特征提取

为了区分信号的载波频率,提出一种基于指数变换的图像增强技术对频移键控(frequency-shift keying,FSK)信号进行时频二维特征提取的方法。该方法根据FSK信号的离散短时频分析,将时频图转化为时频二维灰度图,并进行图像增强处理;然后基于增强的时频二维灰度图,提取出特征参数角二阶矩(angular second moment,ASM)能量,用ASM能量曲线波峰来区分载波频率。在信噪比为10dB到30dB条件下,针对载波频率为3 MHz和3.5 MHz的2FSK信号,进行特征提取和性能仿真实验,实验结果表明,提出的方法可行,能够区分出信号的载波频率,且性能较稳定。     

基于广义S变换的测井信号时频谱分析

S变换虽兼备短时傅里叶变换和小波变换的优点,但基本小波固定,在薄互层识别方面受到较大限制。广义S变换,通过引入λ,p两个参数对S变换中的高斯窗函数进行改造,时频分辨率得到了明显提高。本文在对广义S变换方法原理进一步研究的基础上,应用VC++在Qt平台上编写了广义S变换时频分析程序,并构造平稳信号和非平稳信号进行了对比分析,凸显了广义S变换的时频聚焦性。最后,应用该方法对实际测井信号进行了时频谱分析,取得了良好效果。     

时频分析与小波变换及其应用

详细分析了小波变换、短时傅立叶变换和Gabor展开 3种变换形式 ,介绍了它们在工程中的应用 .认为传统的信号分析和处理是在信号的时域或频域上进行的 ,其基础是假设信号或随机过程均为平稳或时不变的信号 ,而时频变换对于非平稳或时变信号的分析和处理有效     

小波变换与信号的时频分析

时频分析在信号分析中占有重要地位,而小波分析则是进行信号分析的一种新的方法。波波分析来源于Ｆｏｕｒｉｅｒ分析,通过对Ｆｏｕｒｉｅｒ分析和小波分析的比较,了小波分析在时频分析中的应用。并采用Ｃ语言设计出了波分析程序,利用这些程序对具体的信号进行了分析,达到了良好的效果。借助于信号的时频分析,能够直观地看出信号的一些重要特征,以便于进一步的处理。     

低照度图像增强算法研究及改进

低照度图像增强一直是图像处理的研究热点之一,主要算法包括直方图均衡、多尺度、LIME等,以及一些深度学习模型如RetinexNet、GladNet等。分析这些算法和模型,并结合近年使用比较广泛的卷积注意力模块（Convolutional Block Attention Module,CBAM）和UNet网络结构提出一种新的神经网络模型。使用上述算法和模型在LOL低照度数据集上测试,比较MSE、PSNR、SSIM等指标。实验证明,提出的网络模型在视觉效果和指标数据上均取得了更好的结果,提升了增强性能。     

图像Arnold变换中的准对称性问题与半周期现象

从广义Arnold变换的周期性及标准Arnold变换与Fibonacci的关系出发,推导k步Arnold变换的一次性等效变换矩阵,特别是半周期处的一次性变换矩阵,并分析其特点,证明图像经广义Arnold变换位置置乱后在置乱周期内呈现图像置乱度的准对称性,讨论当置乱周期为偶数时的半周期现象和置乱周期为奇数时的各种不同情况.研究结果表明,无论置乱周期为奇数还是偶数,图像乱度存在前半周期和后半周期的准对称性;对偶数周期情况,标准Arnold变换下,在置乱次数等于周期的一半时,一次性置乱变换矩阵为单位矩阵的整数倍;半周期处置乱图像更易呈现与原图相似的结构或内容信息;对于某些维数的图像,半周期处的一次性置乱变换为负的单位矩阵,此时图像为原图的水平加垂直镜像图像;广义Arnold变换下,偶数置乱周期变换的半周期处的一次性变换矩阵可能是标准Arnold变换的结果,或在此基础上叠加了一个位移量为图像维数一半的水平或垂直平移,因而仍然存在较明显的半周期现象.对于奇数周期,半周期现象虽然存在但一般不如偶数周期情况明显,更不易出现镜像或提前恢复原图的情况.该研究可用于指导图像加密预处理中置乱次数选择和置乱乱度计算方法的评价与比较.     

基于时频分析与形态学滤波的跳频参数估计

针对跳频信号侦察中的参数估计问题,在对跳频信号进行平滑伪Wigner-Ville分布（SPWVD）处理的基础上,提出了一种基于数学形态学滤波的跳频参数估计方法.该方法首先对跳频信号的SPWVD时频图进行阈值分割,转化为二值图;通过形态学滤波和细化提取时频脊线,从而估计跳频信号参数.仿真结果表明：与直接利用SPWVD变换后峰值提取脊线的方法相比,该方法具有更高的估计精度.     

高维变换域中的系数集中分析及研究

针对多视角视频中包含巨大的数据信息,考虑到对存储和传输造成的困难,第一次推导了多视角视频的傅里叶变换(FT)以及多维矢量矩阵离散余弦变换(MVM-DCT)公式。结合多维矢量矩阵可以将多视角视频表示在一个多维的数学模型中以及DCT正交性的优点,推导出的MVM-DCT能够很好地去除空间、帧间和视角间的相关性。导出公式表明,高维变换域中的系数能量主要集中在一个沿时间维度和视角维度均衰减的折叠平面体上,通过仿真实验证明了理论推导的正确性。该公式推导的意义在于揭示了运动矢量,角度变量与高维变换域中系数集中分布的关系。并研究有关运动分析的最小化补充准则。这些将为多视角视频编码系统的进一步压缩提供了理论上的指导。     

S变换时变滤波在去噪处理中的应用研究

针对常用的滤波去噪方法都受到使用条件的限制,实际资料的滤波去噪不能达到良好效果,S变换时变滤波克服了传统滤波去噪方法滤波因子不能随时间、频率变化而变化的缺陷.将地震资料用S变换方法变换到时频域,对不同时间内不同频率的噪声部分充零,再将去噪后的地震数据利用S反变换到时间域,以获得所需要的有效信号.通过理论计算分析和实例计算表明,S变换时变滤波能够有效去除不同时段、不同频率的噪声.该方法具有一定的可行性.     

分数阶傅市叶变换域的心电信号滤波算法

心电信号是一种非平稳的低频微弱信号,与干扰噪声具有较强的时频耦合．经典的滤波方法难以实现有效的信噪分离．提出了一种基于分数阶傅立叶域的LMS自适应滤波算法,既结合了适合处理非平稳信号和减少时频耦合的特点,又能够有效地提高信噪比．首先将信号进行分数阶傅立叶变换,寻找最优变换域,再利用LMS自适应滤波算法在最优变换域滤波,然后对滤波后的信号进行分数阶傅立叶反变换．通过对MIT—BIH中的心电数据进行Mat—lab仿真,表明信噪比从-6dB提高到14dB,清晰地还原出心电信号的波形及特征点．