一种新的图像水印方案

目标区域是图像中视觉上最重要的部分。针对现有的水印算法很少考虑图像中确定的目标区域这一问题，提出了一种基于目标区域的水印方案(WIOR)。方案首先利用小波变换分析图像的目标特征，并依据图像的小波高频系数特征对其进行聚类，获得水印的嵌入域，在此嵌入域中，选择小波系数并对其进行量化调制来嵌入二值扩谱水印；同时，通过只在图像的局部区域内嵌入较少的水印信息来改善水印的隐蔽性。实验结果表明，该方案对于一类具有突出目标特征的图像具有较好的效果。嵌入的水印主要优势在于真正把水印嵌入图像的视觉重要部分，从而能有效地抵御剪切攻击，而且可以实现盲检测。     

粘接结构超声信号的小波分解与特征提取

粘接结构因其独特的物理、机械和声学特性在诸多领域具有非常广泛的应用，对于铝合金-橡胶这样一种金属-非金属粘接结构的超声检测信号，本文利用了小波变换的多分辨率分析(时频分析)的方法，有效地提取出了反映多层材料粘接状况的信号特征，该特征提取方法可用在粘接结构的无损检测中。     

基于小波除噪和神经网络理论的气固循环流化床颗粒浓度预测

提出了一种将混沌的相空间重构、小波包分析和神经网络相结合的新方法用于预测气-固循环流化床的颗粒浓度。首先利用小波包进行数据的消噪,然后用混沌方法重构相空间吸引子,用径向基神经网络拟合吸引子上的全局整体映射,构成混合预测模型。实验结果表明,将此混合模型用于预测气-固循环流化床的颗粒浓度,能达到较好的预测效果,预测精度比奇异值分解和傅里叶变换除噪高。     

时移地震非一致性影响研究与互均衡效果验证

用地震子波对时移地震非一致性造成影响进行了模拟。将影响因素概括为4种形式，即时移、相位变化、振幅量级不一致，频宽不一致。采用互均衡技术对以上4种情况进行校正，达到了理想的效果。为实际资料的处理和方法研究奠定了理论基础。     

ROI-based Watermarking Scheme for JPEG 2000

A new region of interest (ROI)-based watermarking method for JPEG 2000 is presented. The watermark is embedded into the host image based on the characteristics of the ROI to protect rights to the images. This scheme integrates the watermarking process with JPEG 2000 compression procedures. Experimental results have demonstrated that the proposed watermark technique successfully survives JPEG 2000 compression, progressive transmission, and principal attacks.     

一种基于循环小波累积量的谐波恢复方法

循环统计量是乘性和加性噪声中谐波恢复问题的主要分析工具之一。本文在其基础上提出了一种新的理论与方法——基于循环小波累积量的谐波恢复方法。首先,提出了循环小波累积量的定义。然后,建立了基于一阶、二阶、三阶循环小波累积量的谐波分量的频率和相位的估计方法。在此基础上,采用了一种可调参数的小波,通过调节其参数来改善传统方法中频率分辨率低的缺陷。最后给出了模拟实验结果。     

随机过程的一个小波表示定理

得到一类随机过程 xt( E|xt|2 <+∞ )的一个小波表示定理     

高精度合成地震记录制作技术研究

制作高精度的合成地震记录是精细储层描述的基础，本文在分析合成地震记录原理的基础上，从地震剖面的极性判断、平均速度的选取，反射系数的准确提取，子波的精确估算等方面对制作合成记录的要点进行了分析，通过提高以上四方面的精度，提高了制作合成地震记录的精度，并提出了一套可行的合成地震记录的检查方法。     

一种基于模糊集的医学图像增强方法

鉴于医学超声图像的对比度较差，使得某些图像细节难以辨认，采取基于小波包和模糊集的图像增强方法。结果表明，此增强方法能够增强图像微小细节，提高图像对比度，改善图像的视觉效果，从而提高诊断的准确性。     

基于双正交小波和加权NLDA的人脸识别

文章针对基于零空间线性判别分析方法在高维多类别的人脸识别应用中存在的“次优性”和“效率低”两个问题,提出了一种改进方法.该方法用加权函数重新定义类间离散矩阵以减弱边缘类带来的不良影响来改善次优性问题;并对图像进行双正交小波分解来降低分辨率以到达提高效率的目的.最后在ORL人脸库上进行了实验,通过实验确定了最优加权系数和小波分解的最佳层数,并验证了该方法比基于零空间线性判别分析方法有更高的效率和识别率.