煤矿监控图像增强算法的分析与实现

针对煤矿井下粉尘多、光照差的恶劣环境使得矿井监控图像偏暗、对比度低、视觉效果差的特点,提出了一种基于小波变换和模糊理论的图像增强算法。该算法选择小波变换为工具分解图像,应用新的模糊隶属度和增强算子对高频信息进行模糊处理,利用直方图均衡化对低频信息进行处理,最后对图像进行重构。处理结果较好地增强了图像细节信息,从整体上改善了图像效果。     

Arnold置乱在零水印中的二次复用

为了提高水印的鲁棒性和减小对应版权信息的大小,本文提出了一种基于Arnold变换、DWT和SVD的零水印算法。该算法将载体图像进行DWT变换,对低频子带进行分块SVD;比较置乱后的最大奇异值的大小,若大于则对应位为1,否则为0;将结果与预处理过的水印做异或运算,得密钥矩阵。该矩阵为检测水印提供密钥。实验证明,本算法对图像压缩、滤波、模糊、噪声及脏图具有良好的鲁棒性。     

SVD域的图像高斯噪声强度估计

精确估计图像或视频中的噪声强度对于后续的信号处理是至关重要的先决条件。通过对含噪图像的奇异值特性的研究,提出一种精确的SVD域的图像噪声强度估计算法。该算法对噪声强度估计提出了创新的解决方法:1)利用奇异值的尾部数据进行噪声强度估计,这样达到尽可能地降低图像信息对噪声估计的干扰;2)对含噪图像加入已知强度的高斯白噪声,以计算噪声估计时需要设置的与图像内容相关的参数,因此该算法可以自适应图像的结构,能够广泛地适应各种类型的图片。实验结果表明SVD域噪声强度估计算法适用于各种图片类型,而且在极大的噪声强度范围内都能够稳定精确地估计噪声强度。     

基于等效陀螺的捷联惯导快速两位置对准仿真

研究优化惯导系统的可观性能,提高捷联惯导两位置对准的速度,有助于提高导航的准确性和快速性,将水平速度误差和等效陀螺误差作为系统观测量,提出采用静基座下快速两位置对准的新方法.在常规对准方法的基础上,建立了引入陀螺信息的观测方程,用奇异值分解方法分析了新系统可观测性,推出了第一位置可观测量的最优估计及估计误差.根据状态快速收敛的特性,提出采用PCWS方法,对加速度计和陀螺进行了有效的标定,并进行了仿真,结果证明方法有效提高加快了两位置对准的速度,能充分利用陀螺信息,有效提高了惯导系统的可观测性,缩短对准时间,具有重要的参考价值.     

基于可分解的卷积核和快速傅立叶变换 FFT 的指纹图像增强算法

指纹识别系统在图像增强阶段涉及很多卷积运算,占用大量的计算时间.在不利用专门的 DSP 处理器进行指纹图像增强处理情况下,常规的卷积运算计算时间非常长.在指纹图像增强过程中,卷积运算主要集中在方向场估计和高波滤波两个阶段.为此本文提出了一种指纹图像增强算法,利用可分解的卷积核和快速傅立叶变换来替换常规的卷积运算,可减少算法的时间复杂度,快速实现指纹图像增强     

一种基于均值量化的公钥音频水印方案

提出了一种基于均值量化的公钥音频数字水印方案.该方案首先把两幅不同的图像经过混沌映射产生的随机序列进行置乱处理,而后对置乱图像降维,进行哈达玛编码,最后通过均值量化的方法嵌入到原始音频载体.实验分析表明,实验证明本文提出的基于公钥的数字音频水印算法鲁棒性和不可感知性都比较好.在算法引入第三方的权威机构可以在网络中设置版权监视,可以有效判定版权归属.     

改进型云计算VM资源调度方法

针对云计算框架中VM资源调度问题,提出一种改进型云计算VM资源调度方法.首先,将直觉模糊机制和Canopy算法融入传统的模糊c均值聚类算法,设计一种改进型直觉模糊c均值聚类算法,用以完成对用户任务请求进行聚类;其次,设计一种改进型粒子群算法,对云计算中的VM资源进行分配.通过在Cloudsim平台上的仿真实验结果表明,本文方法无论在资源调度效率,还是收敛性效果方面均优于经典调度方法,预期可以作为云计算框架中一种有效的资源调度方案.     

基于l1范数相干度的量子态区分

为探究区分量子态的最优策略,以相干作为资源,利用附加辅助系统的方法来区分非正交量子态,并给出了l₁范数相干度与区分量子态的成功概率之间的数值关系,同时量化了某些特定情况下不出错的量子态区分(UQSD)的最优协议所需的l₁范数相干均值.本文的研究结果表明,通过调整生成的相干度可以提高区分量子态的成功几率.     

基于模糊数学的高维稀疏数据聚类统计方法设计

传统的数据聚类统计方法仅适用于低维数据聚类问题,为此,本研究设计了基于模糊数据的高维稀疏数据聚类统计方法,以期提升高维稀疏数据的聚类统计效果。以模糊C均值聚类算法为基础,通过优化初始聚类中心解决局部最优问题,缩短聚类统计时间;然后引入权重机制,令该方法适用于高维稀疏数据聚类统计。基于此,以余弦距离替换原有的欧几里德距离,提高高维稀疏数据聚类统计效果。实验证明：在数据维度不同时,该方法均有较优的聚类统计效果。当数据维度较低时,分块比例为10%时聚类统计效果最优;当数据维度较高时,分块比例为40%时聚类统计效果最优。在不同稀疏度等级时,该方法的命中率和聚类统计效率均较高。     

敏捷化AIOps框架及运维数据质量评估方法

敏捷化智能运维(AIOps)框架将模型构建提前至测试阶段,利用该阶段产生的监控数据代替线上采集的数据以训练AIOps模型,进而实现智能运维的早开发与早使用. 运维数据质量评估方法通过最大均值差异度量方式,分别在健康评估与故障诊断运维场景下对训练数据分别进行趋势性、阶段性、可检测性及可诊断性评估,以预估数据对模型的适用性. 基于华为技术有限公司提供的测试环境设置测试用例并构建实验数据集,在该数据集上的实验结果验证了敏捷化AIOps框架的可行性及数据质量评估方法的有效性.