小波域最小嵌入失真函数设计及其在隐写中的应用

为了提高隐写方案的安全性,提出一种基于最小嵌入失真原理和网格码的图像隐写算法。首先在离散小波域结合人眼视觉特性和整数提升小波变换设计了失真测度函数,主要考虑了亮度、频率和纹理掩蔽因子对载体失真的影响。然后结合网格码设计了隐写算法,将嵌入信息对载体的修改最小化并且集中在人眼不敏感区域。实验结果显示,方案具有良好的视觉不可见性,且能抵抗空域、小波域等隐写分析的攻击,安全容量达到0.4 bits/pixel。     

小波变换在伺服焊枪电极位移曲线分析中的应用

电极位移曲线能够反映出点焊规范参数波动，是一个理想的监控参数。采用离散Daubechies4阶小波对电极位移曲线进行滤波处理，成功地将测量曲线分为电极位移趋势曲线、波动曲线。这两种曲线分别反映了点焊质量的整体质量优劣、过程一致性这两方面特征，提高了位移曲线表征焊接过程的能力，为伺服焊枪的点焊质量控制提供了准确、优良的数据基础。     

基于小波的实时烟雾检测*

传统的离子式、吸气式、光电式等烟雾检测器在大空间中检测烟雾时,会受到发射信号与接收信号之间的距离、平面角度、精确对准等限制,无法对整个空间的烟雾状况进行描述.新的方法通过监测区域的摄像机拍摄的视频图像序列,进行小波变换,分析图像帧在时域和空域的频率特性,来确定被监测区域是否有火灾烟雾的发生.实验证明该方法不受空间高度、热障、易爆、有毒等环境的限制,并且有灵敏度高、抗干扰力强、适用范围广等特点.     

降水和植被变化对龙川江径流量的影响

基于龙川江大峡谷进出口水文控制站楚雄站和小黄瓜园站的长系列水文资料和流域森林盖度变化资料,结合小波分析方法,对降水、植被与径流量变化间相互关系以及径流量各时间尺度准周期变化的本质和形成机制进行了研究。结果表明:研究区降水量序列存在2 a、4 a和14.5 a左右的主周期,径流量序列具有2 a、4 a、6 a和22 a左右的主周期;其中径流量低频振荡所反映的是总径流中来自于壤中水径流和存在于裂隙中的地下水径流的准周期变化,而高频振荡反映的是总径流中来自于地面径流的准周期变化;径流量的年内变化和年际高频振荡主要是由降水量变化所引起的,而径流量序列6 a和22 a的主周期是由土壤和裂隙对降水量序列4 a和14.5 a的主周期滞后放大作用所形成的,径流量序列4 a的主周期是由干热河谷特殊自然地理环境所形成的;径流量与降水量间相互关系在1969年左右发生了突变     

一种基于小波变换的非均匀量化索引调制水印算法

为了提高数字水印的稳健性与不可见性,将图像小波变换与量化索引调制算法相结合,提出了一种基于小波变换的非均匀量化索引调制数字水印算法。该算法对原始图像进行离散小波变换,将中频小波系数分成3×3的系数子块作为水印载体,对子块的系数均值采用非均匀量化索引调制,实现二值水印的嵌入。根据人类视觉特性,不同的系数子块采用不同的量化间隔并自适应于子块内相邻系数的差值。实验结果表明,该算法透明性好,安全性高,对高斯白噪声、剪切、滤波以及JPEG压缩等常见攻击具有较强的稳健性。     

桥梁健康监测中损伤特征提取的小波包方法

针对桥梁健康监测中结构损伤识别的特点,从模式识别的角度提出和分析了损伤特征提取问题.阐述了基于小波包分析的两种节点能量特征提取的方法.为了研究小波包系数节点能量和小波包信号成分节点能量对损伤信息进行特征提取的差异,通过对随机荷载激励下的连续梁进行数值模拟,得到了结构未损和损伤状态下的加速度时程信号.应用小波包变换,对不同结构状态下的加速度信号分别提取了两种小波包节点能量特征,并对它们作为结构损伤特征指标的敏感性进行了比较.认为两种特征指标的敏感性相差很小,而小波包系数节点能量特征指标的计算效率更高,更适合桥梁健康监测中损伤特征提取的要求.     

一种基于小波变换与分形编码的新闻图片检索方法*

该方法使用户可以针对不同需要,准确高效地检索到所需的信息,并可根据需要确定所提取的信息数量。对图片进行小波变换,并分形编码,从而实现对图像特征的模糊分级检索,以完成对图片信息的高效管理。     

基于EMD-WPT-SVD和指数加权平均的MOA阻性电流去干扰方法

金属氧化物避雷器(metal oxide arrester,MOA)阻性电流测量受环境干扰、高频噪声干扰和脉冲干扰等因素的影响,阻性电流实测信号必然含有多种强干扰成分.针对传统阻性电流去干扰方法在多种并发干扰情形下难以适用的难题,提出了一种基于EMD-WPT-SVD和指数加权平均的MOA阻性电流去干扰方法.首先,依据阻性电流中周期干扰的基波频率、采样频率和特征频率是否被间谐波浸没的特点,选取最佳分解层数和最优小波基;其次,对MOA阻性电流进行经验模态分解(empirical mode decomposition,EMD),将含有特征频率的模态分量再使用小波包变换(wavelet packet transform,WPT),使每个子信号最多含有一个特征频率;再采用奇异值分解(singular value decomposition,SVD)准确提取所有子信号中的周期分量;最后,从原信号中准确消除阻性电流受到的周期干扰,然后通过指数加权平均算法得到能真实反映MOA工况的阻性电流变化趋势.将模拟信号和工程实测数据与多种经典方法进行比较,结果证明:所提方法能消除阻性电流的多种干扰,得到能真实反映MOA实时工况的阻性电流,其结果满足实际工程测量的要求.     

基于WNN与FCM的电动汽车动态充电负荷预测方法

随着电动汽车动态无线充电(EV-DWC)技术的发展,针对目前EV-DWC负荷建模理论工作不全面的现状,以交通流量作为影响充电负荷的主要因素,以天气、典型日期、季节等因素为次要影响因素,根据路况建立负荷模型,通过电动汽车型号和状态的聚类不同对汽车分配不同的功率,完成动态充电负荷的建立。采用小波神经网络(WNN)对时序信息进行处理预测,再同误差反向传播神经网络(BPNN)相结合预测充电道路上的车流,短期车流预测精度为85%,用模糊C聚类(FCM)算法对电动汽车的充电类型以及该类型所对应的充电功率进行划分,将进入充电道路的电动汽车分为7种类型。根据各种充电类型分配相应的充电功率,完成日负荷建模。     

涡流检测信号小波除噪与缺陷特征提取

应用小波分析技术进行涡流检测的信号除噪和缺陷识别。根据信号在不同小波变换下表现形式不同的特点，提出一种综合应用多种小波除噪的方法，效果优于通常的单一小波方法。应用小波多尺度边缘检测功能进行缺陷的定位和尺寸判别。借助小波多尺度分析功能，可以对缺陷信号进行仔细分析，并对相近缺陷进行分类。