基于小波域的篡改定位可逆水印算法

为了实现含水印图像的篡改定位及无失真提取水印,在小波变换、数字水印和篡改定位技术的基础上,提出了基于改进小波系数调整的可逆水印算法。对载体图像进行小波变换,通过循环取模编码对水印图像进行加密以保证其安全性,通过均匀嵌入算法将加密后水印嵌入到调整后的小波系数中。该水印算法能够鉴别图像的真伪,能够发现载体图像所遭受的恶意篡改区域,并在载体上显示出来。仿真结果表明,与传统水印算法相比,算法能够无失真地提取水印(NC=1),还能通过定位水印找到载体图像发生篡改的位置。     

结合小波变换的梯度场图像渐进融合算法

基于梯度场的图像融合算法只适用于尺度差异不大于1∶4的多光谱图像与全色图像。针对尺度差异为1∶8的北京一号卫星多光谱图像及高分辨率全色图像的融合问题,提出一种结合小波变换的梯度场图像尺度渐进融合算法。利用小波变换方法将多光谱图像与高分辨率全色图像尺度差异倍数缩小,得到基于小波变换的初级融合,再进行基于梯度场的Poisson图像融合。实验结果表明,渐进融合图像与多光谱图像的平均颜色差异值为23.5,与高分辨率全色图像的平均梯度差异值为2.1,多尺度纹理特征值差异值分别为3.98、10.2、18.9,渐进融合图像与高分辨率全色图像的空间细节和纹理细节吻合程度更好。     

融合提升小波和形态学熵权的医学图像边缘检测

为了提高医学图像边缘检测定位的精度,结合基于小波变换和数学形态学边缘检测算法的优点,提出一种融合提升小波和多尺度形态学熵权边缘检测算法。首先应用提升小波边缘检测算法提取边缘,再由多尺度形态学算子进行边缘检测,依据各尺度下边缘图像的信息熵确定权值进而求和得到边缘图像,最后对两种方法得到的边缘图像进行融合。实验结果表明,与传统边缘检测算法相比,该算法融合规则简单,边缘精度高并且定位准确,是一种有效的图像边缘检测算法。     

应用炉膛压力诊断气流床气化炉的火焰状态

气化炉是煤气化技术中的关键设备 .气化炉内火焰燃烧稳定性下降 ,会出现燃烧噪音增加、气化燃烧效率降低及熄火等现象 ,对安全性和经济性产生严重的影响 .对气流床气化炉内不同气化燃烧状态下的火焰压力信号进行了小波分析 .结果表明 ,压力信号在一定频段内的分布与气化炉内火焰燃烧的状态密切相关 ,发现随着火焰燃烧稳定性加强 ,气化炉内压力信号向高频方向移动 ,以此可以建立气流床气化炉燃烧诊断模型 .     

基于Hilbert曲线和位置自调节法的图像版权保护算法

以小波的相关理论为基础,先把水印图像预置乱处理,对宿主图像直接进行小波包分解,之后将水印的低频部分和中高频部分分别采用Hilbert曲线扫描和位置自调节法嵌入到宿主图像中,嵌入强度可根据图像的内容自适应调节。通过实验观察,新算法在抗压缩和抗剪切性能有所提升,同时隐蔽性和抗噪能力也得到了较大改观,结果充分说明该算法是一种性能较为优良的图像版权保护算法。     

基于退化四元小波变换的纸币识别

针对如何提取纸币图像特征和提高识别率的问题,综合利用退化四元小波变换具有的相位特性,提出一种基于退化四元小波变换的纸币识别方法.该方法首先对采集的纸币图像进行倾斜校正和边缘检测,然后运用退化四元小波对纸币图像进行分解操作,并对分解系数进行统计分析,将每个分解子带系数的能量和标准差作为该纸币图像的特征向量,最后将支持向量机作为分类器对纸币图像进行识别.本文方法在资源约束的嵌入式清分系统上实现,实验结果表明采用本文提出的算法突破了传统纸币识别系统识别率很难再提高的瓶颈,同时能够满足清分系统的实时性要求.     

基于火焰摄动谱分布的动态燃烧优化

提出基于火馅摄动谱分布特性与火馅微压振动信号的燃烧控制方法，通过分析三层小速分解后的信号平均幅值变化特点可以找到最优燃烧状态。     

基于纹理的自适应提升小波框架的图像增强

经典二维小波变换仅在图像的水平和垂直方向进行变换,对图像的纹理信息表示能力不足,基于小波变换的图像增强的效果还不尽人意。为了更好地表示图像的纹理信息,提出一种基于纹理的自适应提升小波的图像增强方法,根据图像的局部特征预测图像的纹理方向,沿纹理方向应用小波变换,使图像的纹理信息表示更准确,而且小波变换法在抑制噪声方面性能优良,将其应用于图像增强,仿真及实验结果表明该方法具有有效性和实用性。     

粗集理论及其在旋转机械故障诊断中的应用 (二)旋转机械故障诊断知识库的形成

旋转机械故障诊断知识库形成的主要环节是信号的采集和信号的分析、整理 ;在所有的机械故障信号中 ,振动诊断技术是故障诊断的常用手段 ,对振动信号实现连续、在线诊断的最重要的数学工具是快速傅里叶变换(FFT)和小波理论。通过对实验的观察 ,建立转子故障特征向量和故障类型之间对应关系的数据库 ,为基于粗集理论故障诊断的决策表的形成提供了原始的知识库     

基于改进遗传模拟退火 K-means的心电波形的分类研究

针对心电图自动诊断困难这一问题,提出了一种新的聚类算法：基于均方差属性加权的遗传模拟退火K-means改进聚类算法,用于改进心电图（ECG）信号的自动识别技术。利用小波变换的多分辨率和抗干扰能力好的特点,检测QRS波、P波、T波,提高了特征检测的准确性;利用聚类分析具有较好的鲁棒性和适合于大数据量分析的特点,对心电信号进行波形分类。采用MIT-BIH标准心电数据库中的部分数据对识别结果进行判断,改进后的K-means聚类算法的准确率高于传统的K-means聚类算法,实验表明该算法对心电信号可以进行有效分类。