基于BP神经网络的盲数字水印算法

该文将二值水印嵌入到宿主图像的小波变换域的低频分量中,利用BP神经网络很好的非线性映射和自学习、自适应学习特点实现水印信息的盲提取,仿真实验结果表明该算法既能抵抗常规的图像处理攻击,也能抵抗一定程度的几何攻击,如JPEG压缩、剪切、加噪和滤波等,具有较好的鲁棒性和不可见性。     

一种基于ICA的脊波域数字水印算法

鲁棒性是数字水印的基本要求之一,水印嵌入的位置和强度直接影响到水印的鲁棒性。脊波变换是新型的多尺度分析方法。本文提出的脊波变换是图像在有限Radon变换(FRAT)的基础上进行二维小波变换,将Arnold置乱后的水印嵌入到图像的脊波系数中,利用独立成分分析(ICA)进行水印提取。实验结果表明,在强烈攻击的情况下,此方法具有良好的水印不可见性,对Gaussian、JPEG、Speckle攻击具有良好的鲁棒性。     

一种基于颜色自动相关图与小波变换的图像检索算法研究

随着图像数据量的不断丰富和人们需求的不断提高,基于内容的图像检索技术成为一个重要的研究课题。本文研究了基于颜色相关图与小波变换的图像检索算法,利用颜色相关图与小波变换,把图像分块分别提取图像的颜色特征与纹理特征,实现了图像的检索。实验结果说明了算法的有效性。     

基于纹理和高斯密度特征的图像检索算法

直接从DCT域中提取图像的特征是提高图像的检索效率的方法.直接从压缩域中提取图像的高斯密度,即计算图像在8个方向上的分段累加值,形成一个8*4的二维向量,再结合图像的纹理特征来进行图像检索.为了验证算法的可行性,建立了10000幅图像的图像库.实验结果表明,该方法能够准确地检索出目标图像,有效地提高了图像检索的精度和速度.     

量子Haar小波变换算法设计及应用

设计了基于通用量子语言Q_language的量子Haar小波变换算法,该算法对于小波变换的应用和量子算法的完善具有重要的意义.分析了3个量子位Haar小波变换过程,给出了量子Haar小波变换算法的Q_language语言描述,并分析得出其时间和空间复杂度,然后给出了实现量子Haar小渡变换应用方法.     

基于能量和频繁模式的数据流预测查询算法

设计了数据流预测查询的新模型,包括局域流能量预测、能量分布模式挖掘及预测序列的重构和数据流能量的度量方法;设计了融合数据流能量回归与基于频繁模式的小波分解预测新方法,并将新算法推广到强偶合多数据流的预测查询;提出了最近最频繁序列模式的新概念,并应用于局域流能量分解;在真实数据上的模拟实验,验证了算法的有效性.     

二维内插的OFDM导频信道估计的研究

正交频分复用(OFDM)是一种多载波传输和调制技术,其主要特点是频带利用率高、抗多径干扰能力强,目前已成为无线通信高速数据传输的主要技术。介绍了OFDM系统的工作原理和二维信道估计技术,着重研究基于二维内插方式和二维变换域方式的PSAM信道估计技术,针对导频特点提出变换域插值一种改进的方法并与线性差值、样条差值进行对比。采用Simulink构建系统基带仿真并验证Rayleigh信道下各种二维插值方法的BER性能,结果表明该改进方法可行且具有良好的性能。     

基于多小波变换的模拟电路IDDT故障诊断

动态电源电流测试（IDDT）对模拟电路故障诊断非常有效。针对小波神经网络在模拟电路IDDT故障诊断中存在的缺陷,提吐了一种基于多小波变换的模拟电路IDDT故障诊断方法。即利用多小波变换提取电源电流各频段的能量,作为神经网络的输入特盘向量进行故障诊断。仿真结果表明,该方法是有效的,而且比小波神经网络方法的收敛速率快。     

基于光流场的动态目标分割

采用光流法结合基于小波变换的像素级图像融合算法,研究了一种动态目标分割方法。光流场可以看作是带有灰度的像素点在图像平面运动产生的瞬时速度场,算法先以光流法计算出的动态目标瞬时速度场的水平速度分量和垂直速度分量作为初始信息,再利用基于小波变换的融合算法获得动态目标的初始分割,最后对初始分割结果进行图像去噪和图像增强,并最终获得清楚的分割图。实验证明,该方法能够产生良好的目标分割效果。     

基于人工神经网络的暂态电能质量现象的分类与识别

暂态电能质量信号具有发生随机性,持续时间短和非平稳的特性,使得信号的识别实现较为困难。目前对电能质量信号进行辨识的方法有基于规则的专家系统方法、基于神经网络的方法以及结合小波变换技术的神经网络方法等。利用小波变换和人工神经网络的结合方法,对各种暂态现象实现有效地识别和初步地分类。