基于DWT的水印嵌入规则性能研究

在数字水印研究中,一个重要的问题是水印的不可见性与鲁棒性之间的折中。根据实际应用,数字水印的嵌入规则主要有乘性规则、加性规则和一种区域融合嵌入规则。本文主要从数字水印的抗攻击性方面,结合不同的嵌入规则,对各种常见图像攻击进行测试,在检测不同嵌入规则性能优劣的同时,为水印方法的选择与应用,提供指导和参考,以达到最佳的使用目的。     

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。     

分布式实时仿真的目标语言编译器的应用研究

通过对目标语言编译器的研究,提出了一种在分布式实时仿真控制中,利用控制前端展现目标结构的方法。新方法通过使用TLC嵌入S函数,读取RTW文件,获取其中的相关信息并进行了整合。而后即可使用控制前端对这些信息进行读取,展现目标程序的所有信息。根据上述方法,实现了在分布式实时仿真中,控制前端对目标程序具体结构的展现。测试结果表明,新方法可以完全展现目标程序的所有信息,为实现控制前端对目标程序的实时控制打下了良好的基础。     

HCP金属Mg,Ti,Zr的嵌入原子势

采用嵌入原子法，通过拟合Ｍｇ，Ｔｉ，Ｚｒ六方晶体的晶格常数，内聚能，弹性模量，空位形成能和双原子分子的键长、键能等物理参数，分别得到Ｍｇ，Ｔｉ，Ｚｒ等ｈｃｐ金属的嵌入原子势。用拟合所得的嵌入原子势计算具有相同原子体积的ｆｃｃ，ｂｃｃ结构的能量表明：ｈｃｐ结构的能量低于ｆｃｃ，ｂｃｃ结构的能量，这说明ｈｃｐ结构的势函数是稳定的。     

基于局部线性嵌入和支持向量机回归的TBM施工参数预测

依托吉林引松工程开展隧道掘进机（TBM）施工参数预测研究,提出TBM施工数据分段提取算法,提取上升段前30 s的总推进力、刀盘转速、推进速度、刀盘扭矩、刀盘转速电位器设定值、推进速度电位器设定值、贯入度、贯入度指数(FPI)、扭矩切深指数(TPI)9个参数作为输入;通过局部线性嵌入（LLE）完成对上升段数据特征的降维;基于支持向量机回归（SVR）建立TBM施工控制参数（推进速度、刀盘转速）和负载参数（总推进力、刀盘扭矩）预测模型. 分析是否结合前一掘进循环的FPI、TPI指数进行预测对预测效果的影响. 结果表明,上述方法在推进速度、刀盘转速、总推进力、刀盘扭矩的预测中均取得了较好的预测效果,平均预测绝对百分比误差均小于15%,验证了该预测方法的有效性,该方法可以为TBM现场施工提供指导.     

粗粒料三轴试验橡皮膜嵌入量数值模拟

在粗粒料三轴试验中,橡皮膜嵌入量可造成显著的体积变形量测误差。本文针对颗粒材料的接触特点,利用Nagata Patch方法重建颗粒表面,基于重建曲面进行接触状态的判断和接触几何信息的计算,开发了高效的颗粒接触算法。该法采用dual mortar有限元方法处理颗粒与橡皮膜间的接触模拟,针对橡皮膜变形较大的特点,采用更新坐标的大变形计算格式,并根据重建的颗粒表面对颗粒-橡皮膜的距离进行几何修正,实现了颗粒-橡皮膜接触的精细化模拟,可较好地模拟计算“柔性”橡皮膜嵌入颗粒孔隙的过程。进行了Kramer钢球试验以及粗颗粒料和标准粗砂三轴试验橡皮膜嵌入过程的模拟计算,计算结果符合一般规律,与相应的试验结果吻合较好,验证了本文方法对于粗粒料膜嵌入问题的适用性。     

基于容量参数的二次电池嵌入型电极材料固相扩散系数的测定方法

介绍了一种以容量参数为主变量的测定锂二次电池中电极材料固相扩散系数的方法.该方法只需颗粒半径这一辅助参数,通过球型扩散模型建立了恒流-恒压充电容量(RPG)比,进一步发展成为容量间歇滴定技术(CITT).采用RPG法可在较宽的电压范围内测定嵌入型电极材料的平均固相扩散系数,实验结果重现性好.由RPG法测得0～1.5 V时锂离子在石墨电极中的平均固相扩散系数值为1.055×10-10cm2/s.由CITT技术测得锂离子在LiMn2 O4中的固相扩散系数在3.95 V和4.12 V左右存在个两个极小峰,且随着循环次数的增加,扩散系数值逐渐增大.     

一种自嵌入盲检测鲁棒数字水印算法

为了实现鲁棒水印算法的完全盲检测,提出一种自嵌入盲检测鲁棒数字水印算法。该算法对原始图像分块子图进行小波提升变换得到低频近似分量,对近似分量作非负矩阵分解得到可近似表示子块图像的基矩阵和系数矩阵;在此基础上将系数矩阵量化得到鲁棒水印序列,最后鲁棒水印序列自适应量化嵌入原始图像低频自带近似分量。实验结果表明,该方案对常见信号处理具有很强的鲁棒性,实现了鲁棒水印序列完全盲检测。     

基于局部重构的无监督特征选择方法

利用局部线性嵌入(LLE)算法中获得局部邻域之间的重构关系与使用最小角回归方法解决L1归一化问题都使用回归方法,针对在通过映射获得低维嵌入空间与通过特征选择获得低维空间上有着一致的思想,提出一种能保持局部重构关系的无监督谱特征选择方法.该方法利用最小二乘法计算样本的邻域重构系数,并用这些系数表示样本之间的关系,通过解决稀疏特征值问题获得能够保持样本间关系的低维嵌入空间,最后通过解决L1归一化问题实现自动特征选择.通过在四个不同数据集上的聚类实验结果证明,该方法能更准确地评价每个特征的重要性,能自动适应不同的数据集,受参数影响更小,可以明显提升聚类效果.     

自适应邻域图的流形学习方法

针对目前流形学习方法的嵌入效果非常敏感于局部邻域的选取方式,提出一种自适应邻域图的非线性数据降维方法。该方法考虑数据点周围的点分布信息,自适应地寻找最近邻域大小。不同于传统的邻域选取方法,此方法根据样本点周围的疏密程度来动态地获得最近邻域数,且所得到的各个样本点的邻域数是不等的;将每个样本点与其最近邻点连接,构建自适应邻域图进行有效降维。在人工生成数据集和人脸数据上的仿真结果表明,提出的方法得到了良好的降维效果。