基于脊波变换的图像篡改检验算法

针对数字图像篡改一种最经常使用的复制-粘 贴篡改手段,提出了一种基于脊波变换的 图像篡改检测取证方法。算法利用了脊波变换是Radon变换切片上应用小波变换这种 特性,实现了 复制-粘贴篡改的鲁棒识别。针对十一大类图像的仿真实验结果表明,算法对于旋转变换、 JPEG压缩和噪 声添加都具有良好的鲁棒性,对于压缩新标准JPEG2000也表现出了较 好的鲁棒性。     

基于有限脊波变换的抗几何攻击图像水印

根据脊波变换在方向识别上的优越性,提出了一种基于有限脊波变换的抗几何攻击图像水印方法。该方法先将原始图像进行一级脊波分解,再将经过三级小波分解后的水印嵌入到图像脊波系数中,以实现图像重构。实验结果表明,该方法能够抵抗旋转、缩放和平移、剪切类几何攻击,同时对JPEG压缩、中值滤波、高斯噪声、椒盐噪声等常见的攻击具有良好的鲁棒性。     

基于PSO-RNN的光伏发电功率预测研究

针对光伏发电功率预测对电力系统的安全稳定和经济运行问题,本文提出了基于粒子群算法优化脊波神经网络的光伏功率预测模型。采用脊波函数作为隐含层激励函数的神经网络,即脊波神经网络,同时采用粒子群算法优化脊波神经网络的权值,并以实际光伏发电站的历史光伏发电数据和气象数据作为仿真算例,对预测模型进行仿真和测试。仿真结果表明,与BP神经网络预测模型相比,基于粒子群算法优化脊波神经网络预测模型的日平均绝对误差和日最大绝对误差均有所降低,证明粒子群算法优化脊波神经网络的预测模型具有较高预测精度,不仅加快了脊波神经网络收敛速度,而且避免了陷入局部最优解,具有一定的实用性及可行性。该研究为光伏发电功率预测提供了理论参考。     

基于曲波变换的渐变镜头转场检测算法

曲波变换在处理“曲线奇异”时有明显的优势。给出了曲波变换的计算方法、公式和具体步骤。对dissolve渐变转场过程中的各相邻帧进行曲波变换。以曲波变换后高频系数的平方作为图像帧的特征量,计算相邻帧间此特征量的欧氏距离。用大量的高清码流对算法进行了实验。实验结果表明,此算法有较高的查全率和查准率。     

基于有限脊波变换和Cycle spinning的图像融合算法

有限脊波变换在处理高维信号时比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能,利用这一特点将其应用于图像融合领域,但有限脊波变换不具有平移不变性,故提出了用有限脊波变换与Cycle spinning相结合的方法消除因移变性产生的Gibbs现象。实验验证结果表明,本文算法能有效提取图像特征,且对边缘特征的表述更加清晰光滑。     

面向彩色图像的尺度和旋转不变性特征提取方法及应用

提出一种面向彩色图像的尺度和旋转不变性特征提取方法,并在真实的场景识别中进行了应用。该方法是先对给定彩色图像的各组成平面分别进行Radon变换,然后对得到的Radon变换系数矩阵进行尺度不变性处理,接着对处理后的Radon变换系数矩阵用频率B样条小波进行1维小波变换,在所得到的脊波系数矩阵中计算均值和方差的同时,采用线性回归模型提取在不同的颜色组成平面下所有频率子波段之间的关系属性,最后将得到的特征进行旋转不变性处理,从而得到所提出的尺度和旋转不变性特征。在3个数据库上进行了实验,结果表明本文方法可靠有效。     

改进的自适应脊波网络的碳通量预测

碳通量同生态因素之间具有复杂的非线性关系,可以通过生态因素预测碳通量。为提高网络的训练速度和预测精度,针对碳通量数据高维、多样本、非线性、超平面奇异的特点,提出了一种改进的自适应脊波网络预测模型,采用高斯牛顿法调整激励函数的参数,运用矩阵分块法和伪逆矩阵计算脊波网络的权值和阈值。通过实验,比较了改进自适应脊波网络、自适应脊波网络和小波网络的训练收敛速度、隐含层节点个数和预测精度。实验结果表明,提出的预测模型预测精度更高,网络结构更稀疏,训练收敛速度更快。     

数字脊波变换及图像的稀疏表示

在二维或更高维空间中,小波不能有效地表达沿边缘间断的物体。脊波变换对连续空间中沿直线奇异的函数能够进行稀疏表达。理论上的吸引力促使人们将其从连续概念转化到数字实现。本文着重比较脊波变换的几种不同数字实现及对于小波的改进。实验结果说明,脊波在对具有直线边缘的图像逼近和去噪时的确比小波有效。     

基于脊波的多光谱和全色图像融合方法研究

应用了双线性插值的矩形阵列到径向阵列的变换算法,给出了一个离散脊波变换的实现方法,将其应用于多光谱图像与全色图像的融合算法中,通过清晰度、灰度方差、信息熵三个方面,将算法结果与小波变换的结果进行了对比,实验结果表明,相对于小波变换而言,脊波变换能更好地处理线和面的奇异性,而且由融合的结果来看,脊波变换得到的结果在清晰度等方面要高于小波变换。     

基于小波神经网络的医学图像分类方法

为了提高乳腺癌早期诊断的准确率,将小波理论与神经网络理论相结合提出改进的小波神经网络算法。将经过预处理的医学图像提取特征值,然后利用基于改进的小波神经网络算法的分类器对医学图像进行分类。通过实验表明此分类器具有较高的分类精度,是有效和可行的;与单独使用后向传播神经网络算法相比分类效果也得到了改善。