基于二元树复小波域的数字水印算法

提出了一种改进的、基于二元树复小波变换的数字水印算法。该算法对水印的嵌入和检测机制进行了改进,使用了扩频嵌入机制和纠错码技术,检测算法性能时将同样的嵌入机制应用在离散小波变换(DWT)中,并采用水印检测软件对它们进行检测对比。实验结果表明,该水印算法能够适应局部图像的变化,水印对于压缩攻击、大部分的滤波攻击都有很好的鲁棒性。

结合复小波域和空间总变分的无参考图像清晰度评价

目的针对频域和空域相结合的清晰度评价方法耗时太长、与主观评价一致性不高等问题,提出结合复小波域和空间总变分的感知清晰度评价方法。方法采用低通滤波的方法将原始图像再模糊,得到其参考图像;在复小波域上采用局部相位一致性计算原始图像和参考图像的清晰度图,在空间域上采用总变分计算原始图像和参考图像的清晰度图;分别将原始图像以及参考图像各自的2幅清晰度图进行几何加权平均,得到2幅整体的感知清晰度图;计算2幅感知清晰度图的相似性,得到原始图像的感知清晰度值。结果在LIVE数据库上的SROCC值达到0.9476,CC值达到0.9483,一幅测试图所耗时间为6.003 s。结论实验证明文中算法的评价性能较优,相较同样结合频域和空域的评价方法计算复杂度降低,耗时较少,更加符合人眼视觉主观感知清晰度。

采用时域和复域小波变换的光纤周界振动信号识别

针对光纤周界安防系统存在报警率低和误报率高的问题,提出一种时域和复域小波变换相结合的光纤周界振动信号识别方法,以降低误报率、提高报警率并确定振动时间。该方法首先用光纤信号的时域小波特征来抑制干扰信号,排除静默信号并判断是否有振动发生;其次用信号复域小波特征中的能量分布和相位特征构造出光纤信号的识别特征;最后用支持向量机作为分类器训练光纤振动信号并识别出振动类型。

基于数据挖掘的光照变化复杂图像识别方法

光照变化复杂图像识别一直是图像研究领域中的难点,当前光照变化复杂图像识别方法无法消除光照变化对图像识别结果的干扰,导致光照变化复杂图像识别精度低,为了获得更优的光照变化复杂图像识别结果,设计基于数据挖掘的光照变化复杂图像识别方法。首先收集光照变化复杂图像,采用双边滤波算法对光照变化复杂图像进行预处理,增强光照变化复杂图像清晰度,然后采用双树复小波域变换提取光照变化复杂图像识别特征,并采用数据挖掘方法建立光照变化复杂图像识别模型。实验结果表明,数据挖掘可以描述光照变化复杂图像的类型,光照变化复杂图像识别精度超过95%,有效降低了光照变化复杂图像识别错误率,具有比较明显的优势。

基于时频特征的光纤周界振动信号识别

在光纤周界安防系统中,蓄意入侵和环境噪声均能引起光纤传感器振动,在保证系统高灵敏度的前提下区分入侵和非入侵事件极为重要。为了有效识别各种光纤振动信号,本文依据入侵和环境噪声引起的光纤振动信号在时域上的短时特性以及复小波域各尺度上能量分布特征,提出了两级判别法识别光纤信号。第一级用时域特征,短时能量和短时平均过零率判断是否有振动发生;第二级用复小波提取光纤信号的能量分布特征,联合时域特征形成特征矢量,支持向量机(SVM)作为分类器识别是否为入侵信号及入侵类型。实验结果表明,此方法可以有效识别入侵信号和环境噪声引起的非入侵事件,提高了系统报警率,降低了误报率。