基于离散余弦变换的快速对抗训练方法

为了提升深度神经网络的鲁棒性,从频域的角度提出基于离散余弦变换(DCT)的快速对抗训练方法.引入对抗初始化生成模块,根据系统的鲁棒性自适应地生成初始化信息,可以更精准地捕捉到图像特征,有效避免灾难性过拟合.对样本进行随机谱变换,将样本从空间域变换至频谱域,通过控制频谱显著性提高模型的迁移与泛化能力.在CIFAR-10与CIFAR-100数据集上验证提出方法的有效性.实验结果表明,在以ResNet18为目标网络,面对PGD-10攻击时,本文方法在CIFAR-10上的鲁棒精度较现有方法提升了2%~9%,在CIFAR-100上提升了1%~9%.在面对PGD-20、PGD-50、C&W等其他攻击以及架构更复杂的模型时,均取得了类似的效果.提出方法在避免灾难性过拟合现象的同时,有效提高了系统的鲁棒性.

基于二维离散余弦变换的加密图像水印算法

将高级加密标准(Advanced Encryption Standard,AES)算法与基于二维离散余弦变换(Discrete Cosine Transform,DCT)的水印嵌入和提取算法相结合,得到基于二维离散余弦变换的加密图像水印算法。该算法先对嵌入水印进行AES加密,再在DCT域将加密后的水印嵌入载体图像。提取水印时,算法先对嵌入信息的载体图像进行DCT变换,再在DCT域完成嵌入信息提取,最后对提取的密文信息进行AES解密,得到嵌入水印。通过抗攻击能力分析,证明该算法能够同时保证嵌入信息的隐蔽性和安全性。

结合离散余弦变换与离散小波变换的无损彩色图像加密算法

为使图像在网络中进行安全传输,结合频域领域的图像加密相关研究,提出一种新的彩色图像加密算法。首先将明文图像划分为三基色分量,执行二维离散余弦变换(DCT)得到DC和AC置乱序列;然后对置乱矩阵执行二维离散小波变换(DWT)得到4个子带矩阵,并对置乱后的子带执行逆二维小波变换得到用于扩散的二进制矩阵;接下来将二维十进制矩阵转化为三维二进制矩阵,并对两个二进制矩阵执行异或运算,将其转化为二维十进制矩阵;最后进行扩散操作得到密文图像。实验结果表明,该算法能有效抵抗明文攻击与非法者攻击。

基于离散余弦变换的磁位谱分析及磁异常导数计算方法

针对提高磁异常导数的计算精度,提出磁位离散余弦变换谱的分析方法.根据重磁位场的泊松公式,利用余弦变换给出磁位与磁场分量间的余弦变换谱关系,推导出磁异常n阶导数的余弦变换谱公式.利用余弦变换法计算的无限长水平圆柱体磁异常水平和垂向一阶导数的最大误差分别为-0.28 nT/m、0.47 nT/m;水平一阶导数的误差一般在-3.57%-3.27%之间,垂向一阶导数的误差一般在-1.94%-1.88%之间;计算的磁异常一阶导数值与理论值大致重合,而且不受有效磁化倾角的影响.而Fourier变换法计算的水平和垂向一阶导数最大误差分别为-10.62 nT/m1、4.42 nT/m,计算曲线与理论曲线偏离大,受磁化倾角的影响也较大.这说明与Fourier变换法相比,余弦变换法计算的异常导数精度高,而且具有良好的稳定性.

离散余弦变换(DCT)编码在地震勘探数据压缩中的应用

利用离散余弦变换和游程编码技术相结合进行地震数据体的压缩研究,指出该技术是一种有损压缩技术。对于不同的松散度、信噪比等的数据其压缩比是不同的。在压缩过程中对层间信息和高频成分有一定的损失,损失的程度与数据的压缩比有直接关系。压缩越大,则数据的损失就越严重,压缩比大到一定程度时,数据恢复后就改变了原有的特征,所以一定要取的适度,这与数据的波形误差与频谱形态有关。

基于内容的离散余弦变换域自适应遥感图像数字水印算法

提出一种适于遥感图像知识产权保护和机密信息传递的离散余弦变换域自适应数字水印嵌入算法,该算法能够通过数字水印置乱、嵌入位置自适应选取、嵌入深度智能调节等措施,将二值水印图像信息安全地嵌入到遥感图像(纹理区)的离散余弦变换域中高频系数内。实验结果表明:该遥感图像数字水印算法不仅具有较好的透明性,而且对诸如叠加噪声J、PEG压缩、平滑滤波、几何剪切、图像增强、马赛克等攻击均具有较好的抗差性,整体性能优于Ho等提出的数字水印嵌入方案。

采用离散余弦变换的小波图像去噪方法

提出一种通过对小波域中噪声能量的估计来进行去噪的新方法。算法采用离散余弦变换(DCT)提取小波系数的主要特征,无需对噪声方差进行估计。对图像进行小波分解,利用 DCT对高频子带进行局部特征提取;利用部分 DCT 系数对小波系数进行重建,并以重建系数的平均能量作为局部噪声能量的估计;去除原小波系数中的噪声分量后,进行小波逆变换,得到去噪后的图像。实验证明,其峰值信噪比(PSNR)比通常的阈值萎缩法提高了 2-4dB。

离散余弦变换编码的现状与发展研究

1974年由Ahmed和Rao提出的离散余弦变换,至今已有30年历史。此间,DCT编码已发展成为JPEG、MPEG、H.26x等图像/视频编码标准中的核心。尽管Shapiro的EZW以及Said等人的SPIHT小波编码的成功应用,对传统的DCT编码提出了挑战,但Xiong等人利用嵌入式DCT块变换之间的直流相关性,以及对DCT后的系数进行策略性重组或层式DCT同样具有小波多分辨率图像的分解特性。此外,基于层次嵌入式DCT、形状自适应DCT、截短DCT、感兴趣区域支撑DCT以及形态DCT等改进形式的编码,都是将基于DCT变换编码推向更高层次。就DCT改进的变换,以及DCT系数的应用,如利用DCT系数实现信息隐藏等,也使得基于常规的DCT变换编码有了更广阔的应用与发展空间,文章就此作了广泛的比较和深入的研究,并指出了发展方向。

离散余弦变换的改进的算术傅立叶变换算法

离散余弦变换 (DCT)是数字图像处理等许多领域的重要数学工具 .本文通过一种新的傅立叶分析技术———算术傅立叶变换 (AFT)来计算DCT .本文对偶函数的AFT进行了改进 .改进的AFT算法不但把AFT所需样本点数减少了一半 ,从而使所需加法计算量减少了一半 ,更重要的是它建立起AFT和DCT的直接联系 ,因而提供了适合用于计算DCT的AFT算法 .本文推导了用改进的AFT计算DCT的算法并对算法进行了简要的分析 .这种算法的乘法量仅为O(N) ,并且具有公式一致 ,结构简单 ,易于并行 ,适合VLSI设计等特点 ,为DCT的快速计算开辟了新的途径 .

图像压缩中的快速方向离散余弦变换

传统的二维DCT(discrete cosine transform)无法稀疏表示除水平或垂直方向以外的边缘,而具有强方向表示能力的方向预测离散余弦变换(directional prediction DCT,简称DPDCT)计算复杂度又过高.针对这些问题,提出了一种快速方向离散余弦变换(fast directional discrete cosine transform,简称FDDCT).该算法沿给定的方向模式进行变换,避免了DPDCT中的插值运算,可以快速、稀疏地表示图像中各向异性边缘信息.此外,FDDCT通过设计块边界提升,在进一步集中边缘能量的同时保证了算法的完全重构.实验结果表明,FDDCT计算复杂度不超过DCT的1.4倍;采用同样的编码方法,基于FDDCT的压缩图像与基于DCT以及DPDCT的压缩图像相比,峰值信噪比可提高0.4dB^1.6dB,而且边缘细节更加清晰、完整.

基于离散余弦变换和小波变换的电能质量扰动信号检测方法

综合离散余弦变换和小波变换模极大值原理在时频分析中的优点,提出了基于离散余弦变换和小波变换的电能质量扰动信号检测方法。先通过离散余弦变换检测出各种基频干扰(电压暂降、电压暂升和电压间断)和各次谐波(包括暂态谐波),再利用小波变换模极大值原理检测出暂态振荡和暂态脉冲,并实现扰动时间和扰动幅值的测定。该方法具备较强的抗噪能力,仿真结果验证了该方法的有效性。

基于离散余弦变换和区域生长的白粉虱图像分割算法

图像分割是病虫害自动识别的难点之一,目前大多基于颜色、纹理等信息采用阈值法或聚类法进行分割,简单,易实现,但分割精度较低。该文针对田间开放环境中,不能用颜色、纹理特征有效分割病虫害图像的问题,引入离散余弦变换(discrete cosine transform,DCT),提出用清晰度对病虫害图像进行分割,以提高分割精度。DCT的低频信号表示图像轮廓,高频信号表示图像细节,对于病虫害图像,焦点通常聚集在目标区域,该文提出截断DCT高频信号,再与原图做差的方法以区分清晰部分和模糊部分,然后结合病虫图像局部聚合度较高的特性,利用区域生长方法提取完整目标。采用该算法对白粉虱图像进行分割测试,并与阈值法和GMM方法比较:分割结果中,目标的一致性和边缘的清晰度明显好于阈值法和GMM方法,平均正确分类率为98.49%,分别较R,B,Y空间中阈值法和Y空间中GMM方法分类正确率高2.96%、3.28%、3.24%和9.65%,差异达到显著水平。基于DCT和区域生长的分割算法鲁棒性高,能够有效地将病虫害区域从自然环境中采集的叶片中分离,可用于分割白粉虱图像。

基于多级离散余弦变换的鲁棒数字水印算法

将多级离散小波变换的"多级"思想引入到离散余弦变换中,并对多级离散余弦变换的特性进行了分析,在此基础上提出了一种基于多级离散余弦变换的数字水印算法,该算法从多级离散余弦变换系数中选择适当的位置嵌入水印信息.实验结果表明文中算法的鲁棒性优于常规基于离散余弦变换的数字水印算法,并且它的实时性不受多级变换的影响.此外,该文对多级离散余弦变换中变换系数和变换级数的选择进行了研究,实验结果表明合理选择变换系数进行二级变换可以获得最佳性能.

离散分数余弦变换在碰摩声发射信号降噪中的应用

声发射信号经常淹没在各种复杂的非平稳噪声中,使得对有用的声发射的识别非常困难,因此,在声发射识别时进行信号增强成为诸多研究者的关注热点。离散余弦变换是声信号增强的有效方法。基于态函数,给出了分数余弦变换的新定义,提出三周期离散分数余弦变换方法,介绍了基于三周期离散分数余弦变换的声发射信号增强算法和改进算法的推导过程。实验数据为在转子实验台上采集的碰摩声发射信号,通过在该信号上叠加高斯白噪声和非平稳噪声来获得模拟的严重噪声污染的声发射信号,然后用增强算法及改进算法对该信号进行降噪处理和声发射信号识别。实验结果表明:两种算法对多种非平稳噪声环境下的碰摩声发射信号均能取得较好的降噪效果,且优于离散余弦变换,是声发射信号识别的有效途径。

基于离散余弦变换和支持向量机的多光谱纹理图像的茶叶分类研究

提出一种利用多光谱图像纹理特征进行茶叶分类的新方法。图像由MS3100-3CCD光谱成像仪获得,光谱成像仪提供近红外(NIR)、红色(R)和绿色(G)的3个波段的图像。首先对原图像的NIR波段图像提取均方值,然后应用离散余弦变换算法,构造出8个带通和高通滤波器对NIR通道的图像进行滤波并提取均方差值,最后应用支持向量机技术,分别对原图像的NIR提取的均方差值和用8个滤波器滤过的图像提取的均方差值进行建模。茶叶样本总共为240个,训练和预测各为120个,每种训练样本和预测样本各为20个。结果表明经过8个滤波器处理图像的识别率为100%,而没有经过滤波处理的纹理图像识别率只有73.33%,说明离散余弦变换算法设计的滤波器是一种非常有效的纹理识别技术,此实验同时也为茶叶的分类提供一种快速和无损的新方法。

基于离散余弦变换的红外目标识别算法

提出了一种基于离散余弦变换的红外目标特征描述方法,通过离散余弦变换描述子提取平移、旋转、尺度放缩等变换下不变性的目标形状特征,利用前向传播神经网络学习及识别这些特征向量,对3类不同姿态下的目标图像进行了分类识别,并将所提出的特征提取方法与傅立叶描述子进行比较。仿真结果表明,和傅立叶描述子相比,在保证识别率不变的情况下,采用余弦变换描述法可以减少数据运算量和运算时间。

茶叶近红外光谱数据的离散余弦变换压缩方法

利用离散余弦变换具有的去相关能力,通过引入阈值和保留能量来定量描述茶叶近红外光谱数据 离散余弦变换后的特性.结果表明,离散余弦变换对近红外光谱具有较强的压缩能力。

离散余弦变换域图像数字水印技术

基于变换域的水印技术由于其较好的鲁棒性和安全性成为了目前水印技术领域研究的热点。详细地分析了目前离散余弦变换域的图像数字水印技术,对离散余弦变换域的算法进行分类比较,并对拉伸因子α的取值以及对图像水印嵌入效果的影响进行了讨论,提出了一些有效的水印方案,实验结果表明了其对常见攻击的抵抗性。分析和讨论了DCT变换域图像数字水印技术在嵌入水印方面的实现。

彩色图像三维六边形离散余弦变换编码

为了适应人眼视网膜细胞的正六边形结构的排列方式并充分利用彩色图像各颜色分量间的相关性,提出了一种基于六边形采样的三维离散余弦变换方法。该方法根据传统的矩形采样和正六边形采样之间的关系来完成两者的转换;然后在已有的六边形离散余弦变换的基础上提出三维六边形采样的离散余弦变换,并验证它的能量集中性。最后,在同一个模型下建立彩色图像的空间位置和颜色分量,并利用提出的方法分别以不同的子图大小对不同的图像进行整体变换。实验结果表明:相对于传统的矩形采样,提出方法的压缩比提高了约51.1%,峰值信噪比提高了约16.3%,从而有效地降低了彩色图像各颜色分量间的相关性。得到的结果表明,利用六边形采样技术可以提高采样率,降低编码速率。

基于多维矢量矩阵的离散余弦变换快速算法

为了提高彩色视频流压缩变换的速度,缩短变换时间,将基于多维矢量离散余弦变换(DCT)正交矩阵的视频流压缩算法同现有的快速DCT算法相结合,提出了基于多维矢量矩阵DCT的快速算法。首先,对一种实用性较强的一维快速DCT算法进行部分校正与补充,并将两种极具代表性的二维快速DCT算法,即行列分解法和线性组合法拓展到了多维层面。然后,结合多维矢量矩阵理论,推导出了两种DCT快速算法及其蝶形示意图,并分析了算法的乘法运算次数。最后,将这两种基于多维矢量矩阵的DCT快速算法应用在标准视频库中测试视频的压缩编码中,同时做了对比实验。实验结果表明:两种算法在DCT时所需的时间均小于0.25s,满足视频实时性的要求。该算法在保证重建视频质量的同时降低了运算时间,并将DCT快速算法从低维扩展到了多维,可以处理更多维数的视频。