基于小波变换的二重水印算法

结合最大均方根值细节子带中嵌入水印的方法和邻近值算法[1],提出了一种基于DWT算法的二重水印的改进算法。实验证明该算法在抵抗高斯噪声,JPEG攻击,剪切,和中值滤波方面具有很好的健壮性及不可见性,能有效地保护用户的版权。

基于深度学习的无人机航拍绝缘子异常检测

针对电力巡线无人机检测绝缘子缺陷,具有缺陷绝缘子样本数据不均衡、采集难度大等问题,提出一种基于YOLOV5(you only look once V5)算法的绝缘子异常检测模型。首先借助YOLOV5目标检测算法定位绝缘子位置,再把绝缘子图像输入到残差网络提取多层金字塔特征,然后通过K邻近值算法判断特征层像素是否为离群点,由此可判断绝缘子是否存在缺陷。所提方法无须负样本绝缘子图像,仅通过正样本即可训练网络;与常用方法相比,所提算法的准确率和召回率均为最高,表明所提方法泛化性和稳定性较好。

基于LTE-R信号强度特征的列车位置指纹定位技术研究

高速铁路隧道环境中采用LTE-R(long term evolution-railway)无线通信位置指纹定位解算时,针对加权K值邻近位置指纹解算精度低的问题,利用混沌粒子群算法优化权值的良好性能,提出基于混沌粒子群优化的加权K值邻近算法对列车位置指纹定位在线阶段进行指纹匹配解算,分别讨论了指纹间距取25 m、50 m、100 m时混沌粒子群优化加权K值邻近算法的收敛性和精确性.仿真结果表明:经混沌粒子群优化的加权K值邻近算法收敛速度更快,定位解算结果精度更高;在提高列车位置指纹定位精度方面,比单纯的加权K值邻近算法以及经粒子群优化的加权K值邻近算法更具优越性,当指纹间距取25 m时,列车定位误差小于25 m的概率高达96%,使隧道环境中列车位置指纹定位精度得到有效改善.