基于GHM多小波与自适应颜色迁移的信息隐藏算法研究

文章利用GHM多小波一阶变换后最低分辨率子图的4个分量能量分布特性以及自适应颜色迁移理论中lαβ域对颜色的控制力和自适应颜色迁移公式对象素的修改能力,提出基于GHM多小波变换和自适应颜色迁移理论的信息隐藏算法。算法在LL2中嵌入鲁棒参数,以RAID4方式在LH2和HL2中嵌入隐藏信息,在HH2中嵌入脆弱性标识。算法应用Chebyshev混沌映射和遗传算法改变嵌入信息顺序,提高了信息与载体一致性。实验表明,算法的不可见性平均提高24.43%,鲁棒性提高19.25%以上,且感知篡改能力敏锐。

基于压缩感知和GHM多小波变换的信息隐藏算法

针对基于秘密信息置乱方法等类型的信息隐藏算法不可见性低和抗攻击性弱这一问题,提出了一种基于压缩感知和GHM多小波变换的信息隐藏算法。首先,将载体图像进行一次GHM多小波变换,再对所得到的中间能量区域进行一次小波变换得到HH分量,将HH分量进行奇异值分解;其次,将秘密图像进行小波变换,将得到的小波系数进行压缩感知得到观测矩阵,再对观测矩阵元素进行奇异值分解;最后,利用秘密图像的奇异值替换掉载体图像的奇异值来完成秘密信息的嵌入。实验结果表明,相比两种加密算法,算法不可见性(PSNR值)分别提高5.99%和22.11%;对低通滤波、椒盐噪声、高斯噪声、JPEG压缩等常见攻击具有良好的鲁棒性,相关系数(NC)平均增强了4.11%和11.53%。

基于GHM多小波的电力系统故障录波数据压缩算法

针对电力系统大量故障录波数据的传输问题,提出了一种数据压缩的新方法。首先利用GHM多小波变换将故障数据分解为高频系数和低频系数,对于高频系数用嵌入式多小波零树编码和游程编码相结合的算法进行压缩,而对于包含原始信号大部分能量的低频系数则采用Huffman无损压缩方法。实验结果表明,该算法压缩比可以在1.3513%～24.0231%间实现自由变换,赋范均方误差为0.3534%时,压缩比为11.1693%,压缩效果好,具有较高的实用价值。

基于GHM多小波和贝叶斯估计的图像去噪算法

图像信号滤波是数字图像处理领域的重要技术之一。传统的滤波方法存在去除噪声却引起图像边缘模糊的问题,利用GHM多小波变换分析图像信号和噪声的性态,结合贝叶斯估计方法进行非线性阈值和重构,实现了图像信噪分离的目的,提高了信噪比。仿真结果表明,该方法能够有效地抑制噪声,且较好地保留了图像细节。

基于GHM多小波的多模态医学图像融合算法研究

本文研究了基于多小波的多模态医学图像融合。在分析结构成像和功能成像特性的基础上,提出了分层融合的理念。详细阐述了预滤波后,如何使用GHM多小波分解二维医学图像、具体融合规则和多小波重构。与单小波分解相比,多小波要经过分解前的预滤波和重构后的后滤波。实验结果分析证实,该算法融合效果良好,各项指标有一定的提升。

基于GHM多小波与Canny边缘检测的医疗图像隐私保护算法研究

应用GHM多小波变换对CT图像按能量进行重要度分解,得出LL2、LH2、HL2和HH2.之后对最强信息子图LL2和最弱信息子图HH2进行强Canny边缘检测,利用检测图像内容边缘较多较细且几乎对医疗诊断无用的特点,通过对无效边缘进行删除和异或运算处理,达到隐藏病患信息的目的.算法对病患图像进行边缘修改与信息嵌入,不仅保护常规可视效果下的隐私,而且可以安全携带病患的个人已经诊断信息.

基于GHM多小波变换的非织造布多焦面图像融合

针对光学显微镜在单一焦平面下拍摄的织物图像部分区域纤维会模糊的问题,提出基于GHM多小波变换的非织造布多焦面图像融合算法。利用自行搭建的非织造布显微成像系统采集不同焦平面下的织物图像序列,对初始图像序列进行临界采样预滤波处理,使用2种融合方法逐一处理图像的高低频,初始织物融合图像经多小波融合及逆变换后获得,之后按上述方法将初始融合图像与后续单焦面图像融合,叠加循环至融合后所有纤维区域均能清晰显示为止结束收敛。实验结果表明,该融合方法能将不同焦平面下拍摄的图像序列进行数字化图像融合,达到单幅图像内全视野区域的纤维网清晰聚焦融合的效果,为之后的计算机图像处理及测量提供便利。

基于GHM多小波的螺栓连接转子装配紧度定量检测方法

螺栓连接转子是由螺栓将若干段转子或轮盘压紧组合而成的一种具有重量轻、强度高、刚性好、各级轮盘材料选择灵活等优点的典型转子结构形式,被广泛应用于航空发动机与燃气轮机。针对螺栓连接转子装配中存在的盲装、试装、装配紧度一致性差、服役中螺栓紧度退化与松动故障,提出了一种基于GHM多小波的螺栓装配紧度定量检测方法。采用兼备对称性、紧支性、正交性、高阶消失矩等优良特性的GHM多小波对螺栓连接转子螺栓装配状态进行特征提取,通过多小波相对能量分布特征定义了装配紧度定量指标,通过实验验证表明所提出的方法可以准确识别螺栓六种由紧到松的状态。

基于GHM多小波的单相接地故障信号分析

讨论基于GHM小波变换模极大值的信号检测与分析算法,通过MATLAB仿真软件建立了小电流接地电网各种单相接地故障模拟系统,并对单相接地故障后的暂态电气信号进行检测与分析。

GHM多小波变换在医学图像融合中的应用

多模态医学图像的融合是近几年兴起并且发展较快的一种新技术。它能将不同图像提供的互补信息综合在一起,在医学影像学和放射学领域中有着重要的应用价值。本文采用了GHM多小波成功的对不同模态的医学图像进行了融合。实验结果表明GHM多小波能够获得较好的融合效果。

GHM类正交多小波变换及其在地震资料去噪中的应用

多小波是对小波理论的一个新发展,它可以同时满足正交性、对称性、短支撑等良好的特性要求。本文介绍了多小波变换的基本理论、变换过程及预处理方法,提出了基于GHM类多小波分析的地震信号去噪方法。对理论数据和实际资料进行的软阈值去噪处理表明,多小波变换在有效压制随机噪声的同时,还能较好地保留原信号的特征信息,是一种行之有效的去噪方法。

CL多小波图象编码

CL 多小波具有与其他多小波 (如 GHM多小波 )不同的特点 .一幅图象经过多小波变换后 ,原图象的绝大部分能量都集中于最低分辨率子图象 ,而对于 CL 多小波而言 ,其最低分辨率子图象的绝大部分能量又进一步集中于它的第一个分量 .这意味着 CL 多小波图象编码需要考虑的重要系数比其他多小波图象编码减少了四分之三 .本文将 CL 多小波这一特点应用于图象编码 .实验结果表明 ,就压缩比和信噪比而言 ,这种充分利用 CL 多小波特点的图象编码方法 ,其编码结果要优于目前公开发表的

基于多小波的煤矿井下动力电缆故障定位研究

针对基于传统小波变换的煤矿井下动力电缆故障定位方法由于小波函数不具有对称性而存在定位精度差的问题,提出了一种基于GHM多小波的煤矿井下动力电缆故障定位方法。分析了多小波理论的原理,详细介绍了GHM多小波在煤矿井下动力电缆故障定位中的应用。仿真结果表明,动力电缆故障电流信号经GHM多小波变换后各尺度的奇异点不会发生偏移,提高了故障定位精度。

基于GHM和FCM的自适应图像水印算法

提出一种基于GHM多小波变换域上的模糊自适应水印算法。利用多小波系数块的能量、重要系数对小波块进行分类,结合图像自身的局部特性,在多小波系数中的两个相关的细节子图像中自适应地嵌入一幅二值水印图像;为了增强水印的鲁棒性,采用冗余嵌入方法;水印的提取不需要原始图像。实验结果证明,该算法对剪切、JPEG压缩、锐化等多种图像处理具有很好的鲁棒性。

基于多小波分析和分型理论的输电线路故障特征提取研究

将多小波分析和分形理论应用于输电线路故障特征参数的提取中。首先采用凯伦布尔变换对提取的故障电流进行相模变换,对得到的模分量进行GHM多小波变换求取模极大值从而得到故障选相参数,然后采用关联维数计算出不同初始角、不同故障距离下故障电流的分形维数作为故障类型检测的特征参数。仿真结果表明不同类型故障的分形维数差异很大,同一故障分形维数具有一定的相似性。因此,通过提取故障点电流的模极大值和分形维数可以进行线路故障检测。

一族GHM型多尺度函数的构造

从具有2阶逼近的GHM多尺度函数出发,鉴于其逼近阶数相对较低的缺点,利用两尺度相似变换(TST)的方法,构造变换矩阵Mr(ω),将它的逼近阶提高到了任意大于2的整数,并保持了紧支性和对称性,提高了GHM多小波逼近光滑函数的能力。

基于分形理论和小波神经网络的输电线路故障识别研究

采用凯伦布尔变换对故障电流进行相模变换,然后通过GHM多小波变换得到模极大值,再采用关联维数计算出不同初始角、不同故障距离下故障电流的分形维数作为故障类型检测的特征参数,最后将提取的特征参数输入到小波神经网络即可实现故障类型的识别。实验仿真结果表明,采用多小波变换和分形理论提取的特征参数,可以用较少的特征量来表征不同故障类型,且采用小波神经网络进行故障识别,效果较好。

基于离散多小波变换的医学图像融合

研究了基于多小波的医学图像融合,在分析了CT图像和MRI图像特性的基础上,提出了基于离散多小波变换的图像融合框架模型。详细阐述了如何使用GHM多小波对2D图像实现分解———融合规则选择———多小波重构。与单小波不同,多小波分解前需要对图像进行预处理,以及重构后的后处理。文章的最后比较分析实验结果,证实了基于离散多小波变换图像融合相比于单小波融合方法的优越性。

光学相关复杂背景低对比度目标的识别研究

复杂背景的低对比度目标识别一直是目标探测跟踪的关键技术之一。针对光电混合联合变换相关器,以多小波变换为基础,应用GHM多小波对目标联合图像处理,并采用多尺度非线性方法,通过非线性函数有效地改变各尺度上的细节分量,从而改变图像对比度,达到增强目标图像的目的。对复杂背景的低对比度目标图像进行了大量计算机模拟实验和光学相关实验,结果表明,这种基于多小波图像增强算法,对复杂背景的低对比度目标能够获得明亮的相关点,提高低对比度目标的识别率。作为实例,文中给出航行中低对比度船的图像识别。

基于MWNN的铸坯表面多光谱辐射测温方法研究

根据三色测温法原理,利用彩色CCD摄像机所摄取小钢坯图像中的彩色分量,在数字图像处理技术的基础上运用GHM多小波网络(MWNN)对实验数据进行处理,与BP网络处理方法进行比较.实验证明基于GHM多小波神经网络(MWNN)的多光谱辐射测温法在对铸坯温度的测量(温度测量范围为900～1200K)较BP网络训练次数减少一半,训练时间缩到了BP网络的四分之一,并提高了网络收敛速度.