基于L_(2) Wasserstein距离的正态性检验的Bootstrap方法

目前有很多检验正态性假设的方法.这些方法主要分为两种类型:一种是基于经验分布函数的检验,另一种是基于相关性和回归的检验.在本文中,我们提出了一种新的基于L_(2) Wasserstein距离和第i个样本顺序统计量近似分布的两步检验方法.我们讨论在零假设下新检验方法的特性,并与最常用的几种检验分别在四个备择分布组进行功效比较.最后,将新方法应用于分析实际问题.仿真结果表明,新检验方法提高了鉴别不对称长尾备择分布的效率.

基于四元极谐变换矩与显著特征的图像鲁棒哈希算法

为了增强哈希序列对各种几何变换攻击的鲁棒性,设计基于四元极谐变换矩与显著特征的图像鲁棒哈希算法。引入线性插值与自适应Wiener滤波器,实现初始图像的预处理;计算预处理图像的颜色向量角度,并基于Fourier变换,得到其对应的幅度信息,以获取两个不同的频谱;计算两个频谱的残差,确定图像中的局部显著性区域;通过LBP算子,提取显著特征;基于四元极谐变换(Quaternion Polar Harmonic Transform,QPHT),获取预处理图像的QPHT矩;联合显著特征与QPHT矩,形成过渡哈希数组。引入Logistic映射,定义加密函数,实现对过渡哈希数组的加密,输出最终的哈希序列,以增强其抗碰撞性能。测量源图像与可疑图像之间的哈希序列所对应的l_(2)范数距离,并将其与优化阈值比较,对图像的真实性做出判断。在多种几何变换攻击下完成测试,输出数据显示:较当前准确性较高的哈希方法而言,该算法具有更理想的鲁棒性与识别准确率。