基于数字水印技术的无线传感器网络安全机制研究

利用数字水印技术实现无线传感器网络的安全性。首先分析数字水印用于解决无线传感器网络安全问题的可行性，然后采用基于跳频扩频技术的数字水印、基于数字水印的认证技术来保障无线传感器网络的安全，最后给出数字水印设计实例。研究表明，数字水印技术是一种有效的、切实可行的无线传感器网络安全解决方案。     

ICA变化检测的新方法

基于ICA变化检测方法的原理,利用小波变换实现图像块分割的优化,发挥小波变换的正交性和很好的方向性特征,提出了一种基于独立成分分析的变化检测方法.利用这种方法与ICA方法测得的图像扭曲度、平均梯度、图像质量因数方面相比都要好,实验结果证明了文中算法的可行性和优势.     

基于ICA和波束形成的快速收敛的BSS算法

独立分量分析(Independent Component Analysis,ICA)的BSS算法是一种分离信号的有效方法,但是该方法在进行非线性优化时收敛速度较慢.针对这一问题,本文介绍了一种新的BSS算法,即基于ICA和波束形成的混合算法,该算法比通用的基于ICA的BSS算法具有更好的分离性能,并且由于在ICA中利用了零波束形成,因而有效地改善了算法的分离性能和收敛性能.实验结果表明,该算法适用于混响情况.     

基于ICA和DWT的自适应盲水印算法

为了使数字水印具有较强的鲁棒性和不可见性,提出一种基于独立分量分析（ICA）和离散小波变换（DWT）的自适应鲁棒性盲水印算法.该算法先将载体图像进行小波变换,然后将原始水印进行平铺和置乱,再根据噪声可见函数（NVF）的视觉掩蔽作用,将其自适应地嵌入到载体图像小波变换域的低频系数上,最后利用ICA技术实现了水印盲提取.实验结果表明,该算法的水印不可见性较好,且可抵抗多种常见水印攻击,其中对JPEG压缩、尺度缩放等攻击的鲁棒性较突出,可应用于图像的版权保护.     

改进离散余弦变换图像数字水印技术的研究

针对离散余弦变换存在健壮性不理想的缺陷,提出一种改进的基于离散余弦变换的数字水印新方法。该方法在利用离散余弦变换中高频带系数平均值接近零的特性基础上,将数字水印加上乱序排列法的前置处理。实验结果证明:改进的离散余弦变换不仅能较好地取回数字水印,而且取出数字水印后的图像接近完美,健壮性较好。     

关于SVD水印算法的分析和探究

基于奇异值分解理论的数字水印技术是一种新的值得探讨和研究的变换域水印技术,它的提出为数字水印技术的发展开拓了新的思路和方法。本文对传统的基于奇异值分解理论的数字水印技术进行了深入分析和研究,并提出了改进方法,给出了一种新的基于奇异值分解的数字水印方案。仿真实验证明,新的方法比较好的满足了数字水印的透明性和鲁棒性,能经受住通常的图像处理操作且具有较大的应用潜力。     

一种基于DWT和SVD的多重数字水印算法

提出了一种改进后的基于离散小波变换(DWT)和奇异值分解(SVD)的多重数字水印算法.本算法利用离散小波变换和奇异值分解技术在原始图像的四个子带中都分别嵌入两个数字水印图像.实验证明利用本算法嵌入的数字水印保证了数字水印的不可见性,并证明了用这种算法嵌入的数字水印对常见的攻击有很强的鲁棒性.     

一种基于ICA数据库水印嵌入算法的研究

提出一种基于独立分量分析（ICA）的公开数据库水印方法。利用混合的方法嵌入水印,再利用盲源JADE算法提取水印。理论分析和仿真实验结果表明该算法是有效的。     

基于FRICA算法的非高斯过程故障检测方法

独立元分析(ICA)是一种有效的非高斯过程故障检测方法,但其建模过程仅仅使用正常工况数据,忽视了对先验故障工况数据的利用.针对此问题,提出了一种基于故障相关ICA(FRICA)算法的故障检测方法.该方法使用ICA算法提取正常工况数据中的非高斯特征成分;再将正常工况数据集和先验故障工况数据集融合在一起构成多工况数据集,利用非局部保持投影进行二次特征提取,获得故障判别成分;在两种特征成分的基础上构造新的监控统计量,并利用核密度估计得到相应的置信限,完成对实时数据的监控.连续搅拌反应釜(CSTR)系统的监控仿真结果表明:与基本ICA方法相比,FRICA方法能更有效地检测出过程故障.     

基于改进ICA与v-SVM的车牌识别

提出一种结合改进的基于独立分量分析（ICA）提取算法和基于多层感知器和单向二叉决策树的多类支持向量机分类方法。该算法通过ICA进行字符的特征提取,并利用多类支持向量机分类器完成字符的识别。以对机动车车牌识别实验为倒,实验证明,改进的ICA算法具有更好的稀疏性和更快的收敛速度。用单向二叉决策树将字符图像逐步分类,并引入参数调整环节,实现了绾短字符识别时间并提高识别精度的目的。     

基于盲源分离的大容量图像数字水印方案

文中提出了一种基于盲源分离的大容量图像数字水印算法.将水印像点所对应的序列依次叠加到图像小渡系数中,以增加水印的容量;同时,根据视觉最小可察觉误差值,限制水印最大强度.实现了水印的不可见性.运用基于独立分量分析的盲源分离方法,在水印的嵌入方式和水印强度未知的情况下.将水印和图像数据进行盲分离以获取水印.通过测试.该算法是有效性的.     

Robust Image Watermarking Using Local Invariant Features and Independent Component Analysis

This paper proposes a novel robust image watermarking scheme for digital images using local invariant features and Independent Component Analysis （ICA）. Most present watermarking algorithms are unable to resist geometric distortions that desynchronize the location. The method we propose here is robust to geometric attacks. In order to resist geometric distortions, we use a local invariant feature of the image called the scale invariant feature transform, which is invariant to translation and scaling distortions. The watermark is inserted into the circular patches generated by scale-invariant key point extractor. Rotation invariance is achieved using the translation property of the polar-mapped circular patches. Our method belongs to the blind watermark category, because we use Independent Component Analysis for detection that does not need the original image during detection. Experimental results show that our method is robust against geometric distortion attacks as well as signal-processing attacks.     

一种基于免疫遗传神经网络的盲信号分离方法

提出一种基于免疫遗传优化神经网络的盲信号分离算法。该算法用网络的第一层先对观测矢量作预处理，将其降维与白化，再用网络的第二层对信号进行分离：分离层的权矩阵设计成正交矩阵，并采用免疫遗传优化与独立分量分析相结合的算法，对网络分离层的权值进行训练，其中，取高阶统计量峭度的变形作为训练的代价函数。实验表明，该算法对于盲信号分离是有效的。     

基于改进固定点ICA算法的图像盲分离

独立向量分析根据信源统计独立特性对观测信号进行分离运算,目前采用较多的是固定点独立分量分析(FastICA).考虑到图像信号分离中,图像信号复杂多样,信息量大的特点,采用改进固定点ICA算法对图像进行分离,克服了采用固定点ICA算法计算量大、收敛速度慢的缺点.文章采用随机提取的独立图像做实验,取得了稳定性较强的效果.     

一种基于ICA的盲源分离定点迭代算法

介绍了一种基于ICA的定点速代算法，并给出算法的模型、步骤和仿真结果。该算法以峰度作为独立性判决准则，在迭代过程中，使用定点算法，快速有效地分离出任意分布的非高斯独立源信号。实验表明，与传统的基于随机梯度的ICA算法相比，谊算法具有收敛速度快，无需动态参数的优点，是一种高效可靠的盲信号分离算法。     

基于独立分量分析的盲信号分离研究

独立分量分析是一种基于高阶统计量的信号分析方法,近年来作为信号处理的强有力的分析处理工具得到广泛的关注和研究。本文首先介绍了独立分量分析的基本概念和数据模型,然后对比较流行的各种独立分量分析算法进行了剖析和总结,最后对独立分量分析的应用和发展趋势作了展望。     

一种基于ICA的机械缺陷超声信号提取方法

针对强噪声背景下缺陷超声回波信号检测的问题,利用了基于独立分量分析的方法进行缺陷信号的提取。该方法首先对观测信号进行JADE分解,得出多导独立分量,再根据赫斯特指数,分离缺陷信号和噪声信号。通过对仿真和实测缺陷超声信号的去噪实验研究,结果表明,与小波去噪方法相比,ICA去噪方法能够得到很好的信噪比,有利于强噪声背景下缺陷的去噪处理及微弱信号的提取。     

基于ICA-R的目标运动变化检测

针对实时场景下复杂背景动态变化的特点,在ICA(独立分量分析)模型的基础上,本文将带参考信号的独立分量分析(Independent Component Analysis with Reference, ICA-R)方法引入到目标跟踪环节,该算法能够检测出两帧图像之间目标运动变化而不是背景变化部分,克服了目前大多数基于简单差分模型的变化检测算法计算量大,抗噪声、抗抖动性能弱的问题.实验结果表明,这种方法能够准确地提取出实时场景中目标的运动变化区域,并具有很强的鲁棒性.     

基于多维统计分析方法的脑电消噪

基于二阶统计特性的主分量分析(PCA)和基于高阶统计特性的独立分量分析(ICA)是两种非常典型的多维统计分析方法.本文对PCA和ICA基本原理进行了简单介绍,并结合脑电消噪问题,对两种方法的性能和特点进行了比较.实验结果表明,在脑电消噪和特征增强等方面,独立分量分析方法具有明显的优势.