基于DWT-CT的遥感影像数字水印方案

提出一种基于DCT和DWT的遥感影像数字水印方案。首先对水印图像进行Arnold置乱预处理，以破坏像素之间的空间相关性，增强算法鲁棒性；鉴于小波变换良好的局部性和时频分析特性以及多分辨率分析特性，而离散余弦变换具有较好的聚能效应，算法将载体遥感影像进行DWT变换，并选取其子带图像HLl进行DCT变换；最后自适应的将数字水印嵌入所选子块的DC系数上。实验证明本文算法有效提高了水印的不可见性，对JEPG压缩、滤波和叠加噪声等攻击具有较好的鲁棒性。     

一种新的信号二进小波变换模极大值重构信号的迭代算法

基于Hilbert空间单调算子理论和求解单调算子方程的迭代算法, 给出了一个新的基于信号二进小波变换模极大值重构信号的迭代算法, 证明了算法的收敛性. 同Mallat的交替投影算法相比, 该算法更加简单、快速和有效. 数值实验表明, 对于不同类型的信号, 该算法仅需要较少的几次迭代, 就可获得较好的重构效果.     

一种基于相似度聚类方法的指纹识别算法

提出了一种基于相似度聚类的指纹识别算法．同现有的指纹识别算法相比较，该识别算法的独特之处体现在如下方面：首先，根据指纹纹理特性，采用二元尺度空间方法来对图像进行增强处理；其次，构造一种局部拓扑结构．细节点单形，根据与图像变换的相关性，将这些拓扑结构的属性分为变换可变特性和变换不变特性；再次，应用聚类方法，分析指纹之间的变换模型的分布空间；最后，用递归分层搜索方法，在变换模型的分布空间中估计出最优参数，并求指纹之间的最大相似度．FVC2002(the 2^nd International Fingerprint Verification Competition in 2002)对该算法的性能测试与认证结果表明了算法的有效性与先进性．     

基于DWT和DCT数字图像鲁棒水印算法

基于离散小波变换和离散余弦变换,利用混沌系统的优良特性,提出一种新的变换域水印算法.水印嵌入时,首先将宿主图像进行小波变换后选取中频区域,再进行DCT变换,根据水印图像大小进行分块嵌入水印算法在保证不可见性的前提下,最大程度的保证了水印算法的鲁棒性.仿真实验表明,算法在多种攻击下表现出良好的鲁棒性,具有一定的实用意义.     

基于奇异值分解的多小波图像去噪方法

给出了一种将多小波变换和奇异值分解相结合的图像去噪方法.该方法通过对含噪图像进行多小波变换,克服了单小波变换中无法同时满足正交性和对称性的缺点.对变换得到的高频系数矩阵进行奇异值分解去噪,提取高频系数中淹没在噪声中的信号成分,然后进行多小波重构,得到去噪图像.仿真结果表明,该方法能有效去除噪声,并获得良好的主观视觉效果.     

非对称日冕物质抛射的数值模拟——强磁场驱动机制

１９８０年８月１８日的日冕物质抛射事件是检验日冕物质抛射理论的极好事例，在分析事件运动特征的基础上，用多种模式对事件进行磁流体力学数值模拟，注意到爆发日珥顶端偏离冕流对称轴这一观测事实，作出了扰动源位置偏轴的重要推论。模拟结果说明，传统的热压力和流速增强并不能解释非对称事件，只有偏轴的反向磁场增强才能形成月牙形的非对称高密度云，模拟结果与观测形态非常相象。     

日冕物质抛射和冕流结构相互作用的数值研究

采用具有同心圆形闭磁场结构的二维模型作为日冕物质抛射(CME)的触发模型,并使这种触发模型分别在偏离冕流结构对称中心10°和45°的位置浮出,数值模拟这时产生CME事件的特征.模拟结果可以定性解释SOHO飞船观测到的部分CME事件特征, 模拟结果表明: (1) 在两种情况下, 二维触发模型的浮出都可以触发CME事件, 和CME事件相关的磁场结构闭合并呈现非对称性. (2) CME事件的闭磁场结构在向外传播的过程中, 将不断向电流片偏转, 这种偏转效应主要发生在几十个太阳半径的范围内, 最终CME事件沿着电流片传播. (3) 不同位置处浮出触发模型触发的CME事件, 将有不同的磁场位形, 在10°位置浮出触发模型所触发CME事件的磁场结构近似呈圆形, 而在45°浮出触发模型所触发CME事件的内部磁场结构近似呈月牙形.     

Ⅲ型太阳射电爆发精细结构的观测研究

Ⅲ型太阳射电爆发是一种瞬时的太阳射电辐射增强现象,在动态频谱上常常表现为由高频向低频快速漂移的宽带射电信号;为能量电子沿磁力线从日冕向外传播过程中激发的等离子体辐射,辐射的基频频率接近当地等离子体频率.某些Ⅲ型暴具有特殊的形态或精细结构,包括J, U和N型暴,反向Ⅲ型暴和Ⅲ型暴对, Ⅲb型暴,以及Ⅲ-L型暴.这些精细结构可用于诊断电子密度、能量电子速度和日冕大气湍流等日冕参数以及预报空间天气,被视为太阳爆发过程和太阳射电研究的一个关键点;而且有些精细结构的形成原因仍不明确,需要进一步研究.本文将介绍Ⅲ型暴精细结构的观测研究进展以及将来研究中需要关注的问题.     

磁暴时ULF波多卫星联合观测研究

利用Cluster C1,GOES10,12和Polar四颗卫星的观测数据,研究了在2003年10月31日21：00～23：00 UT磁暴恢复相期间,地球磁层内大尺度ULF波的全球分布特征.数据分析结果表明,位于磁层不同区域的卫星观测到的ULF波的幅度、周期等性质差别很大.对ULF波幅度的全球分布来说,ClusterC1观测到的环向模最强,这可以解释为Cluster C1所在区域内发生了磁力线共振：空腔共振的压缩波模将能量耦合传递给磁力线共振的剪切阿尔芬波,从而观测到了到的很强的环向模.对ULF波周期的全球分布来说,ClusterC1观测到的波的频谱峰值周期最短,同步轨道高度的GOES卫星观测到的峰值周期较长,而位于更远处的Polar卫星观测到的峰值周期最长.Cluster C1在L=11.7～5.3范围内观测到环向模的周期几乎相同.GOES10和Cluster C1的三种波模的平方小波相关分析表明磁力线共振区域在向日面磁层至少扩展了四个地方时的宽度范围.Polar卫星观测的环向模是驻波,而极向模是行波,这可能是开放的磁尾波导模作用的结果.由于在时段内的太阳风速度很高而动压变化不明显,因此推测观测到的ULF波是高速太阳风在磁层顶激发的Kelvin-Helmholtz不稳定性激发的.     

Harris Laplace特征区域 Contourlet域遥感图像水印算法

针对现有遥感图像水印算法抵抗旋转、剪切、水平镜像及联合几何攻击能力差的问题,提出一种局部化遥感图像数字水印新方法.算法首先对水印图像进行 Arnold置乱预处理,并将其行扫描形成一维向量作为待嵌入的水印信息;在宿主遥感图像中提取 Harris Laplace特征点,依据特征点确定水印嵌入特征区域;规范所选特征区域,对其进行归一化后实施 Contourlet变换,利用奇偶量化方法将数字水印嵌入选定的变换系数内.实验证明算法对滤波、噪声、JEPG压缩等常规信号处理具备较好鲁棒性,并且能够更好地抵抗旋转、缩放、平移及其联合等几何攻击     

体域网中基于特征组合的步态行为识别

物联网(internet of things,IOT)拥有无处不在的识别、传感和通信能力,体域网(body area network,BAN)属于物联网中和人体相关的领域,其应用广泛,可以在日常生活中对人们进行监测及提供帮助.行走是许多日常活动的基本环节,因而步态分析能为体域网应用提供重要的生理行为信息.现有的步态分析已取得一定的研究成果,但仍存在一些问题,例如大多数步态特征提取是对加速度信号进行6重以上的变换,使得特征达到了45维以上,最后需要通过降维或优化来简化特征,较为复杂.本文设计一种灵活便捷的数据采集系统,并利用小波变换、傅里叶变换和四分位差提取出加速度信号中比较简单、低维度但能反应运动特征的步态参数,之后通过模式识别算法进行步态行为识别验证.实验结果表明该系统使用方便,特征提取方法简单实用,识别精确度为97%,EER(equal error rate)最小可到0.9%.     

基于MRF的统计预测提升算子的构造与应用研究

根据图像的统计信息, 在Markov随机场(MRF)的理论基础上, 构造了一种新的非线性算子即统计算子, 提出了基于该算子的一种非线性提升小波分析方法. 并根据MRF的条件概率分布, 在理论上证明了采用基于统计算子的非线性提升小波变换可使图像变换后, 在无量化失真的前提下, 提高高频子带的零高频系数. 将该方法与现有的几种非线性形态学小波分析方法以及S+P变换和JPEG2000采用的5/3和9/7线性提升小波变换进行了不同图像的测试分析, 实验结果显示, 利用这种基于统计算子的提升小波分析方法对医学图像和混合文档图像变换后可取得较低的加权熵.     

基于最优小波包分解的图像隐写通用检测

基于图像最优小波包分解,提出了一类具有较高检测正确率的信息隐写通用型检测方法.首先基于Shannon熵计算信息代价函数,对图像进行最优小波包分解,并从分解得到的子带系数以及图像像素中提取直方图特征函数多阶绝对矩作为特征,然后对提取的特征进行预处理并设计BP神经网络分类器进行分类.针对不同的背景和应用环境,文中给出了3种不同的检测算法.针对LSB、PMK、LTSB、Jsteg、F5及JPHide等典型隐写算法的实验表明:此方法相比现有的典型通用检测方法,正确检测率提高约6.4%～15.4%,且具有更好的通用性,并可为设计基于最优小波包分解的模式识别和分类算法提供参考.     

基于模糊神经网络的图像恢复技术

通过分别引入输入与输出空间的合理剖分,定义了一种新的模糊神经网络(FNN), 即选择型FNN, 该系统是一种多层前向网络, 在最大模意义下构成一类函数泛逼近器.基于一组具有实际意义的模糊推理规则, 得出了一个简单实用的推理型FNN. 利用选择型FNN与推理型FNN的有机结合, 得到FNN滤波器, 它不仅结构简单, 易于设计参数学习算法, 而且能同时有效去除图像信号中的脉冲噪声和保持图像结构. 实验结果表明, 与其他滤波器(如:中值滤波, 自适应加权模糊平均(AWFM)滤波等)相比, FNN滤波器在去除各种噪声, 保持图像未污染部分结构等方面性能卓越     

自动目标检测的形态学神经网络与模拟退火学习算法

提出了一种具有实用意义的形态滤波神经网络模型及其网络参数的模拟退火优化算法. 通过分析指出, 形态滤波网络的优化设计过程实际上就是网络参数(结构元素)不断调整、逐步适应图像环境的优化学习过程, 从而将目标客体的特征规律反映到网络结构上来, 赋予结构元素特定的知识, 使形态滤波过程融入特有的智能, 以实现对复杂变化的图像具有良好的滤波性能和稳健的适应能力. 为结合运动图像目标的检测需要, 采用了渐近收缩误差、适时校正网络权值的动态跟踪学习算法. 通过实验结果可以看出, 该算法不仅能适应复杂多样的背景环境, 而且对运动目标的持续检测能力具有位移不变、伸缩不变和旋转不变的特性.     

考虑光照影响的静态图像感兴趣区域提取

考虑光照对感兴趣区域提取的影响,提出了一种新的基于边缘的感兴趣区域提取算法.该算法基于二维离散小波变换去除了光照对感兴趣区域的影响;并通过对所采集的边缘像素点评价进一步去除了光照在感兴趣区域产生的阴影边缘.将该算法运用于长途客车过道区域的提取.实验结果表明,提出的算法不仅能实现多种情况下的感兴趣区域的自动准确的提取,还能避免光照的影响     

基于轮廓小波的图像信号去噪算法研究

在非下采样Contourlet变换域中,针对憎水性图像相关特性,分析了图像有用信息与干扰噪声,提出了基于非下采样Contourlet变换复合绝缘子憎水性图像去噪算法,对变换后低频分量中含有光照不均匀成分采用B样条曲面进行近似,得到补偿后低频分量；对多分辨率多方向性带通分量中乘性噪声应用非线性扩散有选择滤波,最后对修正后系数重构.实验结果表明:与同态滤波相比,此算法不仅对憎水性图像光照不均匀部分最佳补偿,而且图像的细节、边缘信息得到有效的保留甚至加强,为后续憎水性图像分析与理解提供了良好的基础.     

基于图论的多尺度特征点匹配

文中针对在视觉测量系统中双目立体视觉特征点同名点匹配问题,提出基于图论的稀疏特征点全局匹配算法.首先,提出多尺度特征点提取算法来获得特征点的准确位置.算法引入多尺度小波变换,利用变换后的系数构建自相关矩阵从而进一步确定特征点的位置.然后,根据图理论将提取的稀疏特征点构建一个图,从而使特征点匹配问题转化为可用能量最小化方法解决的图的标记问题.此多尺度特征点全局匹配算法利用多尺度分析来提高匹配精度,并且利用特征点构建图降低了图的规模,同时根据极线约束选择潜在视差值进行计算,降低了计算量.实验结果表明此算法可获得精确的匹配结果.     

基于Bayes线性估计的遥感图像融合

将Bayes线性估计应用于不同分辨率遥感图像的观测模型中，提出了一种新的基于统计参数估计的遥感图像融合方法．该方法对于金色波段图像和待估计的多光谱图像的联合分布不做任何假设，只需要估计高分辨率多光谱图像的均值和协方差以提高算法的鲁棒性．另外，文中的方法能够提高多光谱图像的多个主成分的分辨率，而传统的主成分变换方法只限于提高第一主成分的分辨率．实际的Landsat ETM＋的全色波段图像和多光谱图像的融合实验结果表明，所提议方法的性能优于其他基于统计参数估计的方法和基于主成分变换的融合方法以及基于小波变换的融合方法．     

基于二通道不可分小波的多光谱图像融合

提出了一种伸缩矩阵为[1，1；1，-1]的二通道不可分小波滤波器组的构造方法，并把它应用于多光谱图像与高分辨图像的融合中．设计出多组不可分4×4小波滤波器组，并提出了一种基于该类小波的多光谱图像融合算法．利用所设计滤波器分别对多光谱图像的亮度分量和全色图像作多尺度小波分解，选取参数对分解后的低频分量进行调节融合．实验结果表明，该方法能较好地保持多光谱信息和高分辨率信息，其保持光谱信息的能力和保持高分辨率信息的能力比基于张量积离散小波帧变换（DWFT）的融合方法和基于改进的IHS变换的融合方法都强，当t值较大时，融合结果图像含有较丰富的光谱信息．与基于4个通道小波的图像融合方法相比，该方法可节约一半的运算量．