基于DWT-SVD的视频水印

提出了结合离散小波变换（DWT）和奇异值分解（SVD）的数字视频水印算法。选取规范化质心（NCG）大于阈值的视频进行分帧，利用每帧视频的DWT分解后的中频分量系数进行SVD，修改奇异值，完成二值图像水印的嵌入，提取时利用部分原始视频的边信息，实现了水印的半盲提取。仿真结果表明，该算法具有良好的不可见性，并且保证了对常见的滤波，压缩，剪切等攻击的鲁棒性。     

一种基于CT-SVD的鲁棒水印算法

提出了基于Contourlet变换(CT)和奇异值分解(SVD)的水印算法.与通常直接将水印嵌入至系数中的CT算法不同,选择了CT域低通子带的部分最大系数构建矩阵,对该矩阵进行奇异值分解,经Arnold置乱后的水印结合人眼视觉特性(HVS)被自适应地嵌入至奇异值中.实验结果表明,算法保证了极高的峰值信噪比(PSNR),并且体现了对缩放、JPEG压缩、剪切、滤波等攻击很好的鲁棒性.     

智能潜油电泵有载调压变压器的设计

在进入高含水期的油田开发中,潜油电泵得到广泛应用,而如何提高其采油系统效率,降低电泵采油井耗电量,成为油田节能减排工作的重点。本文设计了一种新型智能潜油电泵有载调压变压器,分析了最佳运行电压的确定方法,给出了结构组成及工作流程,进行了室内外的现场实验,结果表明,该装置可以有效地选择最佳电压,节电效果显著。     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐.研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中.仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值.     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法，可以充分利用混沌的随机性、初值敏感性等特点，也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能，因此，受到了许多研究者的青睐。本文研究了混沌RBF神经网络，利用RBF神经网络的学习、逼近能力，结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络，分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真，并将RBF神经网络应用于油田电力负荷预测中。仿真分析和实用结果表明，混沌RBF神经网络具有预测时间短、预测精度高等优点，具有较高的指导意义和应用价值。     

基于超混沌理论的小波域图像水印算法

基于超混沌和离散小波变换(DWT)理论,结合Arnold置乱方法,提出了新型的数字图像水印算法.利用Arnold方法减弱水印图像像素之间的相关性,并采取Haken系统生成超混沌密钥序列,进行二次加密,大大增强了水印的安全性.同时,根据人类视觉系统(HVS)的特点,对原始图像进行分块处理,将加密后的水印分别以不同的强度嵌入并提取,给出了改进的嵌入提取方案.通过利用噪声、滤波、裁剪等方法对算法进行攻击测试,结果证明,此方案提高了水印图像的不可见性和鲁棒性,具有极强的抗攻击性.