利用亮度分量的彩色图像信息隐藏算法

提出了一种利用亮度分量的彩色图像信息隐藏算法.本算法实现了隐藏信息的盲检测,并在512×512的RGB彩色图像中嵌入多达2048字节的数据.算法有效地利用了数字通信理论中的前向纠错编码技术和数据扰乱技术,使水印抵抗各类攻击的性能得到了有效地提高.实验证明该算法能较好地平衡隐形水印的不可见性和稳健性之间的矛盾,所隐藏的数字水印在StirMark的攻击下,具有较好的抵抗能力.     

一种新的彩色图像盲水印算法

为解决水印的盲提取问题并将水印技术应用到彩色图像中,提出了一种新的基于子带DCT（discrete cosine transform）系数量化的彩色图像盲水印算法.首先将彩色图像从RGB空间转换到YUV空间,然后在Y、U、V三分量的子带DCT系数中选取视觉重要系数并对其进行量化,完成水印的嵌入.水印的提取不需要原始图像.仿真实验证明,算法具有较高的透明性,并且对于常用的攻击方法（如有损压缩、高斯噪声、滤波和剪切等）具有很好的鲁棒性.     

基于Arnold变换和DWT彩色图像数字盲水印算法

针对目前大多数彩色图像数字水印算法中嵌入的水印仍是二值图像或灰度图像,并且水印提取过程只实现了水印图像的提取而不能恢复原始宿主图像的问题,提出了一种将彩色水印嵌入到彩色宿主图像中的盲水印算法.水印提取过程无需原始宿主图像和原始水印图像,仅利用嵌有水印的图像就能同时恢复原始水印图像和原始宿主图像.该算法对彩色水印的R、G...     

一种基于混合域的彩色图像盲水印算法

采用混沌序列加密并定位,提出了一种基于混合域的二值水印嵌入方法,也可用于归一化灰度水印的嵌入. 该方法将图像分解为R,G,B三个分量,分别对每个分量进行离散小波变换,在小波变换的低频区进行离散余弦变换,在离散余弦变换域中利用混沌序列对水印信息嵌入位置定位,水印信息的嵌入采用频率系数比较的方法.实验结果表明,该算法在满足水印透明性的同时,水印信息在噪声干扰、图像处理、人为恶意攻击及图像压缩条件下具有很好的鲁棒性. 应用混沌序列,在完成水印信息定位的同时增强了算法的安全性.     

T-S型模糊RBF神经网络快速学习算法

针对Ｔ－Ｓ型模糊ＲＢＦ神经网络输入空间模糊最优聚类算法运算量大、运算速度低的缺点,提出基于输出空间模式聚类的快速学习算法,以满足多变量系统实时性要求．仿真结果表明该快速学习算法不仅可以达到要求的辨识精度,而且可有效地提高运算速度     

一种彩色图像内容认证混沌脆弱水印算法

提出了一种结合彩色图像分量内容和混沌系统的脆弱数字水印算法.将原始图像R分量和B分量的像素值经混沌序列调制后映射成另一个混沌系统的初值,经多次迭代生成4灰度级的水印图像;然后把它嵌入原始图像G分量的最低2比特平面.利用混沌对初值极端敏感性的特点,能够精确地定位对加入水印图像的篡改,并且水印提取不需要原始图像.实验结果表明了所提出水印方案对篡改证明的有效性、敏感性以及良好的篡改定位能力.     

一种彩色图像DC系数的自适应水印算法

提出了一种新的彩色图像DC系数的自适应水印算法。该算法通过简单地分析DCT块的两个AC系数将像素块分类成平滑块、边缘块和纹理块,然后根据像素块的类型自适应设置水印的嵌入强度。并利用图像亚采样得到的4个子图像间的高度相关性,将1比特水印嵌入在4个子图像块中由密钥控制的两个块的DC系数上,获得了分散水印能量与增加安全性的目的,而水印能直接在像素域中进行盲提取。同时嵌水印在YIQ模型的Y分量和RGB的B分量上,并进行了两者的性能比较与分析。大量实验表明,提出的水印算法取得了很高的不可见性和鲁棒性,Y分量水印的性能优于B分量的。     

T-S型模糊RBF神经网络的结构研究

提出Ｔ－Ｓ型模糊ＲＢＦ神经网络模型结构,讨论该模型参数的输入空间模糊最优聚类学习算法．仿真结果验证了学习算法的有效性和可行性,表明Ｔ－Ｓ型模糊ＲＢＦ神经网络可逼近任意多变量非线性函数．     

基于插值多小波的双彩色图像水印算法

根据插值多小波具有的优良性质,提出了一种双彩色图像水印新算法.该算法只须对彩色的宿主图像和含水印图像的R,G,B各分量分别进行多小波变换或逆变换就可实现,具有较高的执行效率.且实验证明该水印系统具有良好的透明性和鲁棒性.     

基于小波的彩色图像公开水印技术

提出了一种新的彩色图像公开水印技术．首先计算彩色图像的红色与绿色分量的加权平均图，然后分别对加权图和蓝色分量图作小波分解，最后通过对这两者的粗尺度子图之差进行模运算将图案水印嵌入到蓝色分量图的低频带中(粗尺度子图)．实验结果表明，该方法具有很好的不可感知性以及对通常图像处理的稳健性，且其性能优于其他方法．     

一种模糊核聚类的彩色图像量化算法

提出了一种基于模糊核聚类的彩色图像量化算法。首先用中位切割算法对图像进行初始量化,然后依据NBS距离与人类视觉对颜色差别的定量关系确定初始聚类中心,最后结合模糊核聚类方法对Munsell空间的每个像素进行聚类以实现对颜色的修改,从而完成图像的量化。仿真结果表明:所提算法在量化数目相同的情况下,量化效果明显优于中位切割算法和模糊C均值算法。     

径向基神经网络和模糊PID控制器在矿井输送机中的应用

矿井输送机运行过程中,由于被控对象具有时变、非线性等因素,传统自适应PID控制算法难以满足控制要求．针对这一问题,采用径向基神经网络和模糊控制策略优化PID控制器参数,从而对矿井输送机进行控制。在MATLAB上进行试验仿真实验结果表明,这种PID控制器在矿井输送机中起到了很好的效果,     

基于模糊RBF神经元网络的冷连轧板形板厚多变量控制

针对板带材轧制是一个复杂的非线性过程,板形控制(AFC)和板厚控制(AGC)又是相互耦合的一个综合系统等特点,提出了一种基于模糊RBF神经元网络的冷连轧板形板厚多变量综合控制系统.仿真结果证明了此AFC-AGC控制系统具有良好的自适应跟随和抗扰性能,其控制效果优于传统的解耦PID控制.     

基于遗传算法的模糊RBF神经网络设计及应用

提出了一种基于遗传算法的模糊RBF神经网络学习算法.采用遗传算法对模糊RBF神经网络需要调整的参数进行优化,再将遗传算法优化的各参数结果作为模糊RBF神经网络各个参数的初始值,并结合梯度下降法对网络的各参数进行动态调整.在对非线性函数逼近的仿真中,仿真结果验证了优化后的模糊RBF神经网络具有更高的精度及强鲁棒性.     

基于CL向量小波变换的图像信息隐藏方法

利用图像经过CL向量小波变换后,能量不但汇聚在最低分辨率的子图像上,而且还进一步汇聚在最低分辨率子图像的第一个分量上的特点,将调整后的机密图像嵌入到掩护的高频部分,再进行向量小波逆变换,得到包含机密图像的伪装图像.对伪装图像进行向量小波变换,提取出调整后的机密图像数据,施行逆调整,恢复出原始机密图像.图像恢复中所用到的所有数据来自伪装图像,不附加信息传输量.实验结果表明该方法生成的伪装图像具有较好的隐蔽性,有效地减小了传统方法生成的伪装图像与掩护图像的视觉差异;同时从伪装图像中恢复的机密图像保真度高,说明算法是可靠和实用的.     

基于RBF网络的ECT图像重建算法

介绍了一种基于RBF网络的电容层析成像图像重建算法,包括径向基函数的选取、RBF网络权值的训练方法.仿真实验显示该算法可用于两相流流型辨识.     

基于鲁棒学习的鲁棒RBF神经网络

提出了一种基于鲁棒学习的鲁棒RBF神经网络。使用聚类方法选择RBF网络隐结点的中心,以鲁棒代价函数为目标函数,采用梯度下降法调整隐层结点的宽度和网络权值,从而使RBF网络的学习过程不受离群点的影响,并且能够快速收敛。仿真实验结果表明了RBF神经网络的鲁棒优越性。