基于分数阶混沌和分数阶小波变换的数字指纹技术

在传统的数字指纹技术中,随着用户的增多,用户指纹的唯一性和有限的指纹长度之间产生了矛盾.针对这一矛盾,根据分数阶混沌的初值敏感和随机特性,提出了基于分数阶混沌动力系统的数字指纹生成方法,大大增加了用户的容量,而且速度快,安全性高,把分数阶混沌用于指纹编码,抗合谋攻击性更强.另外,为了增加数字指纹的嵌入空间,提高安全性,进一步提出了使用4级离散分数阶小波变换对载体图像进行处理,与传统小波变换相比,分数阶小波变换增加了阶次作为密钥,安全性更高,并选择把数字指纹嵌入到高尺度下的高频子带中,鲁棒性和信息隐藏量都得到了改善.     

分数阶小波时频域的图像去噪新方法

为了提高图像的质量以及满足后续图像处理的需求,提出了一种基于分数阶小波时频域的图像去噪新方法。该方法通过二维分数阶小波变换将图像映射到分数阶小波时频域内,在时频域内实现图像的去噪处理,最后通过分数阶小波逆变换实现图像的重构。图像去噪实验结果表明:采用该方法去噪后的图像输出峰值信噪比明显提高,在抑制噪声的同时可以有效保持图像细节。     

小波算子矩阵法求分数阶积分与微分近似值

计算一类函数分数阶积分及其Caputo分数阶微分的问题.采用Haar小波和算子矩阵相结合的方法,得到一种Haar小波分数阶积分算子矩阵,利用该算子矩阵,对给定函数做了有效的离散,充分结合Haar小波矩阵的正交性、稀疏性,将求分数阶微积分问题转化为算子矩阵的乘积,从而便于计算机求解.平稳信号和非平稳信号的数值算例验证了该方法的可行性和有效性.     

一种基于小波包熵的频谱检测算法

为了解决能量检测算法在低信噪比条件下频谱检测性能差的问题,提出了一种基于小波包熵的频谱检测算法.首先采用小波包变换对接收信号进行多层分解,并计算最后一层各节点的重构信号;然后计算各个节点重构信号的小波包熵值;最后选取熵值最小的重构信号作为检测信号进行能量检测.理论分析及仿真结果表明,在低信噪比情况下,该算法可以有效地抑制噪声影响,提高频谱检测性能.     

基于分数阶变换的彩色图像自适应重构水印算法

首先, 采用分数阶Fourier变换算法, 对彩色图像进行分数阶频域变换, 分析图像的频域信息, 筛选出适合嵌入水印的系数, 作为水印的嵌入位置; 其次, 定义频域系数的隐蔽特性, 并对隐蔽特性进行分级, 使水印嵌入系数达到最优; 最后, 对二值化水印图像分块做提升小波变换和压缩感知测量, 将测量结果作为水印信息嵌入到载体图像中, 解决了当前多数水印算法嵌入信息冗余度高, 含水印图像抗攻击能力不足的问题. 实验结果表明, 该算法在抵抗几何攻击、 噪声干扰等方面性能良好, 显著降低了水印信息冗余度, 提高了嵌入的效率和水印信息安全性, 增加了水印算法的可靠性.     

基于分数阶样条小波与IHS变换的图像融合

该文提出用分数阶样条小波和Intensity-Hue-Saturation（IHS）变换结合的方法进行高分辨率全色图像和低分辨率多光谱图像的融合。分数阶样条小波由于具有良好的分数阶逼近性能，在分解图像时可得到更多的细节，而IHS变换在处理图像时会扭曲光谱特性，通过两者的结合，可得到高分辨率、多光谱图像。将该方法和传统‘Daubechies3’小波与IHS变换相结合的方法比较，实验结果证明了分数阶样条小波更多地保留了高分辨率图像的空间特性和低分辨率图像的光谱特性。     

基于分数阶小波变换的图像加密方法

图像置乱是图像加密的常用方法,为了获得更好的加密效果,提出了一种基于分数阶小波变换(FWT)的图像加密新方法。该方法将二维分数阶小波变换与传统的空间域图像置乱方法相结合,对数字图像在分数阶小波时频域内进行图像置乱,实现图像的双重加密。图像加密实验结果表明,采用该方法具有很好的加密效果,在信息安全领域有较好的应用前景和研究价值。     

一种基于可靠度的频谱感知算法

认知无线电系统中频谱感知的作用是有能力以尽量快且准确地确定是否有主用户存在。为了达到这个要求,提出了一种通过考虑感知结果可靠性的频谱感知算法。只有当认知同户的感知结果具有足够的可靠性时,才将其判决的二进制结果（0或1）直接发送到MAC层;否则,该认知用户同一阶特征技术重新检测该频段。由于一阶特征检测技术是在时域完成的,因此提出的算法具有实时操作和低功耗等优点。对提出的基于可靠性的频谱感知算法的感知性能进行理论分析研究,并对其进行了仿真。仿真结果表明：提出的这种频谱感知算法能够大大改善频谱感知性能相比于传统的能量检测器和一阶特征检测技术。     

基于分数阶微积分及分数阶Fourier变换的图像加密方法

图像加密技术一直是图像处理中的热点问题,把分数阶微积分引入图像加密技术中更是当代前沿研究课题.本文基于分数阶微积分及分数阶Fourier变换的方法,提出了一种新的数字水印算法.该算法在分数阶傅里叶域嵌入水印,分数阶微积分阶次以及分数阶Fourier变换的变换阶数为数字水印的安全性提供了保证.随后作者用相关性检测的方法来提取水印.最后作者通过对算法仿真以及加密图像的抗攻击性能进行测试,发现本文提出的数字水印算法有较好的不可感知性,且对噪声、旋转、剪切等攻击具有良好的鲁棒性.     

基于动态组稀疏重构的频谱感知算法

针对认知无线电网络中宽带频谱感知问题,提出了一种基于主用户信号频谱结构的频谱感知算法,简称为DGS-SS算法.该算法首先利用压缩感知理论对信号进行欠采样,然后利用主用户信号频谱的组稀疏结构修正重构过程中的频谱和残差支撑集,从而能够加快重构主用户信号频谱的收敛速度,而且也能够提高主用户信号频谱的重构精度,最后利用重构信号频谱给出频谱空穴的有效检测.仿真结果表明,所提算法不仅能在低压缩比下精确重建信号频谱,而且对噪声变化具有更强的鲁棒性,从而有效地提高了频谱感知性能.     

基于小波去噪的协作空闲频谱检测性能

为解决低信噪比(SNR:Signal to Noise Ratio)时引起检测性能突变的问题,分析了能量检测在不同SNR下的检测效果,在进行频谱检测前先对信号进行去噪处理,以改善能量检测在低SNR下的检测性能。在此基础上,将改进的能量检测算法应用到协作空闲频谱检测中,保证各个CR(Cognitive Radio)节点检测性能有一定的可靠性,从而改善协作检测的检测效果。仿真结果表明,对经过小波信号处理后的各节点的检测结果进行融合协作,与以往的协作检测方案相比,ROC（Receive Operating Characteristic）曲线有了明显改善。     

基于正交小波包遥感图像融合算法研究

正交小波包分析能够将信号(图像)频带进行多层次划分,对多分辨分析没有细分的高频部分进一步分解,从而提高了频率分辨率,能有效地提取特定的频率成分。首先推导了小波包分析的基本原理,并给出了基于正交小波包分析的遥感图像融合算法,最后,通过实例说明正交小波包分析的有效性和优越性。     

基于小波分解的语音自适应压缩感知

根据语音信号经过小波分解后低频分量和高频分量的特点,提出分别对他们进行自适应压缩感知。首先对信号的低频分量用训练的过完备基进行稀疏分解,降低了稀疏分解过程中的计算量。然后详细描述了改进自适应观测矩阵的产生,以及对低频和高频分量分别进行自适应观测。最后通过OMP重构算法分别对低频和高频分量进行重构,通过小波合成还原出原始信号。实验表明,语音信号在基于小波分解的自适应压缩感知方案中具有良好的重构性能。     

基于小波变换的图像零树压缩感知方法

稀疏性是压缩感知的前提,然而,自然图像通常不是稀疏的,因此对图像直接应用压缩感知算法很难取得高压缩效率.针对图像信号,将编码思想融入压缩感知理论,提出一种简单有效的零树压缩感知方法.该方法先利用零树思想辅助压缩感知测量,在得到测量值的同时编码重要系数的位置;然后提出零树追踪重构算法,通过精确解码重要系数位置来重构原始图像小波系数,提高重构精度.实验结果表明,相比于现有匹配追踪算法和EZW算法,本文方法有更高的压缩比和更好的图像重构质量.     

基于小波变换的图像与算法

为了寻找立体像对中的对应点并求出视差,采用Ｍａｌｌａｔ的多尺度小波分析算法,在对图像进行多级分解的基础上进行逐级匹配,并且扩展了传统的视差定义,将两个限制条件：左连续性和方向一致性融合进视差的定义当中,因而在视差求取的同时也完成了粗差剔诉过程,提高了算法的效率。实验证明,此方法在计算时间和精度上都是切实可行的。     

基于小波变换的图像水印算法

数字水印为数字媒体版权保护的有效方法,提出了一种在小波变换域中加入水印的算法,该算法利用小波变换的特性,选择在较低频于带的重要系数中加入水印。首先选择需要添加水印的子带,并确定一组门限,构成一组区间,通过改变幅值落在这些区间的小波系数来加载水印信息,水印为一伪随机序列,检测时通过计算原始随机序列与恢复出的随机序鲁的互相关来判断水印是否存在。实验结果表明,应用所提出的算法实现的水印对于常见图像处理有     

ATM环境中的VBR分层编码算法

本文针对ＡＴＭ网络的特点,利用小波变换的优势,讨论了怎样将小波变换用于分层以及怎样对分层数据进行可变化特编码,给出了实验结果。     

小波变换用于信号消噪

根据噪声和信号在小波变换下表现出的截然不同的性质,对分析出的噪声局部模极大值进行了相应处理,然后通过反变换重建信号,实验结果表明,这种方法计算简单且有较好的去噪效果。     

基于小波变换的图像匹配算法

为了寻找立体像对中的对应点并求出视差,采用Ｍａｌｌａｔ的多尺度小波分析算法,在对图像进行多级分解的基础上进行逐级匹配,并且扩展了传统的视差定义,将两个限制条件：视差连续性和方向一致性融合进视差的定义当中,因而在视差求取的同时也完成了粗差剔除的过程,提高了算法的效率．实验证明,此方法在计算时间和精度上都是切实可行的．