一种用于彩色图像认证的脆弱水印算法

提出了一种用于彩色图像认证的脆弱水印算法。这种算法是采用了均值量化的方法 ,把数字水印嵌入图像的离散小波域 ,可以检测在空间域和频率域的图像失真。利用脆弱数字水印算法提供的关于失真的估计信息 ,可以帮助用户判断图像内容的可靠程度。同时还采用了聚合篡改区域方法来完成失真检测 ,能够区分出恶意攻击和一般的图像处理。仿真结果证明 ,该方法可以提供图像修改的程度和修改区域的信息 ,其可信度比一般量化方法强。     

局部复中值定理的一些应用

运用局部复中值定理，我们重新证明了复分析中的几个定理．     

锥序约束下两个指数总体均值的估计

讨论样本容量相等时 ,在锥序约束 a1λ1≤λ2 ≤a2 λ1条件下 ,两个指数总体均值 λi( i=1 ,2 )的估计量 .证明约束极大似然估计 λi 具有比经典极大似然估计 Xi 更小的均方误差 ,并且讨论 λi 对 Xi的功效 e( λi,Xi) ,i=1 ,2 .     

关联色噪声对具有免疫监视下肿瘤细胞生长系统稳定性和瞬态性质的影响

基于具有催化作用的Michaelis-Menten反应模型,得到一种更全面的具有免疫监视下肿瘤细胞生长系统的一维朗之万方程.考虑肿瘤细胞增殖过程中生长环境等因素的变化而导致生长率和死亡率的波动,通过线性化近似和最快下降等方法计算系统的稳态概率分布函数和平均首次通过时间,并以此作为观察肿瘤细胞生长过程中的稳定性和瞬态性质的窗口,分析噪声对肿瘤细胞生长过程的影响.结果表明：1)当改变噪声强度D和Q时,肿瘤细胞数概率分布函数Pst(x)的结构会发生改变,系统产生多极值和单极值之间的结构转换,导致系统产生类相变;2)平均首次通过时间T＋(xu→x＋)是乘性噪声强度D的单调增函数,T－(xu→x－)却是D的单调减函数;3)T＋(xu→x＋)随加性噪声强度Q变化的图像出现一个类似“共振峰”的极大值,而T－(xu→x－)是关于Q的减函数;4)T＋(xu→x＋)随噪声间关联时间τ变化时,表现出单调递减和“共振峰”两种状态的转换,而T－(xu→x－)的图像随τ的变化呈现出单峰值样态;5)T＋(xu→x＋)随噪声间关联强度λ的变化出现类似于“共振峰”的极大值,T－(xu→x－)是λ的单调减函数.上述结果有助于人们掌握肿瘤细胞的生长动力学特性,不仅能够为临床上肿瘤细胞生长研究提供一定理论基础,而且还能为临床医学上肿瘤检测和治疗提供理论指导,对控制和治疗肿瘤疾病有一定的指导意义.     

关于Dirichlet L-函数的一个4次加权均值

利用Gauss和的定义、三角和估计及其解析方法讨论了Dirichlet L-函数的一个4次加权均值，得出一个有趣的加权均值分布公式．     

利用动态数据系统(DDS)图示与计算自激振动时的切削面积

本文介绍了由多种传感器、两台微型计算机构成的车削加工数据实时采集与处 理的机－电－体化动态测试系统。由该系统所建立的动态数据系统（ＤＤＳ）存有３ 种５０万个实测数据。 文中重点叙述了利用上述ＤＤＳ对自激振动时的切削面积变化规律进行定性与 定量分析研究：利用计算机对切削刃位置和切削面积变化用图示法使之“可视化”： 通过统计法建立起来的切削面积数学模型，可对动态切削面积进行实时解析计算， 最后通过均方差分析，对４种算法进行比较，提供了实用而准确的计算方法与结果。     

银行的信贷决策机制（一）——信贷市场为不完全竞争情形

本文研究了信贷市场处于不完全竞争情形下的信贷决策机制，对于完全信息情形给出了信贷决策机制的设计；针对不完全信息情形提出了信贷决策模型和机制的最优性条件，讨论了信贷决策机制的若干性质．本文的研究工作是基于对风险刻画的“均值保持展形”概念的．     

基于自适应背景模型的动态场景目标检测

背景建模一直是运动目标检测中的一个重要课题。该文提出一个适用于动态背景的基于非参数估计的前景背景对比模型。模型通过核函数估计的方法模拟了像素点五维特征向量的概率分布,并在图像序列中滚动更新。实验证明,上述算法能够在一般目标检测,特别是动态场景(摇动树枝等)的检测中取得较好的效果。     

基于均值漂移的海岛(礁)岸线快速提取

为了解决海岛(礁)岸线提取的自动化问题,提高海岛(礁)岸线提取的速度与精度,提出了基于均值漂移的海岛(礁)岸线快速提取方法。首先在保证影像整体轮廓的同时构建低分辨率影像,从而缩短算法的运行时间;然后利用均值漂移技术进行高斯低通滤波处理,提高算法的抗噪性;最后通过区域增长法自动选择种子点,结合区域合并差异性度量准则实现对遥感影像的形状和颜色的识别,从而完成对海岸线的自动提取。使用该方法对海岛(礁)影像进行了海岛(礁)岸线提取实验,实验结果表明,该算法能够实现所有岛礁岸线的自动提取,相比于通过人工方式,提取时间从729s缩短为3s,极大地缩短岸线提取的时间,同时能较好地满足成图效果。     

一种基于Mean Shift和C-V模型的车辆跟踪算法

针对传统Mean Shift算法跟踪窗口固定不变,无法对不断改变尺寸的车辆目标进行有效跟踪的问题,文中根据车辆跟踪的特点,提出一种基于Mean Shift和C-V模型的车辆跟踪算法.首先利用传统Mean Shift得到初始跟踪窗口,然后根据C-V方法所提取的车辆形状信息对跟踪窗口的中心和大小做进一步修正,在跟踪过程中综合利用了目标颜色、形状等信息,同时对传统C-V方法进行改进,采用一种新的初始化水平集函数表达方法.实验结果表明,文中算法在满足实时性要求的同时,大大提高了车辆跟踪精度.