基于BP神经网络的盲数字水印算法

该文将二值水印嵌入到宿主图像的小波变换域的低频分量中,利用BP神经网络很好的非线性映射和自学习、自适应学习特点实现水印信息的盲提取,仿真实验结果表明该算法既能抵抗常规的图像处理攻击,也能抵抗一定程度的几何攻击,如JPEG压缩、剪切、加噪和滤波等,具有较好的鲁棒性和不可见性。     

基于BP神经网络的盲数字水印算法

该文将二值水印嵌入到宿主图像的小波变换域的低频分量中,利用BP神经网络很好的非线性映射和自学习、自适应学习特点实现水印信息的盲提取,仿真实验结果表明该算法既能抵抗常规的图像处理攻击,也能抵抗一定程度的几何攻击,如JPEG压缩、剪切、加噪和滤波等,具有较好的鲁棒性和不可见性。     

改进的无线传感网混沌Hopfield盲检测算法

在密集部署的无线传感器网络中,相邻传感器的信号可能高度相关。在无线传感网传输模型分簇的基础上,针对Hopfield神经网络极易陷入局部最优解、收敛速度慢等缺陷,利用混沌序列的遍历性和类随机性,提出一种改进的混沌Hopfield盲检测算法解决无线传感网簇内传感器信号盲检测问题。算法的思想是:利用混沌映射产生初始发送序列,并且在算法出现早熟收敛时进行小幅度的混沌扰动,借此降低算法的误码率。仿真结果表明,改进的混沌Hopfield神经网络算法所需数据量极短,从而成功实现簇内簇首传感器信号盲检测。     

基于Hopfield神经网络多用户检测技术的研究

多用户检测中的MMSE算法随着用户数增加而受到限制,MMSE的优化问题可以转化为Hopfield神经网络的能量函数的最小化问题。针对基于Hopfield神经网络多用户检测算法进行仿真和分析,仿真表明Hopfield神经网络多用户检测算法在抗多址干扰和远近效应上有所提高。     

一种基于特征点检测的音频数字水印算法

对音频数字水印系统,提出了一种基于特征点检测的水印算法.利用特征点的检测进行水印嵌入点的准确定位,应用离散余弦变换进行水印的嵌入,水印的检测过程中不需要原始信号的参与,实现了水印信号的盲检测,并较好地解决了音频数字水印检测中的同步问题.仿真实验表明该算法对低通滤波、重采样、压缩编码等信号处理和破坏水印检测同步特性的恶意攻击有较强的稳健性.     

基于Hopfield神经网络多用户检测技术的研究

最优多用户检测器的优化问题可以映射为Hopfield神经网络的能量函数的最小化问题。本文对基于典型Hopfield神经网络多用户检测器和基于随机Hopfield神经网络多用户检测器进行了性能分析,计算机仿真表明这两种多用户检测器均具有抗多址干扰和抗远近效应的能力强、运算量小、实时性好等优点。     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

基于置乱变换的多重数字水印盲算法

提出了一种新的基于置乱变换的多重数字水印盲算法。该算法具有以下性能：(1)可嵌入多重水印,标志不同所有者（如创作者、发行者、使用者等）版权使用的合法信息;(2)水印的隐藏效果好,多重水印的嵌入不会造成视觉质量的严重下降;(3)水印的嵌入和提取过程中需要个人密钥,不知道密钥的非法使用者无法正确提取水印;(4)水印的嵌入位置只依赖于密钥,与算法无关,非法用户无法知道水印的嵌入位置;(5)水印的提取无需原始图像和原始水印;(6)可以抵抗LSB攻击和剪切攻击。     

基于混沌序列和HVS的盲数字水印算法

提出一种针对彩色图像的基于混沌系统和人类视觉系统HVS(Human Visual System)的数字水印算法.通过该算法将二值水印经混沌系统加密后嵌入到彩色图像的蓝色分量B的小波系数中,在水印提取时根据密钥可以实现盲提取.实验结果表明,该算法对常用的图像处理如JPEG压缩、加噪、剪切和滤波等攻击具有较好的鲁棒性,取得了不可见性和鲁棒性的良好折中,同时盲检测使得水印检测的可靠性得到了很大的提高.     

基于自适应神经网络模糊系统的混沌音频水印盲检测

自适应神经网络模糊推理系统(AdaptiveNeuro FuzzyInferenceSystem, ANFIS)是将Sugeno一阶模糊系统以网络的形式来实现而得到的一种多输入单输出的神经网络。它能够很好的模拟出输入输出之间的关系,且收敛速度快,误差小,所需训练样本少,非常有利于水印信号的盲分离。利用ANFIS良好的自适应控制能力提出了一种具有较强鲁棒性的DCT域音频水印盲检测算法,实验证明,该水印检测算法准确性高,时间代价小,具有较强的抗攻击性,很有实用价值。     

基于中心与邻域系数均值关系的盲水印算法

为了能够更好的满足水印的鲁棒性和不可见性,提出了一种基于关系的DWT域盲水印算法,首先对原始图像进行二级小波变换,在小波系数的中频子带中,根据比较中心系数与邻域系数均值关系的方法来嵌入水印,水印嵌入前进行了最优置乩处理,使得修改的中频系数最少,从而保证了较好的不可见性.在水印的提取过程中无需参考原始图像,实现了全盲检测.通过对嵌入水印的图像进行加入噪声、滤波、压缩以及裁剪等大量图像处理实验,均能正确检测出水印,结果表明算法具有很好的感知效果以及较强的鲁棒性,可用于数字图像的版权保护.     

一种新的自适应盲数字水印算法

本文提出了一种新颖的基于DCT域的自适应盲数字水印算法,该算法由三个阶段组成。首先,根据人眼视觉系统（HVS）和图像的局部特性来选择水印嵌入区域;然后充分利用JPEG压缩量化阶段的舍入误差;第三个阶段是采用一组公式来嵌入多个版本的水印,水印是经位扩展和二值随机序列调制得到的。水印的检测不需要原始图像。实验结果表明,该算法在保证水印不可见性的同时,对常见的几种图像处理如缩放、椒盐噪声、滤波特别是JPEG压缩和剪切有很高的鲁棒性。     

一种强壮的三维运动盲水印算法

提出了一种基于DCT变换的三维运动盲水印算法，算法结合了扩展频谱和量化的思想，通过对DCT域中频系数进行适当量化扰动来嵌入水印信息。选择合理的量化步长能保证对原运动信号不产生明显的视觉破坏；同时通过扩展频谱，让每一位水印信息包含在多个频率系数中，能有效增加抗攻击能力。实验表明，该算法对高斯白噪声、重采样、运动光滑以及重排列等有较好的鲁棒性。     

Hopfield Neural Network Based Stereo Matching Algorithm

In this paper, a neural network based optimization method is described in order to solve the problem of stereo matching for a set of primitives extracted from a stereoscopic pair of images. The neural network used is the 2D Hopfield network. The matching problem amounts to the minimization of an energy function involving specified stereoscopic constraints. This function reaches its minimum when these constraints are satisfied. The network converges to its stable state when the minimum is reached. In the initial step, the primitives to match are extracted from the stereoscopic pair of images. The primitives we use are specific points of interest. The feature extraction technique is the one developed by Moravec, and called the interest operator. Its output comprises mostly corners or feature points with high variance. The Hopfield network is represented as a N _l × N _r matrix of neurons, where N _l is the number of features in the left image and N _r the number of features in the right one. An update of the state of each neuron is done in order to perform the network evolution and then allowing it to settle down into a stable state. In the stable state, each neuron represents a possible match between a left candidate and a right one.     

基于NAS-RIF算法和神经网络的图像盲复原

在图像盲复原中,NAS-RIF算法在无噪情况下,能够得到较好的复原结果,但是对有观测噪声的图像复原效果不理想。而Hopfield神经网络有利于缓解图像复原过程中的震铃效应,但前提是知道退化图像的点扩展函数。将二者相结合提出一种基于NAS-RIF算法和神经网络的图像盲复原新算法,首先由NAS-RIF算法先估计出退化图像的点扩展函数,再利用Hopfield神经网络算法对其进行复原。实验结果表明,该算法具有较好的盲复原效果。     

一种基于Chebyshev混沌神经网络的视频水印算法

针对视频版权的保护,提出一种基于Chebyshev混沌神经网络的视频水印算法。首先选取二值图像作为图像水印,利用Chebyshev混沌神经网络对图像进行加密;然后对宿主视频进行分帧处理,通过Henon映射产生混沌序列提取关键帧,同时提取关键帧亮度分量的低频系数,将处理后的图像水印自适应地嵌入小波变换后亮度分量的低频系数中。实验结果表明,该算法具有较好的不可见性,且针对噪声、高斯滤波、旋转、帧丢失等攻击具有良好的鲁棒性。      

一种新的盲有含义水印方案

随着计算机和因特网技术的发展,数字水印技术开始广泛应用于数字图像、音频、视频和多媒体产品的版权保护。该文提出了一种在分块DCF的低频交流系数中利用周期函数的性质并结合加密技术和脚量化系数嵌入有含义的水印图像,并可以盲检测。实验结论和攻击测试表明,该文所提出的算法,对如JPEG有损压缩、椒盐噪声、中值滤波、对比度增强、和γ校正等各种的图像处理有很强的稳健性。同时还具有容易用软件或硬件实现的特点。     

基于Hopfield神经网络的WSN分布式拓扑

提出一种基于Hopfield神经网络模型的传感器网络的分布式广播算法。在已有网络拓扑的基础上对其数据获取方式进行改进。用优化的Hopfield神经网络模型在各簇中分别从广播源点开始遍历所有传感节点,并返回广播源点的最优链路。利用Hopfield神经网络收敛速率快、通信路径最优,且易于硬件电路实现的特点,形成了能量消耗较少、延时较小的WSN网络,它是一种能量高效的网络。     

基于堆栈滤波器和Hopfield神经网络的边界检测法

提出了一种基于堆栈滤波器和Ｈｏｐｆｉｅｌｄ神经网络的边界检测法,采用较小滤波窗口的堆栈滤波器优化估计的图象象素点之间的灰度梯度,再根据这些灰度梯度的优化估计值计算及确定Ｈｏｐｆｉｅｌｄ神经网络的权重矢量,Ｈｏｐｆｉｅｌｄ神经网络收剑时输出图象的边界。相对于基于堆栈滤波器边界检测法,该方法对堆栈滤波器的优化训练速度大大提高,所需内存大为减少,而相对于基于Ｈｏｐｆｉｅｌｄ神经网络的边界检测法,该方法又