基于计算机生成全息图及SVD—DWT的数字水印算法

提出一种基于奇异值分解和离散小波变换并应用计算机生成全息图作为水印图像的新算法．该算法结合了奇异值分解抗几何攻击能力强以及离散小波变换抗噪声、压缩等能力强的特点．实验表明,该算法能有效地抵抗旋转、平移、翻转和缩放等几何攻击,同时对滤波、加噪声、JPEG压缩、图像模糊、裁剪、锐化和对比度增强等常规攻击也有很强的鲁棒性．     

基于SVD和直方图的JPEG同幅图像篡改盲检测算法

首先分析了基于小波变换和奇异值分解方法对同幅图像拼接篡改检测的缺点,结合相关重要的思想,构建了一种改进算法,该算法运用SVD提取图像块特征,并采用偏移频率的直方图来确定阈值。在仿真实验中,通过运用三种算法对图像篡改进行检测,对比结果表明,文章所提算法对同幅图像单次篡改和多次篡改均有更好的检测效果,而且通过修改图像的质量因子的实验进一步证实了该算法具有一定的鲁棒性。     

融合局部奇异值特性的人脸自动识别

针对仅在整幅人脸图像上进行奇异值分解无法得到人脸识别所需的足够信息的问题,提出了一种利用人脸图像的局部奇异值和灰色关联分析进行人脸识别的方法。该方法的关键是不在整幅人脸图像上进行,而是在人脸的不同区域进行奇异值分解以提取更丰富的信息和克服＂小样本＂效应。在识别阶段,对待识别人脸的特征向量,计算其对各人脸样本的隶属度,最后做出判断。该方法与传统方法在ORL人脸库上进行的对比实验结果,表明了该方法的优越性。     

基于奇异值分解熵的心率变异性分析

Assessing the dynamics of heart rate fluctuations can provide valuable information about heart status. In this study, regularity of heart rate variability （HRV） of heart failure patients and healthy persons using the concept of singular value decomposition entropy （SvdEn） is analyzed. SvdEn is calculated from the time series using normalized singular values. The advantage of this method is its simplicity and fast computation. It enables analysis of very short and non-stationary data sets. The results show that SvdEn of patients with congestive heart failure （CHF） shows a low value （SvdEn： 0.056±0.006, p 〈 0.01） which can be completely separated from healthy subjects. In addition, differences of SvdEn values between day and night are found for the healthy groups. SvdEn decreases with age. The lower the SvdEn values, the higher the risk of heart disease. Moreover, SvdEn is associated with the energy of heart rhythm. The results show that using SvdEn for discriminating HRV in different physiological states for clinical applications is feasible and simple.     

融合局部奇异值特性的人脸自动识别

针对仅在整幅人脸图像上进行奇异值分解无法得到人脸识别所需的足够信息的问题,提出了一种利用人脸图像的局部奇异值和灰色关联分析进行人脸识别的方法。该方法的关键是不在整幅人脸图像上进行,而是在人脸的不同区域进行奇异值分解以提取更丰富的信息和克服"小样本"效应。在识别阶段,对待识别人脸的特征向量,计算其对各人脸样本的隶属度,最后做出判断。该方法与传统方法在ORL人脸库上进行的对比实验结果,表明了该方法的优越性。     

彩色数字图像的版权保护

针对彩色数字图像的版权保护问题,提出了基于奇异值分解和离散的小波变换的彩色图像数字水印算法。算法将CIE-RGB色彩模式下的彩色图像转换到CIE-LAB色彩模式,然后将置乱后的水印嵌入到LAB色彩空间的L分量分块的小波分解低频系数的奇异值中。实验证明,该算法能够抵抗剪贴、拼贴、高斯噪声、JPEG压缩缩放、旋转等常用的图像处理的攻击,并且具有良好的不可见性和安全性。     

基于LSA的社会化标注系统标签语义检索研究

在分析社会化标注系统标签检索研究现状基础上,针对传统方法可计算性不高、完备性不够、无法分辨自然语言的语义模糊性等不足,提出基于潜在语义分析的社会化标注系统标签语义检索模型,改进标签-资源矩阵权重计算算法,完善社会化标注系统的语义标注方法。并以delicious系统为例,抓取数据进行验证分析,通过对比,证明提出的模型和改进的算法能显著提高标签检索效率。     

线性流形上矩阵方程AXA^T=B的双反对称解

利用矩阵对的商的奇异值分解研究了线性流形上矩阵方程AXA^T=B双反对称解．     

一种SVD与LS相结合的变换域水印

提出了一种基于奇异值分解（SVD）以及最小二乘法（LS）的变换域水印算法．该水印算法属于非盲水印,利用水印图像的部分信息替代载体图像的信息,增强了算法的鲁棒性．仿真结果表明,该算法不但可以对抗一般的图像处理,并且对缩放、裁剪、旋转等几何攻击有较强的鲁棒性．     

一种基于矩阵奇异值分解和奇异值量化的数字水印算法

在图像矩阵的奇异值中嵌入隐秘信息,这样的嵌入算法鲁棒性很强,但嵌入的信息量却很有限.本算法是将图像矩阵分解为若干小的矩阵序列,使用将每个小矩阵的奇异值进行量化的方法嵌入隐秘信息,这样既增强了算法的鲁棒性,也提高了算法的信息隐藏量.实验结果表明该算法可行,并且可以抵抗多种攻击.