本研究針對目標識別等系統中由于載機轉動而使目標圖像發生旋轉，給測量及人眼觀察帶來的影響，因此需要對目標圖像進行實時的反旋轉處理，對目前出現的消像旋技術進行分析和比較，選擇從電子學消旋方法出發，研究圖像消像旋的方法，并給出了基于FPGA的實時消像旋系統的完整結構和相應的算法設計。 本文在對電子圖像消旋原理的深入分析的基礎上，設計并利用Visual C++6.0軟件仿真實現了一種優化的快速旋轉算法，再利用后插值處理保證了圖像的質量；構建了以ACEX EP1K100為核心的數字圖像實時消像旋系統，利用VHDL硬件描述語言實現了整個消像旋算法的FPGA設計。該系統利用高速相機和Camera Link接口傳輸圖像，提高了系統的運行速度。利用QuartusII和Matlab軟件對整個算法設計進行混合仿真實驗。實驗結果表明，該系統能夠成功地對采集到的灰度圖像進行消像旋處理，旋轉后的圖像清晰穩定，像素誤差小于一個像素，而且對于視頻信號只有一幀的延時不到20ms，達到系統參數要求。
上傳時間： 2013-07-04
上傳用戶：MATAIYES
數字水印是數字信息安全領域研究的一個熱點。小波變換算法以其多分辨率分析的特性在應用數學方面取得了一定的發展。文中結合小波算法，在數字圖像的低頻域中采用分塊方法來嵌入數字水印，改進了小波多尺度分解算法，通過實驗說明，該數字水印算法對數字水印的穩定性效果明顯
上傳時間： 2013-11-08
上傳用戶：199311
數字水印作為一種防護技術，在數字產品的保護認證方面越發顯得重要，成為當前計算機領域研究的熱點問題之一。提出了一種在空域采用分塊重復嵌入水印信息和HVS相結合的水印技術。實驗結果說明，分塊技術在空域的使用提高了水印的嵌入強度和降低計算復雜度，該算法在抵抗旋轉、裁剪、縮放方面等有較強能力；水印算法與HVS技術的有效性相結合，數字水印具有很好的掩蔽性。
上傳時間： 2013-10-23
上傳用戶：qwerasdf
隨著網絡技術和多媒體技術的飛速發展，如何保護多媒體信息的安全已成為國際上研究的熱門話題，數字水印技術應運而生。作為保護數字作品版權的一種重要手段，數字水印技術己成為當今學術界研究的一個熱點。文中簡介了目前主流數字水印算法，給出了DCT域數字盲水印算法。該水印算法不可見性較好，對JPEG壓縮，噪聲，有較好的魯棒性。
上傳時間： 2013-10-29
上傳用戶：元宵漢堡包
一個不錯的水印程序程序源代碼，可以在上面添加自己的水印算法
上傳時間： 2014-01-10
上傳用戶：541657925
本程序將獨立分量分析技術和數字水印技術有機地結合在一起，提出了一種基于獨立分量分析的盲水印算法,本用本程序實現
上傳時間： 2013-12-27
上傳用戶：aa17807091
探討MATLAB在 數字水印中的應用，利用MATLAB語言編程實現了一類數字水印算法的嵌入、攻擊及提取過程,并給出了程序運行 的結果。
上傳時間： 2016-03-24
上傳用戶：fredguo
自適應二維數字水印系統隨著因特網和數字技術的發展，數字媒體已成為人們獲取知識的主要手段，但這也帶來了一系列問題：如作品侵權、非法復制和傳播等。而數字水印技術作為版權保護的重要手段，已得到廣泛的研究和應用。本文提出了一種以灰度圖象為水印的空域二維自適應數字水印算法。為實現水印圖象的疊加，我們首先將其進行8 8分塊并進行DCT變換，然后對每塊的DCT系數進行量化和調整，最后，取出每塊的部分DCT系數構成水印信號。為了實現自適應，首先將載體圖象按8 8分塊并利用視覺掩蔽特性對載體圖象象素進行分類，根據塊分類結果，水印信號以不同強度嵌入到載體圖象中。實驗結果表明，我們提出的算法具有較好的魯棒性。最后本文對該技術今后的研究指出了一些可能的方向。
上傳時間： 2016-06-28
上傳用戶：cc1
新書推薦之非線性規劃導論。如果你迷戀算法，那么我告訴你規劃和線性規劃作為最優化理論是算法設計的最終歸宿，像《算法導論》這樣的書，永遠都是導論。邁入最優化理論的殿堂，你才能算得上高手。
上傳時間： 2016-08-21
上傳用戶：sk5201314
K-Means算法是最古老也是應用最廣泛的聚類算法，它使用質心定義原型，質心是一組點的均值，通常該算法用于n維連續空間中的對象。 K-Means算法流程 step1：選擇K個點作為初始質心 step2：repeat 將每個點指派到最近的質心，形成K個簇 重新計算每個簇的質心 until 質心不在變化 例如下圖的樣本集，初始選擇是三個質心比較集中，但是迭代3次之后，質心趨于穩定，并將樣本集分為3部分 我們對每一個步驟都進行分析 step1：選擇K個點作為初始質心 這一步首先要知道K的值，也就是說K是手動設置的，而不是像EM算法那樣自動聚類成n個簇 其次，如何選擇初始質心 最簡單的方式無異于，隨機選取質心了，然后多次運行，取效果最好的那個結果。這個方法，簡單但不見得有效，有很大的可能是得到局部最優。 另一種復雜的方式是，隨機選取一個質心，然后計算離這個質心最遠的樣本點，對于每個后繼質心都選取已經選取過的質心的最遠點。使用這種方式，可以確保質心是隨機的，并且是散開的。 step2：repeat 將每個點指派到最近的質心，形成K個簇 重新計算每個簇的質心 until 質心不在變化 如何定義最近的概念，對于歐式空間中的點，可以使用歐式空間，對于文檔可以用余弦相似性等等。對于給定的數據，可能適應與多種合適的鄰近性度量。
上傳時間： 2018-11-27
上傳用戶：1159474180
