基于小波零樹特性的視覺感知度模型的優化方案, 給出了兩種水印算法: 一種算法嵌入的是高斯序列水印, 通過相關檢測實現盲檢測 另一種算法嵌入的是二值圖像水印, 水印的提取是非盲提取。這兩種算法在所有重要小波系數( 包括最低頻系數) 中嵌入水印, 以達到最大化水印嵌入量的目的, 并結合感知度模型在水印的透明性和魯棒性之間實現了較好的平衡, 對于常見的圖像處理操作, 特別是對于JPEG 和小波壓縮均有較好的魯棒性。
標簽： 水印 算法 零 樹
上傳時間： 2015-09-27
上傳用戶：lmeeworm
面 向 綜 合 網 絡 的 JAIN API 將 業 務 便 捷 性、 網 絡 匯 聚 以 及 安 全 的 網 絡 接 入 帶 給 電 話 和 數 據 網 絡。JAIN 技 術 為 公 共 交 換 電 話 網 (PSTN)、IP 網 和 無 線 網 的 業 務 創 建 提 供 了 新 水 平 的 抽 象 能 力 及 相 關 的 Java 接 口， 使 IP 與 IN (智 能 網) 的 整 合 成 為 可 能。 這 被 成 為 綜 合 網。 由 于 JAIN API 包 含 對 網 絡 內 部 資 源 的 安 全 接 入， 這 就 創 造 了 推 出 成 千 上 萬 新 業 務 的 機 遇， 超 越 當 前 實 現 的 數 十 種 業 務
標簽： JAIN API
上傳時間： 2013-12-22
上傳用戶：wang0123456789
因其核函數的良好性態,RBF核SVM(RBF-SVM)在實際應用中表現出良好的學習性能,但是RBF核函數中的參數對SVM的性能起決定性作用.闡述了RBF-SVM的性能隨著變化而變化的規律,并將RBF-SVM引入自動羽絨識別系統中.根據自動羽絨識別系統的實際需求和RBF-SVM的性能變化規律,論述了本系統中參數的選取依據和選取過程,并且給出了的相關曲線變化圖.通過研究,最后得到適合本系統的識別模型,從而提高了系統的總體識別率.同時,也驗證了RBF-SVM的良好特性和其受參數的約束規律.
標簽： RBF-SVM RBF SVM 性能
上傳時間： 2013-12-27
上傳用戶：zhengzg
μC/ OS - Ⅱ是一個源碼公開的實時嵌入式操作系統,它的特點在于公開的源代碼,很強的移植性,占先式多任務,每 個任務有單獨的棧,中斷管理及很強的穩定性與可靠性等,目前越來越受到實時嵌入式系統設計者的關注,而要使用μC/ OS - Ⅱ 就要針對不同的處理器進行移植,本文通過對在80x86 和MCU - 51 上移植實例的分析,給出了在移植μC/ OS - Ⅱ系統時如何通 過中斷指令實現任務切換,解決移植的核心問題。
標簽： 實時嵌入式 OS 源碼 多任務
上傳時間： 2016-03-30
上傳用戶：Thuan
均勻圓陣的指向性仿真和模擬，原創，最后求出其指向性圖，參數可自行代換
標簽： 均勻圓陣 仿真 模擬
上傳用戶：ynsnjs
根據圖由用戶給出一個鄰接矩陣，通過算法求出其可達性矩陣
標簽： 用戶 矩陣
上傳時間： 2016-07-07
上傳用戶：牛布牛
通過引入與余差有關的代價函數,給出了一種高精度估計基礎矩陣的線性算法——加權平移算法.首先 將原始輸入數據加權,計算加權后數據的重心坐標,將坐標原點平移到該重心坐標,再作歸一化處理.然后用8點 算法求出基礎矩陣F陣的8個參數,實現了F陣的高精度估計.實驗結果表明,此算法具有良好的魯棒性,且余差 和對極距離都小于其他線性算法,提高了基礎矩陣的精度.
標簽： 加權 數據 算法 函數
上傳時間： 2016-08-15
上傳用戶：zgu489
說明了HR IS 相鄰光譜通道圖像數據具有高度的相關性, 提出了基于這種特 性和數據插值的畸變像元相關校正方法, 該方法分為兩個步驟, 第一步, 利用圖像相關性 對圖像中的畸變像元進行檢測, 目的在于減小圖像數據的變化, 減少運算時間 第二步, 通 過曲面擬合方法, 對檢測出的畸變像元強度進行校正。實驗表明該校正方法, 具有很好的 效果, 并應用到了實際的HR IS 數據處理中。
標簽： 圖像 畸變 IS 光譜
上傳時間： 2016-08-26
上傳用戶：BOBOniu
進行基于最大最小方法和K均值結合的分類方法 并畫出具體的分類情況，對二維數組具有魯棒性。
標簽： 分類 K均值
上傳時間： 2014-11-26
上傳用戶：zjf3110
Markov參數是系統能觀測性規范型實現時的重要參數，他給出了系統能觀測性規范型的一種簡單的實現方法。給出了Markov參數的定義、算法流程及運行算例，最后給出源程序！
標簽： Markov 參數
上傳時間： 2016-12-31
上傳用戶：gut1234567
蟲蟲下載站版權所有 京ICP備2021023401號-1
