标签: 奇异值分解

提出了一种新的盲鲁棒水印算法,它充分利用了小波变换的多分辨特性和矩阵奇异值分解的能量稳定特性,通过量化的方法将二值水印嵌入到原始图像的低频区域中,在水印的提取过程中不需要原始图像参与.实验证明,该水印算法的鲁棒性较好,具有不可见性,比Sun算法的性能有所提高.．盛馥些竺塑竺．塑堕一．一一．一一一一一一…。一，。基于ＤＷＴ―ＳＶＤ与量化相结合的盲水印算法王忠（武汉工程大学计算机科学与工程学院，湖北武汉４３００７３）摘要：提出了一种新的盲鲁棒水印算法，它充分利用了小波变换的多分辨特性和矩阵奇畀值分解的能量稳定特性，通过量化的方法将二值水印嵌入到原始图像的低频区域中，在水印的提取过程中不需要原始图像参与。实验征明，该水印算法的鲁簪性较好，具有不可见一挂，比Ｓｕｎ算法的性能有所提高。关键词：盲水印离散小波变换奇异值分解量化鲁棒性随着数字多媒体技术帮捌络技术的迅速发展及广抟斑奇异矩莽和右奇异矩薄；乃是对角矩薄，满茬矿，≥泛应用，多媒体数字产品的版权保护便成为迫切需要解…以≥ｃｒｒ＋。≥…≥盯。≥０；矩阵一的奇异值是ＡＡｌ或ＡｔＡ决的问题。于是，采用数字水印技术实现版权保护的办的特征值Ａ。的获平方根。矩阵奇异值具有很好的稳定法，就藏为了多攥薄信息安全领域……

为了实现图像压缩，在分析图像压缩原理的基础上，提出了一种矩阵奇异值分解（SVD）的图像压缩算法，该算法通过对数字图像矩阵进行奇异值分解，将一幅图像转换成包含几个非零值的奇异值矩阵，从而实现了图像压缩。通过Matlab仿真实验，在奇异值从0变化到240的过程中，当奇异值大于50时，随着奇异值的增大，压缩比越来越小，图像慢慢变清晰。和原始图像相比，采用矩阵的奇异值分解压缩方法可以将原始图像压缩20%左右，具有较好的压缩性能。

针对医学图像对于水印技术的要求，提出了一种基于压缩感知和多种变换域的的医学CT图像水印算法，使水印具有较高的不可见性。将水印图像进行压缩感知预处理，不仅可以起到水印加密的作用，还减少了嵌入的水印信息量。对感知后的水印图像和原始图像分别依次进行离散小波变换、离散余弦变换后，然后用奇异值分解进行水印嵌入处理，最后通过SVD（SingularValueDecomposition）、DCT（DiscreteCosineTransform）、DWT（DiscreteWaveletTransform）逆变换进行水印提取。仿真实验结果表明，对于医学CT图像而言，该算法具有较高的隐蔽性，且对于常见的图像攻击方法具有一定的鲁棒性。

推荐引擎是信息服务的一项重要内容，为了提高推荐算法的准确性，本文在推荐场景中尝试使用奇异值分解算法（SVD），并引入差分矩阵对其进行改进，通过爬取网络中的真实数据，并对爬取的数据进行预处理，使用Python语言对协同过滤、k-means聚类、传统奇异值分解以及改进后的奇异值分解4种算法在推进场景中的运用进行仿真实现，采用控制变量的方式，以平均绝对误差（MAE）作为推荐准确性的度量标准，对不同算法的准确性进行比较、分析，最终得出4种算法准确性上的差异。