SVD随着计算机网络的不断发展,多媒体信息的版权保护问题变得十分突出,已成为一个非常紧迫的议题。数字水印技术是实现版权保护的一种非常有效的方法,已经成为信息隐藏领域的一个热门方向。本文着重讨论了数字水印技术在数字图像中的应用,特别地,对于基于神经网络和SVD的自适应的数字水印技术进行了深入的研究与实验。首先比较全面地介绍了数字水印技术的发展历史、现状、基本模型、特征、分类、现有的主要的算法和应用,并对数字水印的发展前景做出了一个展望。接着阐述了神经网络和奇异值分解( SVD)的相关理论。利用图像

如何面对人们日常生活中接触到的，尤其是互联网上数量激增的图像进行有 效的分类，已经成为研究的新热点。虽然现有的图像分类技术已经取得不错的性 能，但是它们还存在着一些问题。一是大部分现有的图像分类算法都是基于图像 的底层特征，’无法解决图像分类中的“语义鸿沟”问题；二是，大多数图像分类算 法总是忽视图像中部分与部分之间的空间关系。-How to face contact with people' s daily lives, especially surge in the n

支持向量机方法中也存在着一些亟待解决的问题，主要包括：如何用支持向量机更有效的解决多类分类问题，如何解决支持向量机二次规划过程中存在的瓶颈问题、如何确定核函数以及最优的核参数以保证算法的有效性等。-Support vector machine (SVM) method also exist some problems to be solved, mainly includes: how to use support vector machine (SVM) is more effective t

提取图像特征进行图像的二分类问题，能够实现对输入图像的分类（有没有人）。-Extract image features two image classification problem, it is possible to realize the input image classification (there is no one).