摘要：由于小波相比球面谐波函数能够更好地表现许多高频光照细节,哈尔小波被越来越多地被应用在许多基于PRT的全局光照渲染算法中。在PRT框架下,利用小波变换对光照、遮挡、BRDF等函数进行预处理。然后,利用所得到的预处理数据,在GPU上来实时地渲染软阴影。在渲染过程中,使用Tree-structured算法来计算渲染方程。为了能在GPU上实现该算法,对该算法中所用到数据结构的实现方式进行重新设计,并对该算法的实现过程进行调整和优化。同时,利用GPU的一些特性,在一些实现细节上也进行了相应优化。

摘要：针对低分辨率人脸图像缺少有效信息而导致识别率较低的问题,提出一种结合哈尔小波与递归神经网络的低分辨率人脸识别方法。首先,通过深层网络直接预测小波系数,经过小波逆变换得到高分辨率人脸图像,可以有效地重建高频信息;其次,在卷积神经网络中加入递归模块,在增加网络深度的同时减少参数冗余,提升模型的映射能力;最后,提出一种优化的重建与感知损失融合方法,将小波系数重建损失与感知损失进行加权融合,用以生成有利于识别的人脸图像。基于公开数据集,对图像重建质量与识别性能进行了对比。实验结果表明,即使在极低的分辨率条件下(8×8,16×16),仍然能够重建出更加锐利的人脸图像。在此基础上,其识别能力优于目前领先的超分辨率重建算法。

摘要：针对水印系统抗攻击能力弱的问题,对目前所提出的数字图像水印技术进行深入分析,采用哈尔小波变换对原始图像进行水印图像的嵌入,通过DCT变换对添加过水印图像的数字图像进行还原,提取出水印图像,同时采用添加白噪声、高斯低通滤波处理、对图像进行部分剪切、将图像旋转10度、将图像压缩处理、添加椒盐噪声以及不处理图像直接显示提取水印方式对水印图像进行攻击,原始水印图像和提取出的水印图像之间的互相关系数平均达90%以上。

摘要：有关流数据分析与管理的研究是目前国际数据库研究领域的一个热点.流数据的特点是数据持续到达,且速度快、规模宏大;其研究核心是设计高效的单遍数据集扫描算法,在一个远小于数据规模的内存空间里不断更新一个代表数据集的结构———概要数据结构,使得在任何时候都能够根据这个结构迅速获得近似查询结果.将主要采用小波方法对数据流的采样加以实现,并对数据流进行查询.