基于改进增强特征选择算法的特征融合图像隐写分析

针对现有的基于特征融合的JPEG隐写分析方法特征冗余度高、通用性较低的问题,提出了一种基于改进的增强特征选择(BFS,boosting feature selection)算法的通用JPEG隐写分析方法。从线性相关度和非线性相关度两方面降低特征冗余,将特征自相关系数和互信息这两种统计性能引入到特征的评价准则中,重新设计了特征权重计算方法,改进了BFS算法的特征评价函数。通过改进的BFS特征选择算法将3组互补性较强且准确率高的特征进行融合降维,得到最优特征子集训练分类器。对3种高隐蔽性隐写算法F5、Outguess和MME3,在不同嵌入率下进行了大量实验。结果表明,本文方法的分析准确率高于现有的检测率较高的JPEG隐写分析方法和典型的融合分析方法,融合后的特征相关性明显下降,并且具有更强的通用性。     

基于形状的图像检索技术研究

基于形状的图像检索技术是基于内容的图像检索技术的一个重要组成部分。现有的形状特征检索技术主要集中在形状特征的提取及相似性度量、形状特征与颜色和纹理特征结合、形状特征与高层的语义特征结合的研究。在分析现有的基于形状的图像检索技术的一些关键技术的基础上,对基于小波-傅里叶特征(WFD)的形状检索方法进行了研究,并提出了一些改进算法。结合Matlab和ACCESS实现了一个基于形状的图像检索实验系统,建立了用户界面,选取与设计了4个图像测试集,使用检索性能评价方法对形状特征的检索结果进行了客观的评价。实验结果表明,利用本文所提出改进的形状特征进行检索取得了较好的检索效果。     

具有良好重复率与信息量的立体影像点特征提取方法

针对立体影像匹配问题,从重复率与信息量两个方面对现有几种主要的立体影像点特征提取算子进行了实验分析比较;根据影像的信息熵对影像特征进行聚类分析,提出了一种与影像特征相关的、基于Harris算子原理改进的点特征提取方法;选取不同特征的实际立体影像进行实验分析,证明本文提出的方法具有更优的重复率与信息量.     

基于改进特征选择方法的文本情感分类研究

提出了结合情感词典的改进信息增益特征选择方法。首先,针对现有的信息增益特征选择存在注重特征词的文档频率而忽视语料均衡等问题,提出了改进方法。其次,考虑情感词对文本分类的影响,提出了基于情感词典的特征选择（information gain combining sentiment classification,IGSC）算法进行文本分类。该算法通过对文本情感词进行匹配并结合情感词赋权重,实现了特征降维并解决了文本数据稀疏影响分类性能的问题;最后,针对旅游评论数据集对所提出的特征选择方法进行了实验验证及分析。实验结果表明,本文提出的改进文本情感分类特征选择方法在分类准确率、召回率和F值方面均得到了提升,并且具有较好的分类稳定性。     

小波尺度空间形状特征提取方法的研究

基于形状的图像检索技术是基于内容的图像检索技术的一个重要组成部分。现有的形状特征检索技术主要集中于形状特征的提取及相似性度量、形状特征与颜色和纹理特征结合、形状特征与高层的语义特征结合的研究。在分析现有的基于形状的图像检索技术的一些关键技术的基础上,对基于小波尺度空间特征(WSS)的形状检索方法进行了研究,并提出了一些改进算法。     

基于深度学习面向中小目标的检测研究

现有的网络模型在复杂场景中暴露出针对中小目标检测能力不足的问题,本文针对该问题对目标检测领域较流行的SSD网络模型进行了改进。有以下两方面:(1)针对浅层卷积层的语义信息丰富度不足和浅层信息丢失问题,采用残差网络方法对Conv4卷积单元进行改进,并将Conv4_3和Conv5_3的特征图进行了特征融合,设计了新的SSD网络模型。(2)针对Conv7层的特征图细节信息丢问题,将其与Conv3_3特征图融合,并对SSD模型的输出采用区域映射放大机制。文章分别对两次改进的模型进行实验验证。     

基于时空视觉显著性特征的行人检测

在分析现有的行人检测算法的基础上,针对前景提取不完整及检测误差较大等不足,提出了一种基于时空视觉显著性特征的行人检测改进算法.在具有代表性的Itti模型的基础上,使用更接近于人类视觉的Lab颜色空间对其颜色空间进行改进,并将运动特征及基于轮廓搜索的内部空洞填充法引入其中,生成总显著图.提取ROI,采用HOG特征结合SVM分类器对ROI进行行人检测.实验结果表明,该算法在一定程度上避免了误检和漏检的发生,相比较HOG算法具有较好的检效果.     

基于卡尔曼融合的激光雷达特征匹配方法

针对现有激光雷达特征匹配算法线段特征匹配定位不够准确的问题,提出了一种基于卡尔曼融合的激光雷达特征匹配算法。首先扫描一帧雷达数据,利用改进的激光雷达线段特征提取方法,提取出特征线段,得到局部地图。接着确定局部地图旋转、平移参数,再将局部与全局地图进行匹配,根据相对偏差得到匹配结果。然后基于卡尔曼,利用IMU数据作下一时刻的预测估计,利用激光雷达匹配结果作观测,两者融合得到最优估计。实验结果表明该方法相对现有特征匹配算法在特征线段的匹配准确性上更高,因此定位导航的精度和鲁棒性也更好。     

基于Conv-TasNet的多特征融合音视频联合语音分离算法

视听多模态建模已被验证在与语音分离的任务中性能表现优异,本文提出一种语音分离模型,对现有的时域音视频联合语音分离算法进行改进,增强音视频流之间的联系。针对现有音视频分离模型联合度不高的情况,作者提出一种在时域上将语音特征与额外输入的视觉特征进行多次融合,并加入纵向权值共享的端到端的语音分离模型。在GRID数据集上的实验结果表明,该网络与仅使用音频的时域语音卷积分离网络（Conv-TasNet）和音视频联合的Conv-TasNet相比,性能上分别获得了1.2 dB和0.4 dB的改善。      

一种基于参数重估计和分层匹配的PTZ相机参数修正算法

由于多种因素的影响,PTZ(pan-ti lt-zoom)相机经过长时间运行后其参数会偏离真实值,因 此有必要对相机参数进行修正。针对现有算法参数修正精度低、适应能力弱等问题,提 出了一 种改进的基于参数重估计和分层匹配的参数修正算法。算法通过引入参数重估计策略,避免 了参数 修正过程中的误差累积,提高了参数修正的精度;通过设计分层匹配和特征传播步骤,增强 了算法 对不同尺度图像的适应性。实际场景中的多组实验结果表明,本文算法可以准确修正PTZ相 机参数,并且较现有方法更具优越性。     

基于视频的天气类别识别系统

针对目前尚未有基于视频的天气类别自动识别系统，本文设计并实现了基于视频的天气类别自动识别系统框架。对于给定的一个测试视频，该系统根据其场景是否与现有的场景相同，选择相应的分类器进行识别，最终输出对应的天气类别识别结果。     

雾霾天气下的车牌识别

在雾霾天气下,图像采集设备拍摄的图片存在一系列问题,如饱和度低、细节失真、画质模糊等。文中探索了雾霾天气下的车牌识别算法,按照图像去雾、车牌定位、字符分割与识别等步骤来解决雾霾天气下传统车牌识别系统效率低、鲁棒性差等问题。该算法采用暗通道去雾,经去雾算法处理后,图像对比度、信息梯度和信息熵均得到提升;选择数学形态和边缘检测定位车牌的准确位置;利用仿射变换矫正车牌区域,结合投影法分割字符,最后使用基于支持向量机模式的识别算法来识别字符。经过处理后,车牌识别能达到较高的准确率。     

基于视频的天气类别识别分类器设计

通过实验发现SVM多分类（导向无环图）对于不同场景的天气类别识别能力较弱,而以随机森林为弱分类器构成的AdaBoost强分类器能有效提高对不同场景的识别能力。基于此,本文最终提出了基于视频的天气类别自动识别分类器的设计。     

混浊介质中的目标识别及其在交通安全中的应用

结合迷雾天气中车辆交通安全研究的核心内容——目标识别问题,利用斯托克斯/米勒表述和蒙特卡罗方法探讨偏振光在大气这类混浊介质中的传输规律,利用反射米勒矩阵对混浊介质中隐藏的目标物体进行识别。数值计算结果表明,在一定距离之内,利用反射米勒矩阵计算的解偏度能够较好地分辨出混浊介质中隐藏的不同物体。结合迷雾天气的具体特点,分析有效识别距离的大小,定量说明了识别距离大于能见距离,高于直接利用人眼识别的水平。     

复杂天气条件下的车牌信息识别

在复杂天气条件下,由于大雾或者强光照射造成车牌成像的失真,使传统基于图像的车牌识别方法难以准确识别车牌信息。文中基于何恺明提出的Dark Channel Prior 和直方图均衡方法能有效消除天气带来的干扰。并通过形态学方法对被噪声影响的图像进行复原、修正,最后通过基于BP神经网络对车牌信息进行识别。实验证明,文中方法对恶劣天气条件下的车牌信息还原清晰,有着较好的识别效果。     

视频动目标标识文本检测与识别技术

描述了一种新的视频动目标标识检测与识别技术，讨论了从视频中自动捕获用于识别动目标的最佳帧、动目标标识的自动搜索、标识字符的单字切分和字符图像的BP神经网络识别。实验显示，该技术运用于车牌自动识别系统能适应不同的天气和光照，有很好的鲁棒性。     

雾霾天气条件下车牌信息的识别

雾霾天气条件下,由于大气的散射,降低了拍摄图片中车牌信息的清晰度和对比度,并降低了车牌识别的正确率。针对这一现象,提出了一种基于暗原色的对图像透射率进行改进的算法,通过改进后的方法对图像进行去雾,弥补了暗原色方法针对天空、白色等大片明亮区域无法很好去雾的缺点。算法首先对雾霾天气下拍摄的图像利用改进算法进行去雾处理,然后进行车牌定位和字符分割,最后通过BP神经网络进行车牌信息的识别。实验证明,通过改进后的方法对图像进行去雾后,能够很好地还原车辆信息的原本颜色特征,给后期的车辆信息处理提供了便利。     

Editorial: Signal processing techniques for ISAR and feature extraction

Inverse synthetic aperture radar (ISAR) is a non-cooperative target recognition technique that has been investigated for target identification by the combat identification (ID) community for the past decade. Recently, ISAR imaging of moving targets has been an area of vigorous research. ISAR imaging is an effective way to acquire high resolution images of targets of interest at long range and as such is an irreplaceable tool in the task of non-cooperative target recognition. Its applications include detection, imaging, and classification of ships and aircraft with airborne, maritime, and land-based radar systems. Being radar-based, this imaging technique can be employed in all weather and day/night conditions.     

Blind equalization and automatic modulation classification based on subspace for subcarrier MPSK optical communications

Equalization can compensate channel distortion caused by channel multipath effects, and effectively improve convergent of modulation constellation diagram in optical wireless system. In this paper, the subspace blind equalization algorithm is used to preprocess M-ary phase shift keying (MPSK) subcarrier modulation signal in receiver. Mountain clustering is adopted to get the clustering centers of MPSK modulation constellation diagram, and the modulation order is automatically identified through the k-nearest neighbor (KNN) classifier. The experiment has been done under four different weather conditions. Experimental results show that the convergent of constellation diagram is improved effectively after using the subspace blind equalization algorithm, which means that the accuracy of modulation recognition is increased. The correct recognition rate of 16PSK can be up to 85% in any kind of weather condition which is mentioned in paper. Meanwhile, the correct recognition rate is the highest in cloudy and the lowest in heavy rain condition. This work has been supported by the National Natural Science Foundation of China (No.61671375), and the Industrial Research of Science and Technology Plan of Shaanxi Province (No.2016GY-082). E-mail:chdh@xaut.edu.cn      

面向内容的语音信号压缩感知研究

压缩感知理论依据信号的稀疏性质进行压缩测量,将信号的获取方式从对信号的采样上升为对信息的感知,是信号处理领域的一场革命。本文提出一种基于非确定基字典（Uncertainty Basis Dictionary, UBD）对语音信号进行稀疏表示的方法,将压缩感知理论应用于对语音信号稀疏表示的压缩,并提出了基于求解线性规划问题的方法重构语音信号的算法。通过语音识别、话者识别和情感识别实验,从面向内容分析的角度,研究这种基于压缩感知理论的信息感知方法是否保留了语音信号的主要内容。实验结果表明,语音识别、话者识别和情感识别的准确率,与目前这些领域研究方法得到的结果基本一致,说明基于压缩感知理论的信息感知方法能够很好地获取语音信号的语义、话者和情感方面的信息。