生物组织磁聚焦电导率成像原理及反演算法

生物组织磁聚焦电导率成像系统利用多圈螺旋电感线圈形成聚焦磁场激励和检测导电目标,达到了提高成像空间分辨率的目的。根据所推导的频率变化与分层生物组织电导率的关系，引入遗传算法对目标电导率进行反演优化计算，获得了充足的成像数据。对于给定的十层分层生物组织模型，反演优化所得电导率除最深层有较大偏差需要进行数据处理外，其余均与目标一致，成像数据非常可靠；成像速度为百毫秒数量级但是具有很大提高潜力。计算结果表明该方法能够有效地对生物组织进行分层媒质建模计算，进一步采取措施能够实现较高分辨率的实时成像。     

无线网络中基于视觉优化的三维模型传输与实时绘制方法

为克服无线网络的窄带宽和移动计算终端固有的功耗较低与资源有限等缺陷,提出了一种无线网络环境下基于视觉优化的多分辨率三维模型传输与实时绘制方法。首先,基于改进显著性区域计算模型提出一种视觉优化的模型简化算法,使视觉重要顶点在简化过程中尽可能地得到保留。在该计算模型中,提出了一种三维本地窗口计算方法和加权融合技术以获得有效样本顶点,提高了显著性区域判定的准确性。其次,提出一种无线网络中模型实时绘制方法,通过有效的模型编码和计算任务分配,使渐进模型数据能够快速传输到移动客户端,并在仅进行基本绘制计算的同时摒弃耗费资源的本地重构计算。最后,分别在模拟环境和在802.11b标准的无线局域网络环境中进行了算法性能测试。实验结果表明,采用本算法能够在获得较好的模型视觉简化效果的同时实现模型的任意分辨率的实时绘制。     

基于小波变换的图像融合技术研究

基于小波变换的融合算法形成了多分辨率融合算法的一个新的有用框架。由于人类视觉只对亮度信号的局部对比度敏感,提出了小波对比度的概念。图像经小波多分辨率分解后,依照小波对比度,定义变换系数邻域活性和系数匹配程度测度,按照系数匹配程度加权系数形成融合图像。将小波多分辨率分解和人类视觉对局部对比度敏感的特性优雅地结合在一起。     

基于感受野模型的图像融合算法研究

现实世界中最优的图像融合系统莫过于生物视觉系统.如果能够了解生物视觉的基本原理,建立其数学模型,并能应用于多传感器图像融合实践中,将会对多传感器图像融合技术的发展有很大促进作用.本文以人类视觉的生物机理和感受野的数学模型为基础,提出了一种新颖的基于人眼视觉感受野模型的图像融合算法.这种算法非常适合融合两幅灰度差异较大的异质传感器图像,融合图像在保留两幅原图像中有用信息的同时,还对图像间的差异进行了增强,有助于提高观察者识别目标的速度和准确性.另外,该算法还有一定的去噪功能,计算量很小,可满足实时性要求.     

基于仿射变换的快速全局运动估计算法

全局运动估计是计算机视觉、视频处理等领域广泛采用的手段之一。为了降低全局运动估计计算复杂度,提出一种基于像素梯度的全局运动估计方法。就运动模型而言,采用了复杂性与准确性较好均衡的六参数仿射模型。为了提高计算速度,采用了两层金字塔进行多分辨率计算,而且在每层迭代计算中都抽取梯度较大的特征点进行计算,同时结合了高斯-牛顿优化计算方法。实验验证了提出的全局运动估计算法的计算效率和精度。     

基于区域增长的遥感影像视觉显著目标快速检测

针对传统视觉注意模型在遥感影像视觉显著区域检测中存在的计算复杂度高、检测精度低等缺点,提出了一种新的视觉显著区域快速检测算法。首先利用整数小波变换降低遥感影像的空间分辨率,从而降低视觉注意焦点检测的计算复杂度;然后在视觉特征融合中引入二维离散矩变换,生成边缘与纹理信息更为丰富的遥感影像显著图;最后在显著图分析中提出区域增长策略来获得视觉显著区域的精确轮廓。实验结果表明,新算法不仅有效降低了遥感影像视觉显著区域检测的计算复杂度,而且能够精确描述视觉显著区域的轮廓信息,同时避免了对整幅遥感影像的分割与特征提取,为今后的遥感影像目标检测提供了一定地参考价值。     

融合深度信息的室内RGB图像视觉显著物体快速检测方法

针对传统视觉注意机制在室内三原色(RGB)图像视觉显著物体检测中存在的运算复杂、检测精度低等缺点,提出了一种融合深度信息的室内RGB图像视觉显著物体快速检测方法。对室内RGB图像进行降采样和金字塔量化处理,从而降低图片的空间分辨率和计算复杂度。利用亮度、红绿以及黄蓝三通道的多特征视觉注意机制显著性检测模型以获得室内RGB图像的显著图。在显著图分析中提出显著区域生长策略,从而获得视觉显著区域的精确轮廓。融合深度信息获取视觉显著区域内显著物体数目以及显著物体相互之间的位置关系。通过室内场景实验,验证了方法的可行性和有效性。     

基于自适应金字塔的红外图像超分辨率重建算法

本文通过分析红外图像特性,提出了一种自适应金字塔的红外图像超分辨率重建算法,利用多层信息互补实现图像重建。本算法通过金字塔架构获取不同尺度字典的结构信息,并通过一个自适应均值融合计算单元,用于细节重组。实验结果表明,本文提出的算法能够获得清晰的图像,且视觉质量高。     

图像视觉特征综述

介绍了图像的颜色、纹理、形状等视觉特征,重点给出在实验中取得较好效果的灰度共生矩阵、基于小波变换的多分辨率模型和索贝尔算子计算图像边缘密度的求解方法。     

基于Gabor滤波器组的多特征尺度不变特征提取方法

提出了一种多特征尺度不变特征提取方法,简称GIFT(Gabor scale-Invariant Feature Transform).该方法首先利用2D Gabor滤波器组模拟生物视觉感知计算模型进行特征点检测,符合生物视觉感知特性,得到具物理直观性、稳健的特征点.其次采用基于Gabor核函数的特征尺度选择方法对所检测的特征点选择多个特征尺度,得到高可区分性的多特征描述子.最后,通过设计面向多特征尺度的特征匹配策略,提高特征匹配的可靠性.基于标准数据集的对比实验结果表明,GIFT方法在特征匹配率和稳健性上均优于SIFT.     

有效传输边带信息的低计算复杂度PTS方法

在传统的PTS方法中,计算复杂度高,需要传送边带信息,而直接将边带信息插入到优化后的OFDM符号中会再次提高PAPR。针对传统PTS方法的这些缺点,提出新的PTS方法。在新的PTS方法中,边带信息根据采样点相位进行取值,能够降低计算复杂度,每一帧的最后一个子载波用来传输前一帧的边带信息,从而达到不增加OFDM信号PAPR的目的。仿真分析表明,相对于传统PTS方法,既能够降低计算复杂度,又能够在不增加PAPR的前提下传输边带信息。     

Dictionary with tree structure for matching pursuit video coding

Matching pursuit video coding has many advantages. However, this method involves an extremely high computational cost. A new dictionary with a tree structure is proposed as a replacement for the Gabor dictionary. Equal video quality is achieved with both dictionaries but the computational cost is significantly reduced when using the proposed method     

MIMO-OFDM系统中低复杂度PTS的应用研究

针对传统多输入多输出正交频分复用（MIMO-OFDM,Multiple Input Multiple Output Orthogonal Frequency Division Multiplex）系统中部分传输序列（PTS,Partial Transmit Sequence）算法的高计算复杂度、多边带信息的缺点,这里提出一种简化算法。该算法利用编码码字之间的关系,结合一种低计算复杂度的PTS算法,简化了寻找最佳扰码序列的运算过程,从而达到既降低计算复杂度又减少边带信息量的目的。性能分析结果表明,与传统方法相比,简化算法在降低复杂度的同时,不会影响系统的峰均功率比性能。     

基于卷积神经网络与循环谱图的调制识别方法

为提高调制分类识别精确度,降低计算复杂度,提出了一种基于卷积神经网络(CNN)与红绿蓝(RGB)循环谱二维图的智能调制识别方法。基于循环谱特征可识别调制类型的机理,为了降低计算复杂度,将三维的循环谱转换为二维平面的RGB循环谱图,并将其用于构建数据集;将一种计算复杂度较低的CNN作为调制类型分类识别器。仿真结果表明,所提出的智能调制识别方法能够以较低的计算复杂度,获得更高的分类精确度。     

Fast computation of MC-DCT for video transcoding

A fast method to reduce the computational complexity of a frequency domain transcoder for bit-rate reduction of compressed video bit streams is proposed. The proposed method reduces the computational complexity of a pixel domain transcoder by 81.25% while the introduced distortion in the transcoded pictures is 0.2 dB     

修正Kalman滤波多带UWB信道估计改进方法

针对多带超宽带(UWB)系统中修正Kalman滤波算法复杂度高的缺陷,提出一种低复杂度的修正Kalman滤波改进方法。该方法中UWB信道采用自回归模型(AR)建模,利用导频跟踪时变信道衰减因子,通过Kalman滤波和频域分段最小均方误差(MMSE)算法同时跟踪信道的时域相关性和频域相关性,提高了系统性能,降低了计算复杂度。仿真结果表明,和修正的Kalman滤波方法相比,在估计精度损失很小的情况下,所提方法极大降低了计算复杂度,提高了系统整体的估计性能。     

基于平行因子分析的SIMO-OFDM系统盲信道与符号联合估计算法

针对SIMO-OFDM系统下的信道估计和符号检测问题,该文建立了接收数据矩阵的平行因子分析(PARAFAC)模型,利用PARAFAC模型中离散傅里叶变换矩阵的行满秩特性,结合数据矩阵的奇异值分解,提出了一种信道与符号联合盲估计的闭式求解方法。由于提出的求解方法无须进行迭代便可以完成信道估计和符号检测,因此其计算复杂度低,此外,利用PARAFAC模型实现信道和符号的同时计算,避免了因信道估计误差导致的符号误码率性能下降问题。仿真结果表明,与传统方法相比提出的方法计算复杂度更低,估计性能更好。     

基于空域滤波的雷达目标二维散射中心快速提取

针对几何绕射(GTD)模型,该文提出一种基于空域滤波的2维散射中心参数快速提取方法。该方法利用空域滤波过程将2维散射中心参数提取问题分解为多个1维散射中心提取问题,并利用1维旋转不变技术(1D-ESPRIT)来估计散射中心各维参数,最后利用最小欧氏距离实现2维参数的配对。与基于2维旋转不变技术(2D-ESPRIT)的方法相比,该方法避免了高维数的特征值分解,因而可以显著地降低计算的复杂度。仿真实验表明,与2D-ESPRIT高分辨算法相比,该方法不仅能够显著降低计算量,并且还能获得较好的估计精度,可以有效地用于提取目标散射中心参数信息。     

CBOC信号处理中的二次采样方法

为了降低信号捕获跟踪运算量,针对Galileo信号CBOC调制提出了一种新的CBOC信号处理中的二次采样算法。分析了CBOC信号调制方式及功率谱密度,介绍了CBOC信号二次采样算法,提出了CBOC信号处理二次采样方法的处理模型。仿真结果表明,CBOC信号处理中的二次采样算法可以实现信号的CBOC解调,降低了运算量并简化了Galileo接收机的捕获跟踪设计。     

Doa estimation using a sparse linear model based on eigenvectors

To reduce high computational cost of existing Direction-Of-Arrival (DOA) estimation techniques within a sparse representation framework, a novel method with low computational complexity is proposed. Firstly, a sparse linear model constructed from the eigenvectors of covariance matrix of array received signals is built. Then based on the FOCal Underdetermined System Solver (FOCUSS) algorithm, a sparse solution finding algorithm to solve the model is developed. Compared with other state-of-the-art methods using a sparse representation, our approach also can resolve closely and highly correlated sources without a priori knowledge of the number of sources. However, our method has lower computational complexity and performs better in low Signal-to-Noise Ratio (SNR). Lastly, the performance of the proposed method is illustrated by computer simulations.