未来智能电视的构想

以TCL倡导的“3C融合”为指导方向，从计算机、通讯、消费电子三个方面与电视机的结合，构想未来智能电视的发展——让电视成为整个“数字家庭”的“家庭娱乐服务中心”，具备众多的智能功能，同时满足绿色节能的要求，从而给人们的生活提供更方便的服务。     

基于局部Tchebichef矩的鲁棒图像水印算法

针对目前基于图像不变特征水印算法不能同时有效抵抗常规图像处理和几何攻击这一问题,提出了一种基于局部Tchebichef矩(LTMs)的图像水印新算法。首先,利用Harris-Laplace检测算子提取载体图像多尺度空间中的特征点,并通过特征选择策略获得稳定且分离的局部圆形特征区域;然后,结合主方向对齐,得到具有旋转、缩放和平移(RST)不变性的局部圆形特征区域;最后,计算局部特征区域的Tchebichef矩,采用量化调制Tchebichef低阶矩幅值将水印嵌入到局部特征区域中。实验结果表明,本文算法在获得很好的不可见性的同时,对常规图像处理、几何攻击及组合攻击具有较好的鲁棒性。     

基于聚类有效性神经网络的模糊规则提取方法

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用 .然而模糊控制规则的获取通常由专家根据经验给出 ,这就存在诸如规则不够客观、专家经验难以获取等问题 .作者给出一种基于聚类有效性神经网络的模糊规则提取的新方法 .该方法采取对训练样本预划分子集聚类 ,模糊语言量的自动确定 ,模糊隶属度函数自适应调整等策略 ,克服了以往规则提取法在训练样本不充分时 ,规则提取不足及规则数目难以确定等缺点 ,并结合神经网络技术使所提取的控制规则的质量得到提高 ,改善了模糊控制器的性能 .最后 ,以倒车系统为例证明了该方法的有效性     

基于模糊粗糙集的新闻视频镜头边界检测方法

镜头边界检测是实现基于内容的视频检索的一个重要步骤.为了将视频分割成镜头,现有的方法大都是首先提取大量的特征然后构造相异性测度函数.然而,太多的特征就会降低算法的效率.因此,有必要对镜头边界检测的规则进行特征约简.本文将粗糙集中的属性重要性和模糊粗糙集中的分类精度相结合定义了模糊粗糙算子,并构造了相异度检测函数.最后给出了镜头边界检测的一般性规则.由于本文检测方案的自适应性,因此适合于各种类型的新闻视频.用来自中央电视台的3个多小时的新闻视频所做的镜头边界检测实验获得了95.4%的查全率和96.1%的准确率.     

空间跳跃加速的GPU光线投射算法

光线投射算法是一种应用广泛的体绘制基本算法,能产生高质量的图像,但是时间复杂度较高。实现了一种基于图形处理器的单步光线投射算法,并在此基础上提出了一种基于空间跳跃技术的光线投射算法,以实现加速。采用八叉树组织体数据,利用空间跳跃有效地剔除体数据中对重建图像无贡献的部分,降低了硬件的负载。一个片段程序即可完成光线方向的生成、光线投射、空体素跳跃和光线终止等。实验结果表明,该算法对于内部包含大量空体素的体数据重建能起到明显的加速作用。     

无线局域网中TXOP动态分配方法

为解决802.11e网络的公平性问题,提出一种TXOP动态分配方法,在节点传输前,根据碰撞次数估计碰撞程度,根据估计得到的网络负载情况调整节点的TXOP,使不同优先级、不同传输速率的业务获得相应的TXOP值。理论分析和仿真结果表明,该方法在采用不同发送速率的业务间,能保证吞吐量的公平性,并减少分组重传次数,降低分组传输平均时延。     

基于H．264的多模式自适应环路滤波算法

传统基于块的视频编码系统在码率相对较低的视频编码时总会产生块效应现象.本文在详细分析了H.264环路滤波的基础之上,提出了一种基于多模式的快速环路滤波算法.该算法根据H.264中特有的编码信息,将图像块边界分为五种不同的滤波模式,针对每种模式的特点采用相应的滤波技术,并且利用图像的空间相关性提出了一种快速的边缘强度判别方法.实验结果表明,该算法降低了滤波过程的复杂度,在保持图像客观质量不变或略有降低的同时更好地降低了块效应,大大提高了图像的主观质量.     

雷达目标双谱特征分析与分类方法研究

利用复信号双谱估计技术分析了常规相参雷达实测飞机目标回波信号,研究指出目标回波是典型的非高斯信号,且其双谱分布区域信息较好地反映了目标的部分散射调制特性,可作为目标分类特征．在此基础上,提出一种目标双谱特征抽取和模板构造方法．利用双谱经阈值化处理后的二值特征图,分别定义了“核”和“域”来表征目标双谱分布区域的共性和范围,并用其构造目标模板．实测数据实验结果表明了该方法在分类效果和特征降维方面的有效性．     

基于加权模糊c均值聚类的快速图像自动分割算法

图像分割是指将一幅图像分解为若干互不交迭的区域的集合，是图像处理和计算机视觉的基本问题之一。为了提高图像分割的效率，提出了一种基于2维直方图加权的塔形模糊c均值（FCM）聚类图像快速分割算法。该方法先通过构造合理的2维直方图对噪声进行抑制；然后通过塔形分解来缩减聚类样本集；最后利用加权FCM聚类算法进行分类。仿真结果表明，该方法的效率明显优于标准的FCM算法。此外，为确定分割的最优类别数c，还引入了一种基于该快速算法的聚类有效性评价函数——修正划分模糊度，实现了最佳图像分割类别数c的自动确定。基于人造图像和实际图像的测试实验结果表明该方法是有效的。     

传感器网络中航迹关联的加权模糊聚类算法

提出一种基于特征加权的模糊聚类算法用于传感器网络中的航迹关联.该方法首先将分布式多传感器获得的航迹进行数据同化,然后通过同步采样将所有航迹映射为高维空间中的一组点集,最后通过特征加权的模糊c均值(FCM)聚类算法实现航迹的分类关联和信息融合.在聚类算法中通过ReliefF算法实现了特征权值的自动确定,自适应地考虑了不同时刻航迹位置对数据关联的不同影响.实验结果表明本文提出的航迹关联算法不仅具有良好的关联效果,而且通过特征的自适应加权提高了信息融合质量.