消除卷积数值计算中的截尾误差的方法

有始无终信号的卷积在用数值计算方法来计算时会带来误差 ,包括截尾误差、近似误差和字长舍入误差 ,其中截尾误差往往较大。适当选取信号的长度 ,可以在相应时间段内消除截尾误差     

Creating and Rendering Convolution Surfaces

Implicit surfaces obtained by convolution of multi-dimensional primitives with some potential function, are a generalisation of popular implicit surface models: blobs, metaballs and soft objects. These models differ in their choice of potential function but agree upon the use of underlying modelling primitives, namely, points. In this paper a method is described for modelling and rendering implicit surfaces built upon an expanded set of skeletal primitives: points, line segments, polygons, arcs and planes. An analytical solution to the convolution is described. This solution offers a more accurate and robust representation of the resultant implicit surface than previous methods. An algorithm for ray-tracing the surfaces formed through convolution of any combination of these primitives is also outlined.     

Toeplitz矩阵相乘的快速卷积算法

本文利用Ｔｏｅｐｌｉｔｚ矩阵可分解为循环阵与斜循环阵之和的特点２，借助于卷积的ＦＦＴ算法，推导出计算两个Ｔｏｅｐｌｉｔｚ矩阵之积的一种新的快速算法，其乘法复杂性为２ｎ＾２＋Ｏ（ｎｌｏｇ２ｎ）。     

Isotropic Energies, Filters and Splines for Vector Field Regularization

The aim of this paper is to propose new regularization and filtering techniques for dense and sparse vector fields, and to focus on their application to non-rigid registration. Indeed, most of the regularization energies used in non-rigid registration operate independently on each coordinate of the transformation. The only common exception is the linear elastic energy, which enables cross-effects between coordinates. Cross-effects are yet essential to give realistic deformations in the uniform parts of the image, where displacements are interpolated.In this paper, we propose to find isotropic quadratic differential forms operating on a vector field, using a known theorem on isotropic tensors, and we give results for differentials of order 1 and 2. The quadratic approximation induced by these energies yields a new class of vectorial filters, applied numerically in the Fourier domain. We also propose a class of separable isotropic filters generalizing Gaussian filtering to vector fields, which enables fast smoothing in the spatial domain. Then we deduce splines in the context of interpolation or approximation of sparse displacements. These splines generalize scalar Laplacian splines, such as thin-plate splines, to vector interpolation. Finally, we propose to solve the problem of approximating a dense and a sparse displacement field at the same time. This last formulation enables us to introduce sparse geometrical constraints in intensity based non-rigid registration algorithms, illustrated here on intersubject brain registration.     

关于CBP算法的一种新型滤波函数和它的性质

用卷积反投影(CBP)算法作CT重建,滤波函数是关键.本文建议一种新型滤波函数,给出了用它作CT重建的误差估计,分析了该滤波函数的时频特性,并用来作局部重建.模拟和实测数据的数字实验表明其在保证空间分辨率的同时能较好地克服Gibbs效应.     

基于两个频点的水声信号盲源分离

实际水声环境中声纳接收到的信号是卷积混合信号。文章中将两个频点盲源分离原理应用到水声信号的盲源分离中，从而有效克服信号频域解卷积过程中的排序和幅度不确定性。仿真实验结果表明该方法对水声卷积混合信号具有良好的分离效果?文章中进一步研究了水声信号在不同信噪比条件下，基于两个频点盲源分离方法的分离性能。     

基于改进深度卷积神经网络的步态识别算法

针对传统步态识别算法因服饰携带物变换、视角等协变量因素变化导致的识别能力下降问题,提出了一种基于改进深度卷积神经网络的步态识别算法。该算法利用分层处理机制从步态数据中提取步态特征,能够降低常见变化和遮挡等情况对识别精度的影响,同时,算法根据实验确定了网络中每层特征图的最佳数量、特征图的最佳尺寸以及要用于步态识别的输入特征的类型,能够处理相对较小的数据集而无需使用任何增强或微调技术。CASIA-B步态数据库仿真实验表明,所提出的卷积神经网络覆盖了交叉视图步态识别和无主题的步态识别问题,能够克服与步态识别相关的协变量因素问题,具有更优的步态识别精度。     

一类多叶解析函数族的性质

引入了一类由Cho-Kwon-Srivastava算子定义的新p-叶解析函数族.利用从属定理得到了此函数族上的从属关系、包含关系及一些卷积性质,推广了前人的一些结果.     

改进卷积输入的端到端普通话语音识别

主流神经网络训练的交叉熵准则是对声学数据的每个帧进行分类优化，而连续语音识别是以序列级转录准确性为性能度量。针对这个不同，构建基于序列级转录的端到端语音识别系统。针对低资源语料条件下系统性能不佳的问题，其中模型使用卷积神经网络对输入特征进行处理，选取最佳的网络结构，在时域和频域进行二维卷积，从而改善输入空间中因不同环境和说话人产生的小扰动影响。同时神经网络使用批量归一化技术来减少泛化误差，加速训练。基于大型的语言模型，优化解码过程中的超参数，提高模型建模效果。实验结果表明系统性能提升约24%，优于主流语音识别系统。     

基于多尺度结构特征的快速异源图像匹配

针对异源图像提出一种基于多尺度密集结构特征的快速匹配算法。算法首先利用Gabor滤波器逐像素提取图像中的结构响应,再根据主方向响应对多尺度结构特征融合,然后使用快速傅里叶变换在频域计算各特征分量图像之间的卷积,最后将卷积生成的系数矩阵求和计算出图像之间的相似性并选择相似性最大位置作为匹配结果输出。本文算法能有效适应异源图像间的非线性灰度变化和噪声干扰问题。测试使用可见光、红外、雷达图像组成的异源图像数据集对本文算法和现有算法进行测试比较,结果表明:本文算法的平均误匹配率最低,并且计算速度有明显优势。