基于PSO-BF优化算法的关系数据库水印算法

借鉴群体智能优化算法,提出了一种基于粒子群优化的细菌觅食算法（PSO-BF）的关系数据库水印算法。运用混沌映射对水印序列加密生成水印信号,采用单向hash函数加密关系数据库中元组的次序,利用PSO-BF优化算法解决将水印信号的嵌入过程抽象为约束条件下的优化问题,阈值解码和择多表决法用于提取水印信号,并通过混沌映射解密为表征版权的水印序列。实验表明,该算法对元组删除、修改和添加等攻击具有较强的鲁棒性和良好的不可见性。     

光通信中一种有效的差分脉冲位置宽度调制

考虑脉冲位置调制(PPM)在解调时需要严格的时钟同步和符号同步,而且功率越高,时隙越窄的问题,结合差分脉冲位置调制(DPPM)和脉冲宽度调制(PWM)提出了一种有效的调制方式--差分脉冲位置宽度调制(DPPM+PWM).研究了采用DPPM+PWM的红外通信系统在加性高斯白噪声干扰下的性能,对DPPM+PWM的符号结构、发射功率、带宽需求、传输容量以及误包率等特性进行了分析,并通过仿真与开关键控(OOK),PPM,PPM等调制方式进行了比较.结果表明DP-PM+PWM频带利用率高,传输容量大,不需要符号同步,且增加了脉冲信号的长度,大大简化系统实现,是一种很有实际应用价值的调制方式.     

一种基于限时梯度投影法的虚拟人运动生成方法

为在低端计算平台上实现实时的虚拟人运动仿真,提出了一种基于限时梯度投影法的虚拟人运动生成方法。不同于传统的基于Jacobian 矩阵广义逆的逆向运动学方法,该方法在合成末端效应器运动轨迹的基础上,通过将逆向运动学问题转变为约束非线性规划问题,有效克服了计算Jacobian 矩阵广义逆所导致的计算复杂度高、多解及奇异性等问题。同时,通过动态调整系统每帧的规划时间,可同时达到非线性函数局部线性化和限时求解的双重目的。文章最后以人体行走运动为例,在PC 平台上实现了一个虚拟人的行走运动仿真系统。     

一种快速估计线性一非线性状态的粒子滤波器

提出了一种快速估计线性一非线性状态的粒子滤波器。针对混合线性一非线性模型中传统的Rao-Blackwellized Particle Filter（RBPF）方法对状态估计处理速度较慢的不足,将条件相关的线性与非线性状态进行分离,对于非线性状态运用粒子滤波（PF）算法进行估计,取出从非线性状态中抽取出的粒子的均值,将此均值传播到线性状态中做一次卡尔曼滤波,得出对线性状态的估计。仿真结果表明：与RBPF相比可以将处理速度提高50％～60％,有效改善状态估计的实时性。     

基于深度图像的运动人手检测与指尖点跟踪算法

针对由传统摄像头获得的二维图像难以准确检测复杂环境下运动人手目标的问题,提出了一种利用Kinect摄像头对复杂背景下近景人手指尖空间点的检测和跟踪算法。首先利用基于视觉的多信息融合方法对人手区域进行粗检测,并利用深度信息对得到的模糊人手区域进行精确定位及分割,从而有效抑制了复杂背景对人手区域的干扰;根据分割得到的人手区域,利用人手边界的曲率关系实现了指尖空间点的快速检测;最后利用卡尔曼滤波跟踪检测到的运动指尖点。实验结果表明,与已有指尖点检测方法相比,该算法能够准确地跟踪多种姿态下手指指尖的空间位置,具有较低的误差率。     

发带头发模型的快速渲染及发型控制

为了解决虚拟人头发仿真中由于头发数量巨大导致的实时渲染难、发型单一的问题,提出了一种改进的、可实现多种发型的发带头发模型仿真方法。对基于NURBS曲面的头发模型定位控制点时,采用悬梁臂模型表现出头发自然下垂的状态。对传统的Phong光照模型,提出一种快速精确计算反射方向的改进方法,并考虑头发纹理和Phong明暗处理的相互作用。此外,提出一种新颖的发型设计方法,即通过对alpha纹理的控制和对纹理映射施加扰动函数实现不同头发长短和弯曲的造型。实验结果表明,新的方法能快速实现具有高逼真度的虚拟人头发仿真,且支持多种发型。     

自适应激素调节遗传算法

基于生物内分泌系统的激素调节原理,提出了一种新的自适应遗传算法。该算法以内分泌激素调节的Hill函数下降形式为基础,设计了自适应交叉算子和自适应变异算子,使交叉率和变异率在遗传算法迭代过程中,能够根据各代种群多样性的变化进行自适应调节,在整个进化过程中将种群多样性维持在合理水平。4种测试函数及三维人脑图像分割的实验结果显示,提出的自适应遗传算法可较好地保持种群多样性并克服早熟现象,性能优于其他两种自适应遗传算法及传统遗传算法。     

一种基于背景减法和帧差的运动目标检测算法

针对帧差分法易产生空洞以及背景减法不能检测出与背景灰度接近的目标的问题,提出了一种将背景减和帧差法相结合的运动目标检测算法.首先利用连续两帧图像进行背景减法得到两种差分图像,并用最大类间与类内方差比法得到合适的阈值将这两种差分图像二值化,然后将得到的两种二值化图像进行或运算,最后利用图像形态学滤波得到准确的运动目标.实验结果表明,该算法简单、易实现、实时性强.     

单幅人脸图像的全景纹理图生成方法

目的针对从单幅人脸图像中恢复面部纹理图时获得的信息不完整、纹理细节不够真实等问题,提出一种基于生成对抗网络的人脸全景纹理图生成方法。方法将2维人脸图像与3维人脸模型之间的特征关系转换为编码器中的条件参数,从图像数据与人脸条件参数的多元高斯分布中得到隐层数据的概率分布,用于在生成器中学习人物的头面部纹理特征。在新创建的人脸纹理图数据集上训练一个全景纹理图生成模型,利用不同属性的鉴别器对输出结果进行评估反馈,提升生成纹理图的完整性和真实性。结果实验与当前最新方法进行了比较,在Celeb A-HQ和LFW(labled faces in the wild)数据集中随机选取单幅正面人脸测试图像,经生成结果的可视化对比及3维映射显示效果对比,纹理图的完整度和显示效果均优于其他方法。通过全局和面部区域的像素量化指标进行数据比较,相比于UVGAN,全局峰值信噪比(peak signal to noise ratio,PSNR)和全局结构相似性(structural similarity index,SSIM)分别提高了7.9 d B和0.088,局部PSNR和局部SSIM分别提高了2.8 d B和0...