主成分分析的图像压缩与重构

针对图像占用空间大,特征表示时维数较高等的缺点,系统介绍了主成分分析（PCA）的基本原理。提出了利用PCA进行图像数据压缩与重建的基本模型。实验结果表明,利用PCA能有效的减少数据的维数,进行特征提取,实现图像压缩,同时并根据实际需要重建图像。     

基于子模式双向二维主成分分析的人脸识别

为了减轻人脸姿态、表情和光照条件等因素变化对识别率的影响,采用了一种子模式双向二维主成分分析(Sp-(2D)2PCA)的人脸识别新方法。该方法通过对原图像进行分块处理,能有效地抽取原图像的局部特征;同时,通过采用(2D)2PCA对分块得到的子图像矩阵直接进行特征抽取,避免了矩阵向量间的转化,能精确地计算协方差矩阵的特征向量,并能有效地降低特征维数。试验结果表明,在姿态、表情和光照条件变化的情况下,Sp-(2D)2PCA都具有较好的识别性能。     

基于迭代主成分分析的哈希算法研究与实现

为了提高高维空间近邻搜索算法的查询性能,本文结合DSH算法和迭代PCA方法的优点提出迭代PCA哈希算法.该算法查询效果良好,充分利用数据集的分布信息、有严格的理论保证.该算法在达到相同精度的条件下较LSH算法和DSH算法查询花费时间少.该算法提供了一种解决近邻搜索问题有效方法.     

基于核方法和主成分分析(PCA)的探地雷达目标特征提取新方法

常用探地雷达目标特征提取方法LDA(又称为FDA)直接在低维的探地雷达数据空间提取探地雷达目标特征, 提取的探地雷达目标特征的区分度小;常用的正则化技术存在正则化参数选取困难的问题。本文提出先通过基于核方法的 非线性变换把低维的探地雷达样本数据投影到高维空间,然后在高维空间中用PCA对奇异的核矩阵降维重建,最后对重 建后的非奇异核矩阵用LDA提取探地雷达目标特征。对实测数据的对比处理分析表明,本文所提探地雷达目标特征提取 方法优于其它方法。     

基于主成分分析与集成距离的果蔬种类识别方法

针对传统果蔬识别率较低的问题,文中采用一种基于主成分分析和距离集成kNN相结合的识别方法。该方法从果蔬图像特征描述、特征降维、分类器设计3个角度出发实现果蔬识别。针对果蔬图片光不均匀、存在阴影等问题,采用K-means 聚类与二次分水岭相结合的方法对图片进行分割。针对果蔬识别模型识别率不高的问题,将所提取果蔬图像的颜色和纹理特征组成特征矩阵,采用PCA与集成kNN算法对该矩阵进行归一化及维数约简来得到低维分类特征,以实现对果蔬农产品的分类。试验结果表明,该算法在果蔬种类识别中识别率最高可达92.6%,且对光照变化、视角变化都具有较好的鲁棒性。     

基于无线通信的空时编码技术

针对当前无线通信技术在传输多媒体数据时存在的带宽和信道不足问题,文章提出基于并行传输的空时扩频分组码技术,详细阐述了该技术的设计原理,并通过实验证明了其良好的通信性能。     

基于图像模糊度与主成分分析的车牌汉字识别

针对车牌汉字字符结构复杂且图像品质差异大而导致识别率不高的情况,提出了一种基于图像模糊度的主成分分析(PCA)子空间车牌汉字字符识别方法。首先通过三角模和非模糊基数计算字符图像的模糊度,然后根据模糊度将训练样本分成不同的子集并生成相应的PCA子空间族,最后以待识别字符的模糊度为依据选择相应的子空间族进行识别。实验数据表明,本文方法使得子类的类内距离变小类间距离增大,从而可以获得较高的识别率。与其他算法的对比实验进一步表明,本文算法能更好地同时满足精度和实时性的要求,具有良好的综合性能。     

基于数据分割与主成分分析的LAI遥感估算

针对叶面积指数(LAI)经典统计反演模型存在估算效果不理想以及反演效率低等问题,提出了一种基于农学物候的数据分割与主成分分析结合的遥感估算方法.综合了原始光谱和微分(或差分)光谱主成分信息作为自变量,融入了以农学物候为先验的数据分割思想,并引入了多尺度建模方式参与反演过程.以冬小麦为实验对象,进行数值模拟和比较分析.结...     

基于多线性核主成分分析的掌纹识别

提出运用多线性核主成分分析(MKPCA)的一种新方法进行掌纹识别.首先MKPCA通过非线性变换,将输入样本图像向高维特征空间F上投影,运用多线性主成分分析(MPCA)直接对掌纹张量进行降维,得到低维的投影张量;然后掌纹图像向张量子空间上投影提取特征向量;最后计算特征向量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库...     

基于主成分分析和引导滤波的色调映射算法

针对传统高动态范围(HDR)图像色调映射算法普遍 存在色偏和效率低的问题,提出了一种基于主成分 分析(PCA)进行色彩空间转换和具有边缘保持特性的引导滤波图像增强的色调映射算法。首 先利用图像的平均亮 度实现图像Gamma自适应校正;然后采用PCA方法将图像的3个颜色分量转换为相 互正交的亮度 分量和色差分量,模拟相机响应函数(CRF)曲线压缩亮度分量的动态范围,并将结果与加权 后的色差分量联合, 经PCA逆转换得到新的RGB分量;最后利用引导滤波方法对图像进行增强,提高 图像对比度,避 免光晕现象。实验结果表明,本文算法效率比经典的iCAM06算法提高了4倍以 上,并能有效避免偏色和 光晕现象,处理后图像的细节清晰层次感强、色彩自然丰富,不仅能用于传统的便携式显示 设备,而且可用于穿戴式智能视觉辅助设备和无屏幕显示器等新兴领域。     

一种面向交互式通信的音频编码算法

提出了一种新的主要面向交互式实时通信的低延迟高质量音频编码算法（LDX,low-delay and high-quality audio coding algorithm）。为了降低编解码算法延迟,LDX并未完全沿袭传统的感知音频编码的技术路线,而是采用了相对较短、长度固定的变换窗,从而大幅度地降低了算法延迟。同时,为了在高压缩比下获得高质量的音频,LDX对现有的心理声学模型和立体声编码算法作了改进,运用傅里叶变换和变址离散余弦变换相结合的心理声学分析方法,不仅降低了算法复杂度,同时也提高了心理声学分析的精确度。     

一种计算数字音频压缩中掩蔽门限的方法

本文提出一种估计听觉掩蔽门限的算法，利用这种算法到的计算结果与实测曲线的线相吻合，而且该算法复杂度低，运算量小，实时性强，可以用于多种形式的高质量数字音频压缩方案。     

A Stereo Multi-Rate Audio Front-End Suitable for Mobile Multimedia Applications

A flexible, high quality audio front-end integrated circuit with low power consumption is presented. Targeted for the world-wide (GSM) mobile communication system, it is capable of stereo and mono reception and transmission, supports narrow voice-band as well as wide voice-band modes, FM radio and MP3 stereo play-back. The front-end provides a low-noise bias voltage for microphones as well as hands-free buffers driving 8Ω loads in bridge tied load configuration and two earphone outputs for stereo. The front-end is highly area-efficient, occupying 1.92 mm² in a 0.25-μ m CMOS technology. Measured results show a maximum power consumption of 11.8 mW at 2.65 V analog and 1.65 V digital supply.Barbara Baggini received the Laurea degree (summa cum laude) in electronic engineering from the University of Pavia, Pavia, Italy, in 1987. She joined the Microelectronics Laboratory at the University of Pavia and worked in the field of switched capacitor filters and high-speed data converters sponsored by STMicroelectronics. From 1988 to 1996 she joined Italtel where she was involved in the development of mixed signal front-end ICs for mobile communications.She is currently with Philips Semiconductors, Switzerland. Her main research interests are in the area of analysis and design of analog and digital low-power circuits for mobile communications.Willem H. Groeneweg received a M.Sc. degree in electrical engineering from Delft University of Technology, Delft, The Netherlands, in 1971.After his military service, he joined the RCA Corporation in Zurich, Switzerland, where he developed bipolar integrated circuits and systems for video processing. In 1984 he started working in the Landis {&} Gyr Central Laboratory on CMOS integrated circuits for building automation. From 1989 on he developed bipolar mixed-signal circuits using ASIC’s from Plessey Semiconductors. Since 1993 he is with the Cellular Systems group of Philips Semiconductors in Zurich. One of his tasks there is the development of CMOS integrated circuits for mobile telephones, mainly in the field of analog and mixed signal audio circuits. Mr. Groeneweg holds 13 patents and has two applications pendingClaudio Schaitwas born on October 16, 1972, in Sorengo, Switzerland. He received the Dipl. Ing. degree in electrical engineering from the Swiss Federal Institute of Technology (ETH), Zurich, in 1999.From June 1999 to October 2000 he worked as Radio Access System engineer for Nokia, Switzerland. In November 2000 he joined Philips Semiconductor, Zurich, Switzerland as Development Engineer. His research interests are in design of CMOS Analog Baseband and Audio Signal Processing for telecom applications.     

一种符合ITU-T指标要求的嵌入式立体声语音频编码方法

 基于国际电信联盟标准化组织(ITU-T)编码标准G.729.1,本文提出了一种嵌入式变速率立体声语音与音频编码方法.本算法利用G.729.1和改进的调制叠接变换(Modulated Lapped Transform,MLT)编码技术对输入信号的中值与边带信息进行分层编码,形成具有嵌入式结构的码流.编码器可处理宽带和超宽带的立体声信号,宽带立体声信号编码的最大码率为48kb/s,超宽带立体声信号编码的最大速率为64kb/s.实现结果表明,本编码器的编码质量均达到了ITU-T对G.EV-VBR立体声编码的指标要求.     

传感器网络中基于分层架构的音频场景分析方法

A hierarchical method for scene analysis in audio sensor networks is proposed. This method consists of two stages: element detection stage and audio scene analysis stage. In the former stage, the basic audio elements are modeled by the HMM models and trained by enough samples off-line, and we adaptively add or remove basic element from the targeted element pool according to the time, place and other environment parameters. In the latter stage, a data fusion algorithm is used to combine the sensory information of the same area, and then, a rule-based method is employed to analyze the audio scene based on the fused data. We conduct some experiments to evaluate the performance of the proposed method that about 70% audio scenes can be detected correctly by this method. The experiment evaluations demonstrate that our method can achieve satisfactory results.     

A Novel Multichannel Audio Signal Compression Method Based on Tensor Representation and Decomposition

Multichannel audio signal is more difficult to be compressed than mono and stereo ones. A novel multichannel audio signal compression method based on tensor representation and decomposition is proposed in this paper. The multichannel audio is represented with 3-order tensor space and is decomposed into core tensor with three factor matrices in the way of channel, time and frequency. Only the truncated core tensor is transmitted which will be multiplied by the pre-trained factor matrices to reconstruct the original tensor space. Objective and subjective experiments have been done to show a very noticeable compression capability with an acceptable output quality. The novelty of the proposed compression method is that it enables both high compression capability and backward compatibility with limited signal distortion to the hearing.     

基于PC/104的音频采集压缩卡WDM驱动开发

WDM支持PNP,但在科研和工控中,最常用的数据采集卡通常都是基于PC总线的ISA设备,这类设备不支持PNP,在WDM中没有获得很好的支持。使用WDM开发这类设备的驱动程序需要一些特殊处理。首先介绍PC/104规范和WDM驱动的结构以及通用的开发思路,然后重点讨论基于PC/104音频采集压缩卡WDM驱动程序的设计与实现,并给出主体部分代码。实践证明该驱动能稳定地实现一般设备驱动程序所具备的功能,且对ISA卡驱动的开发也具有一定参考价值。     

Digiclops立体视觉系统获取深度图像的工程方法

论述了立体视觉研究中的主要问题及其技术进展,重点介绍了Point Grey Research公司的Digiclops三目立体视觉系统,包括该系统的配置、应用和用户开发工具包,结合实例讨论了利用该系统进行深度信患检测的工程方法。实验表明,使用Digiclops得到深度图像的方法具有较好的鲁棒性和实时性。     

基于PCA的小波多分辨图像融合方法

提出小渡多分辨率下主成份分析（PCA）的图像融合方法。首先利用小波变换对融合图像进行多分辨率分解,然后利用主成份分析方法确定图像小波低频近似系数的洎适应融合权重,采用局部区域“能量”法进行小渡高频细节系数的融合,最后将小波融合系数逆变换实现图像的融合处理。实验结果证实融合图像的目标特征突出,易于目视解译。     

基于自适应波段聚类主成分分析和反向传播神经网络的高光谱图像压缩

高光谱遥感图像具有丰富的光谱信息,数据量大。为了能够有效地利用高光谱图像数据,促进高光谱遥感技术的发展,该文提出一种基于自适应波段聚类主成分分析(PCA)与反向传播(BP)神经网络相结合的高光谱图像压缩算法。算法利用近邻传播(AP)聚类算法对波段进行自适应聚类,对聚类后的各个分组分别进行PCA运算,最后利用BP神经网络对所有主成分进行编码压缩。该文的创新点在于BP神经网络压缩图像时,在训练步骤过程中,误差反向传播是用原图与输出作差值,再反向调整各层的权值、阈值。对高光谱图像进行波段聚类,不仅能够有效地利用谱间相关性,提高压缩性能,还可以降低PCA的运算量。实验结果表明,该文算法与其它现有算法比较,在相同压缩比下,其光谱角更小,信噪比更高。