基于GM(1,1)预测的残缺图像的修复算法

在分析图像传输数据丢失的原因和特点的基础上,借鉴灰色预测的思想,提出了对残缺图像进行恢复的灰色预测方法,该算法基本满足了图像恢复的要求,并通过实验得到了该算法的适用条件.     

基于灰色预测的残缺图像的修复算法

在分析基于UDP的图像传输数据丢失的原因和特点的基础上,发现其特点是图像按行进行传输,因而数据丢失而产生的图像残缺也是按行发生的.基于相邻点间的灰度值关联度较大的原理,提出按列处理数据的方法,对每一列的丢失数据采用预测方法,预测出各行丢失的数据,进而达到修复整幅图像的目的.借鉴灰色预测的思想,提出了对图像按列进行恢复的灰色预测方法,该算法基本满足了图像恢复的要求,并通过实验得到了该算法的适用条件.     

基于摄像机纵向运动的序列图像的实时漫游

对于摄像机纵向运动的序列图像，提出了一种基于极线几何约束关系的当前视点目标图像生成算法：1）利用基于傅立叶变换的方法，得到远视点源图像中和近视点源图像无对应点的区域，并用一种背景色将其填充，得到填充后的远视点源图像；2）利用极线的整体匹配性质在两幅源图像中确定遍历整个源图像的对应源极线；3）将所有对应源极线按灰度进行分段；4）用动态规划匹配法确定对应源极线上段与段之间的匹配关系；5）通过两条对应源极线插值合成一条目标极线，生成当前视点的目标图像；6）对上一步得到的目标图像的背景色区域加以处理，得到最终的当前视点目标图像．提出了一种链表数据结构存储每相邻两幅源图像之间的预处理信息．漫游时实时读取．开发了一个图像漫游器，使用户能在其中实现不同视点的实时漫游．     

二维逐步正交匹配追踪算法

在图像等二维信号的应用与处理上,常规压缩感知理论框架存在重构算法效果差、图像块效应明显、对噪声敏感等问题。针对这些问题,根据现有二维观测模型和二维重构算法设计思想,可以设计一种新的重构算法：二维逐步正交匹配追踪算法。该算法借鉴了相关一维重构算法的设计思想,通过每次迭代选取符合阈值条件的多列原子进而正交化处理的步骤,提升了重构效率,改善了恢复图像质量。理论分析和实验结果表明,提出的算法在重构时间得到控制的情况下,得到的图像信噪比有较大提升,超越了现有典型的二维重构算法。     

改进的JLBNM算法及其并行化

JLBNM图像恢复算法能得到较高的图像恢复质量(PSNR),但其中跳跃步长和环顾步长的确定是影响算法好坏的关键因素.文中给出了图像有无细节的定性化描述,先对图像本身的信息进行处理,然后根据图像内容的相关性来确定步长,在算法操作上更简单了.分析了串行的JLBNM算法的可并行化问题,并讨论了基于SMP的JLBNM并行化过程中的数据划分问题和处理器之间的通信问题,最后给出了相应的并行JLBNM算法和实验结果.     

图像恢复的正则化Gmres方法

在处理具有线性的、空间位移不变的成像系统所成的图像恢复问题时,提出了一种基于Krylov向量完全正交化的正则化Gmres方法。该算法考虑了图像恢复中的不适定性及计算时的复杂性两个方面,将正则化算法与广义极小残余算法相结合,通过正则化方法将模型离散后的积分方程转化为一适定问题,然后利用广义极小残余算法得到结果。在数值模拟时,对不同的方法进行了对比分析,结果表明所选的方法能够明显改善图像恢复的质量。     

采用去抖动模糊算法的稠密三维重建

针对无人机在航拍大场景对象进行三维重建时因抖动产生的图像模糊现象,以及二维图像序列经运动恢复结构SFM后得到的点云较为稀疏,可视化差等不足,采用去抖动模糊算法恢复模糊图像的原始图像信息,然后在运动恢复结构的基础上进行基于点云的稠密三维重建,最后对稠密重建后的点云进行泊松表面重建以得到表面致密、均匀的三维模型。实验结果表明,去抖动模糊算法可以有效地提高图像的质量,大场景对象经过基于点云的稠密三维重建后得到的重建效果逼真,可视化强。     

基于图像分割的图像破损区域自动标注和修复

数字图像修复技术是指根据一定的规则,对局部区域有数据丢失或缺损的图像进行处理,以恢复图像原貌.在修复前先要对图像缺损区域标注,这项工作通常用人工完成.本文首先介绍了近年来图像分割算法,分析各自的特性,接着提出了利用图像分割算法实现对破损区域的自动提取并标注的思想,有效提高图像修复的效率.     

数据聚类中基于浓度噪音消除的可视化参数选择方法

可视化技术的发展极大地提高了传统数据挖掘技术的效率.通过结合人类识别模式的能力,计算机程序能够更有效的发现隐藏在数据中的规律和信息.作为聚类分析的重要步骤,噪音消除一直都是困绕数据挖掘研究者的问题,尤其对于不同领域的应用,由于噪音的模型和定义不同,单一的数据处理方法无法有效而准确地去除域相关的噪音.本文针对这一问题,提出了一个新型的可视化噪音处理方法CLEAN.CLEAN的独特之处在于它设计的噪音处理技术和提出的可视化方法有机地结合在一起.噪音处理算法为可视化模型生成所需数据,同时针对噪音处理算法选择可视化方法,从而达到提高整个数据处理系统性能的目的.这样不仅降低了噪音去除过程中主观因素的影响,还可以帮助数据挖掘程序去除领域相关的噪音.同时源数据的质量,算法参数的选择和不同噪音去除算法的精确性都可以在所使用的可视化模型中反映出来.实验表明CLEAN能够有效地帮助空间数据聚类算法在噪音环境下发现数据的自然聚类.     

基于灰色预测的残缺图像的修复算法

在分析基于UDP的图像传输数据丢失的原因和特点的基础上,发现其特点是图像按行进行传输,因而数据丢失而产生的图像残缺也是按行发生的。基于相邻点间的灰度值关联度较大的原理,提出按列处理数据的方法,对每一列的丢失数据采用预测方法,预测出各行丢失的数据,进而达到修复整幅图像的目的。借鉴灰色预测的思想,提出了对图像按列进行恢复的灰色预测方法,该算法基本满足了图像恢复的要求,并通过实验得到了该算法的适用条件。     

Artificial Bee Colony Algorithm Based on Adaptive Search Equation and Extended Memory

From the perspective of psychology, a modified artificial bee colony algorithm (ABC, for short) based on adaptive search equation and extended memory (ABCEM, for short) for global optimization is proposed in this paper. In the proposed ABCEM algorithm, an extended memory factor is introduced into store employed bees’ and onlooker bees’ historical information comprising recent food sources, personal best food sources, and global best food sources, and the solution search equation for the employed bees is equipped with adaptive ability. Moreover, a parameter is employed to describe the importance of the extended memory. Furthermore, the extended memory is added to two solution search equations for the employed bees and the onlookers to improve the quality of food source. To evaluate the proposed algorithm, experiments are conducted on a set of numerical benchmark functions. The results show that the proposed algorithm can balance the exploration and exploitation, and can improve the accuracy of optima solutions and convergence speed compared with other current improved ABCs for global optimization in most of the tested functions.     

无源探测中微弱目标的多步检测算法研究

针对在无源探测中掩膜效应严重影响远处微弱目标的检测问题,提出了一种多步检测算法。该算法采用广义对消算法去除目标回波中由于掩膜效应造成的直达波和杂波,并利用优化的CLEAN算法消除近处强目标回波,通过逐步消除强目标回波,达到提高检测微弱目标性能的目的。仿真结果表明,该算法能够较准确地估计出微弱目标的位置,计算量较小,在复杂背景下同样能够较好地检测出目标。     

Modified Artificial Bee Colony Algorithm with Self-Adaptive Extended Memory

To solve the problem of the poor solution precision and convergence speed in the artificial bee colony (ABC) algorithm, in this article we propose a modified algorithm called ABC algorithm with self-adaptive extended memory (ABCSEM) algorithm. First, the extended memory is introduced to store employed bees’ historical information comprising recent food sources, personal best food sources, and global best food sources. Furthermore, the extended memory is added to the solution search equation to improve the exploitation capability. Experimental results conducted on a set of numerical benchmark functions show that the ABCSEM algorithm can outperform the ABC algorithm in most of the tested functions.     

改进RRT算法的室内移动机器人路径规划

针对传统RRT（快速扩展随机树）寻路算法由于扩展点的随机选取而存在搜索平均、采样效率低、偏离最优解的缺陷,提出一种偏向目标型的改进RRT算法。该算法采用目标偏向策略和气味扩散法来改善扩展节点的选取,使得随机树的生长趋向于目标点,并提出一种基于3次B样条曲线的路径平滑方法,极大地提升了搜索效率和路径质量。在仿真环境下对算法有效性进行验证,并将算法应用到真实环境下。仿真结果表明,与传统RRT算法相比,改进算法的路径长度缩短约22.1%,且路径更为平滑,在复杂环境中避障能力强。将改进RRT算法应用到Turtlebot2中,在真实环境下开展实验,实验结果证明了该算法的可靠性和实用性。     

基于APIT的无线传感器网络三维定位算法

根据经典的APIT算法特点,将其扩展到三维空间中实现节点的定位。针对APIT算法的不足,提出了一种改进的TDAPIT算法,并从节点定位误差和定位覆盖率两个方面分析算法的性能。在改进的算法中利用了循环的思想,大大减少了不良节点的数量。仿真实验结果证明,TDAPIT算法可以较好地应用于三维空间定位,而且在定位覆盖率上比APIT有了明显提高。     

空间轨道目标ISAR成像方法

研究了高速空间目标逆合成孔径雷达(Inverse synthetic aperture radar,ISAR)成像问题;根据空间目标回波模型提出了先进行速度补偿再进行平动补偿的ISAR成像方法。研究了高速运动目标回波模型,针对空间目标回波为线性调频信号的特点,提出采用CLEAN算法的线性调频信号参数估计方法对回波进行速度补偿。最后对自旋和非自旋两类轨道飞行目标成像进行了分析。仿真结果验证了理论分析的正确性和成像方法的有效性。     

一种改进牛顿法的盲源分离算法

针对盲信号分离中超高斯信号亚高斯信号混叠难以分离的问题,提出一种基于改进牛顿法的盲源分离算法.该方法引入开关准则,利用随机变量的峭度来区分信号的类型,不同的信号选择不同的非线性函数,通过牛顿迭代方法求出分离矩阵,实现同时含有超高斯信号和亚高斯信号的杂系混合信号的盲源分离.仿真实验表明了该方法计算量小,易于实现,对于杂系...     

扩展Infomax算法的收敛性分析

扩展Infomax算法是在传统Infomax算法基础上发展起来的一种较为实用的盲源分离算法。该算法采用非线性模型的动态切换技术,实现了对超高斯源和亚高斯源的同步分离。该文结合模型切换矩阵系数和迭代误差在盲源分离过程中的变化,直观地展示了扩展Infomax算法的收敛过程。文中还探讨了高斯随机噪声和随机脉冲干扰对算法收敛性能的影响。所得结论对于扩展Infomax算法的实际应用有一定的指导意义。     

Illumination normalization of facial images by reversing the process of image formation

Variations in illumination degrade the performance of appearance based face recognition. We present a novel algorithm for the normalization of color facial images using a single image and its co-registered 3D pointcloud (3D image). The algorithm borrows the physically based Phong’s lighting model from computer graphics which is used for rendering computer images and employs it in a reverse mode for the calculation of face albedo from real facial images. Our algorithm estimates the number of the dominant light sources and their directions from the specularities in the facial image and the corresponding 3D points. The intensities of the light sources and the parameters of the Phong’s model are estimated by fitting the Phong’s model onto the facial skin data. Unlike existing approaches, our algorithm takes into account both Lambertian and specular reflections as well as attached and cast shadows. Moreover, our algorithm is invariant to facial pose and expression and can effectively handle the case of multiple extended light sources. The algorithm was tested on the challenging FRGC v2.0 data and satisfactory results were achieved. The mean fitting error was 6.3% of the maximum color value. Performing face recognition using the normalized images increased both identification and verification rates.     

一种基于改进视觉背景提取算法的前景检测

针对视觉背景提取ViBe算法在前景检测中存在的鬼影现象且长时间难以消除的缺点,提出一种改进的视觉背景提取算法。首先,在视频前n帧序列的帧差法中,引入大津（OTSU）算法求自适应阈值,以分割出更为准确的前景区域;其次,利用去除前景区域的前n帧图像合成一张尽量少的包含前景区域的样本图像;最后利用扩展的邻域范围在合成的样本图像中对模型初始化,并把扩大的范围用在ViBe背景模型更新阶段。该算法与各种经典算法在大量视频库中进行了对比实验,仿真结果表明,改进的ViBe算法能快速消除鬼影对前景检测的影响,前景检测更为准确。