基于小波分解的织物疵点检测

根据小波在奇异信号分解中的特点,提出了一种基于小波分解的疵点检测新方法．首先根据织物纹理特点,确定小波函数．其次对被检测图像进行小波变换,获得分解后的子图;根据织物纹理组织单元,把高频子图分割成若干子窗口,统计子窗口的能量标准差与均值加权求和作为提取的特征．最后通过测试图像子窗口特征与标准予窗口特征相比较,判断疵点是否存在．实验表明,该检测方法是有效的,检测正确率达到90％以上．     

小波域局部信息约束的鲁棒模糊聚类算法

提出了一种结合颜色特征与纹理特征的彩色图像分割算法.将图像转换到Lab颜色空间计算像素的平方欧式距离.在局部窗口上对图像进行小波分解,对所得高频子带的小波系数建立广义高斯分布(Generalized Gaussian Density,GGD)模型,以GGD模型的参数表示局部窗口的纹理特征.以Kullback-Leibl...     

基于塔形小波和特征加权的墙地砖纹理图像分割方法

目的基于小波变换的图像分割方法对随机纹理图像进行分割.方法通过墙地砖表面的原始纹理特征,改进原有的图像分割算法,对原始纹理图像进行高阶小波分解.结果图像整体中的背景纹理边缘被有效去除,降低了图像纹理带来的干扰,在有效提取近似信息的基础上提高了系统的实时性.结论根据墙地砖的纹理特征,采用基于塔形小波的改进分割方法,对墙地砖的原始图像进行处理,提高了边缘准确性和区域性,降低了分割错误率.     

高分辨率影像中城区树冠多尺度聚类识别方法

提出一种约束均值漂移方法,对高分辨率影像中的城区树冠进行提取。该方法首先进行小波分解,建立小波金字塔结构,用特定窗口,对每一层小波的低频系数计算均值,同时对其高频系数计算标准偏差,在每一层,用这些均值和标准偏差构成特征空间,最终构成多尺度金字塔影像特征空间;然后,从金字塔顶层开始,逐层进行均值漂移计算,并在层间进行尺度传递,由于尺度传递可能造成特征空间更加不平滑,所以本文采用约束均值漂移方法进行聚类,实现城区树冠初步聚类分割。最后,由于特征空间的特征可区分性很难保证在区域边缘处的聚类精确性,所以本文进一步采用基于聚类特征的监督分割方法提取树冠。实验结果表明,与传统的直接监督方法以及非监督方法相比,该方法能较好地消除高分辨率导致的影像高度细节化等因素对城区树冠提取的影响,具有很强的实用性。     

基于小波静态分解的离散小疵点检测

在分析织物疵点特点的基础上,提出了一种新的检测方法.首先根据正常织物小波分解后的能量来确定小波基和小波分解层数.接着对测试图像进行小波静态分解,然后提取子图中的子窗口标准差作为提取的特征;在此基础上,通过与正常子图中的特征相比较来判断小疵点是否存在.最后通过提取特征构造的标准差图确定小疵点的位置.实验表明,该检测方法是有效的.     

基于文本编码分割的医学影像文本水印算法

针对已有文本水印嵌入算法中所采用的二进制数据流描述文本水印时所表达的信息有限、水印容量较小的问题,提出了一种基于文本编码分割的医学影像文本水印算法,通过二维离散小波变换对医学影像的不同层次进行分解,将编码分割处理后的文本水印嵌入到小波分解的三级低频部分,实现了文本水印的隐秘嵌入。实验结果表明,该算法可提高医学影像文本水印容量2-3倍。     

基于羽毛图像纹理分割的毛杆提取方法

为了有效地从羽毛图像中提取毛杆,在对比各种分割方法的基础上,提出基于小波纹理分割方法．考虑羽毛的特点,为去噪和加深纹理特征,对图像进行恢复和增强．经过二层小波分解后提取各细节子图的特征,形成特征向量,并由聚类法进行分类分割．实验结果表明,该方法能较好地提取毛杆．     

一种冗余字典下的信号稀疏分解新方法

针对目前冗余字典下信号稀疏分解常用算法计算复杂度高的问题,提出一种分组匹配追踪算法．该算法首先利用多组正交基构造冗余字典,然后采用迭代式分组匹配追踪,每次迭代从字典中选出一组和原始信号或残余最匹配的正交基,采用正交分解快速算法进行正交分解得到少量重要系数,多次迭代后逐渐稀疏逼近原始信号．实验结果表明,基于小波正交基级联冗余字典进行信号稀疏分解时,在同等稀疏条件下,与匹配追踪(MP)算法相比,该算法的计算速度提高了大约30倍,而且可避免过匹配现象．     

采用纹理分析的运动人体阴影分割方法

研究采用纹理分析的方法来消除由光照产生的人体阴影,进行人体阴影分割,首先采用混合高斯模型对运动人体前景及背景进行提取,主要研究采用多尺度小波分解来提取运动人体背景及前景纹理及颜色特征,建立基于像素的纹理及颜色特征向量,并采用支持向量机对特征向量进行分类,如前景像素点特征向量与对应的背景像素点特征向量一致时,可判定为阴影区域。结果表明:采用此纹理分析方法可很好地分割出阴影区域,并且光照变化及采集图像时的颜色偏差对阴影提取几乎没有影响。     

基于二进小波变换的图像去噪技术研究

由于图像二进小波变换在每次分解时不进行下抽样，所以其表示同小波级数相比是冗余的，且图像二进小波交换的部分系数扰动不会带来重构图像的严重失真．因此，在相同的误判概率下，基于二进小波变换的图像去噪效果会好于基于小波级数变换的图像去噪效果．基于这个思想，文中将基于小波级数的图像去噪方法推广到基于二进小波变换的图像去噪，提出了二进小波的去噪方法，比较了该方法和基于小波级数方法的去噪效果．实验表明，二进小波的去噪比小波级数去噪效果有明显改善．     

基于车载LiDAR数据的建筑物三维重建

车载LiDAR点云数据量大且杂乱无章,当前尚没有完整算法来实现建筑物点云的自动分割和模型重建,特别是带有纹理信息的模型重建.以一栋结构复杂的建筑物为例,结合建筑物实际特征,采用自动与手动相结合、先简单后复杂、凹凸一致性等原则对数据进行分割和滤波处理;再采用点云数据与CAD底图配准的方式进行三维重建、纹理映射和渲染,从而实现结构复杂建筑物的真实三维重建.     

汉语词性标注的特征工程

上下文特征对汉语词性标注性能有重要影响。为了提高标注性能,采用最大熵模型探讨了汉语词性标注的特征工程,对其中的两个关键问题:特征窗口大小和特征模板集的设定,本文作者进行了深入研究。在Bakeoff2007的PKU、NCC、CTB 3种语料上进行了封闭测试,通过对“5词语”和“3词语”不同大小的特征窗口,以及单词语、双词语和两者混合的不同特征模板集进行汉语词性标注的训练过程和标注精度的对比实验,实验结果表明:3词特征窗口训练情况和标注性能均优于5词窗口;单词语特征模板集比双词语特征模板集标注性能高出10％。这说明汉语词性标注中特征窗口开设的大小以3词窗口为宜,单词语特征模板集标注性能更好。     

利用谐波分析及Blackman窗设计FIR滤波器性能的改进

介绍了基于谐波分析改进利用Blackman窗设计FIR滤波器性能的计算过程,给出了设计步骤,总结了滤波器阶数计算等式。通过仿真实验,把其结果与用Blackman窗函数设计的滤波器的性能进行了比较,在滤波器阶数相同的条件下,在不同频率范围内,该方法比用Black-man窗设计的滤波器的阻带衰减大5~7dB以上,不仅过渡带宽依然变小,而且二者的通带波纹大小相差很小。实验证明,该方法可以显著提高用Blackman窗及其他窗函数所设计的滤波器的性能。     

基于细化的手写汉字的笔段提取方法

采用一种改进的一次通过的并行细化算法对一般细化算法的不足进行了改进,细化后的文字骨架较好地反映了汉字的结构,适合于手写汉字的笔段提取。在细化的基础上,又提出了一种笔段提取的方法,该方法以细化骨架上的特征点为依据,通过对细化骨架的象素点跟踪获得初步的结果,再进行笔段合并处理。     

ISAR目标象的特征提取和特征选择

描述了一个ＩＳＡＲ目标识别系统，它以二维ＦＦＴ处理实现对ＩＳＡＲ目标象的特征提取，以位于频谱中心的一个正方形窗口实现特征选择，系统的分类器是最近邻分类器。通过ＩＳＡＲ目标识别的仿真，实验研究了特征选择窗口的长度对系统识别率的影响。实验结果表明：低通形式的特征选择窗口是特征选择的最佳方案，而且存在一个最佳的特征窗口长度，这个最佳值可以由训练样本集自身确定出来。     

用于心律失常识别的LSTM和CNN并行组合模型

心脏病是导致人类死亡的首要原因,而大部分心血管疾病往往伴随着心律失常出现.为实现对不同类型心电图信号的自动分析、识别异常心律,研究并提出了一种基于深度学习的心拍分类算法.考虑到心电图自身的特性,使用长短时记忆网络来捕捉心电序列数据的前后依赖关系,结合卷积神经网络提取局部相关特征,自动识别5种不同类型的心拍.基于LSTM和CNN的深度学习方法将经过预处理的心电信号后直接作为网络的输入,将心电分类的特征提取、分类两个步骤融合为单个学习器.针对类别数据不平衡问题,通过对少数类样本滑窗采样获得更多训练数据.使用MIT-BIH数据集验证模型的有效性,最终在测试集2万多个心拍记录中分类结果准确率达到99.11%,特异性为99.44%,灵敏度为97.27%,此外滑窗采样操作对少数类样本的灵敏度有明显改善.实验结果表明,相比传统的SVM和随机森林等方法,基于LSTM和CNN的并行组合模型不需要人工提取复杂特征,且达到了更好的分类性能,适合用于可穿戴式心电设备和远程监护领域.     

New homogenized-feature-based multi-spectral image registration method

A study aiming to achieve both the speed and accuracy of feature based multi-spectral image registration process is made. Then a new homogenized feature based image registration method is proposed. The method first uses the DOH operator to detect features, and then a circular filter window is used to adaptively select features based on the spatial distribution and intensity while keeping the features' rotation invariance. The selected features are further described and matched. Experiments show that the selected features are more robust and more uniformly distributed and that the method has great advantages in both speed and accuracy.     

Performance analysis of fast GPS signal acquisition based on PMF and Window FFT

Combining the advantages of partial matched filter(PMF) and fast Fourier transform(FFT),an improved fast acquisition method for GPS C/A code is proposed.According to PMF-FFT acquisition architecture,the greater the number of PMF will bring out the more slowly amplitude decreasing of the amplitude-frequency response,the smaller scale of the corresponding PMF,and the larger computation of the FFT.In order to compensate the frequency spectrum attenuation caused by spectrum leakage and fence effect,adding window function to PMF-FFT is presented.Through comparing the influences to the acquisition performance based on rectangular,Hamming,Blackman and Rife-Vincent(Ⅲ) window functions,an improved Rife-Vincent Ⅲ windowing algorithm is recommended for the fast acquisition based on PMF-FFT.     

Sliding window decoding algorithm for spatially coupled LDPC codes with a variable window

Spatially coupled low density parity check (SC-LDPC) codes can achieve a better decoding performance with a small message recovery latency due to the sliding window decoding. An improved decoding scheme based on window extension is proposed for further enhancing the performance of the sliding window decoding. In contrast to conventional sliding window decoding, the window size of this scheme can vary according to the average logarithmic likelihood ratio (LLR) value of the target symbol. Specifically, for every iteration in the decoding process, we compare the average LLR value of the target symbol with the preset threshold. If the average LLR value of the target symbol is less than the preset threshold and the current window size does not exceed the maximum size, the decoding window size adds one and then performs a new iteration with the new window size. By this means, the scheme can achieve trade-off between decoding performance, complexity and latency. Simulation results on the additive white Gaussian noise (AWGN) channel show that this scheme can significantly improve the sliding window decoding performance of SC-LDPC codes.     

基于差分响应图的无监督特征点检测网络

为了突破基于人工设计的特征点检测器的性能限制,提出了一种新的数据驱动的基于差分特征响应图的无监督特征点检测网络。该网络使用不同尺度的卷积核计算差分输出,利用差分响应图的绝对值大小筛选出大量特征点,并评判这些特征点重要性程度。同时采用旋转、光照、模糊等多种图像变换训练检测器,获得相应特征不变性,使得该网络更适用于小规模数据集训练。通过在3个常用数据集上进行实验,并与现有经典算法进行定性与定量的对比分析,结果表明,基于差分响应图的无监督特征点检测网络能较好地完成特征点检测任务,所需训练时间更短、边缘定位更准确、数据集规模依赖性更低,优化特征点检测性能。