基于二维正交小波滤波器设计方法

为研究滤波器优化问题,针对传统的可分二维滤波器无法做到信号的独特频率响应特征,在正交二维不可分滤波器组的设计中幅频特性的非连续性问题,提出了一种基于凸优化理论的二通道二维不可分的正交小波滤波器组设计方法.首先利用多相位矩阵的范数来近似二维滤波器组重建条件以获得一个凸优化问题,然后利用内点法计算该凸优化问题全局最优解,把最优解作为第二步非线性优化过程的初始值,最后利用标准的非线性迭代算法计算原问题的最优解.在Matlab环境下进行了仿真实验,仿真结果表明,相对于传统的二维通滤波器,方法改进的最优滤波器保证原问题的最优解的同时具有更好的频率响应特征,解决了传统二维通滤波器存在的幅频特性非连续性问题,并供了一种可供选择的正交变换工具.     

双视三维重建的高精度运动参数估计方法

从两幅透视图像恢复被摄目标的三维结构是计算机视觉最基本的任务之一,其中,运动估计算法的性能决定了最终的三维重建精度。首先讨论了双视成像的基本数学模型,并介绍了几种现有运动参数估计方法的基本原理和不足。随后,基于投影误差最小判决函数,提出了用于双像运动估计的改进非线性迭代优化方法。数值仿真结果表明,在大平移小旋转角及小平移大旋转角2种运动条件下,采用文中提出的方法,运动估计精度均有所提高。此外,根据运动参数的估计值对真实目标进行三维重建实验,结果表明尺度重建误差小于2%且角度误差在3°以内。     

基于TDOA方法的无线传感器网络运动参数估计方法

采用移动目标与信标节点间的到达时间差(TDOA)测量,提出了移动目标运动参数包括初始位置及速度的共同估计方法。通过建立移动目标运动参数估计的优化模型,首先推导了移动目标初始位置及运动速度估计的非约束线性最小二乘(ULLS)法。然后将优化模型松弛为凸优化的半正定规划(SDP)问题,又设计了运动参数估计的SDP算法。仿真分析表明,TDOA方法能有效避免到达时间(TOA)测量的时钟同向误差,提高位置的估计精度。由于使用了约束条件,基于TDOA测量的SDP算法估计误差比ULLS算法的估计误差更小,但是计算复杂度较大。TDOA-ULLS和TDOA-SDP算法能有效减少时钟同向误差引起的估计误差,采样周期和采样点数量的增加也能有效提高估计精度。     

基于强跟踪滤波器的目标运动参数估计方法研究

针对船舶动力定位系统中目标跟踪控制需求,提出了一种基于强跟踪滤波器的目标运动参数估计方法,建立了两种目标运动参考坐标系,给出了坐标系之间转换基本方法;设计了引入渐消因子的强跟踪滤波器进行目标运动状态和参数估计。通过与扩展卡尔曼滤波器的参数估计对比仿真试验,验证了基于强跟踪滤波器的目标运动参数估计方法具有较好的跟踪性能。     

基于MRF和神经网络的三维运动参数估计

为解决非刚体三维运动中运动参数估计的问题,结合了马尔科夫随机场(MRF)和神经网络的方法。其中,MRF用于建立各个特征点的局部运动相关性模型,求出各个特征点的三维坐标;神经网络方法用于对特征点进行聚类,并求出运动参数;最后根据求出的运动参数修正各个特征点的邻域系,实验结果表明该算法能够正确估计出非刚体的运动参数。     

基于神经网络的运动参数估计

分别就两种约束使用神经网络对三维刚体运动进行参数估计.一是基于三维点匹配,将预测的运动参数作用于运动前的坐标,与运动后坐标进行比较;二是基于二维运动场,将使用预测的运动参数计算得出的二维运动场与图像序列中计算得出的二维运动场进行比较.两个神经网络均使用Newton-Raphson方法更新权值,以达到目标误差最小化.通过实验验证了该神经网络方法.     

多源多中继协作网络上行联合波束成形

在上行多用户中继网络中,针对中继协作波束成形与多天线基站联合优化的问题,本文提出了两种不同的但是具有一定相关性的设计方法。在第一种方法中,考虑在接收端SINR约束的情况下,使中继节点总功率最小化;在第二种方法中,研究在中继节点满足一定功率约束的情况下,使接收端SINR最大化。研究发现,基站线性接收器的最优权值矩阵决定于中继节点加权向量,进而可将多变量优化的复杂问题转化为单一变量优化问题。原问题进而可转化为半正定规划问题,可以用内点法方便的解决。仿真结果表明,与通过迭代运用凸优化求多向量的方法相比,该方法性能更优。     

基于扩展的Kanade-Lucas的背景运动参数估计

复杂背景下运动分析首先需要进行背景运动参数估计。提出一种采用KLT算子并结合Kanade．Lucas跟踪算法来计算帧间特征点的匹配，然后利用帧间特征点间的匹配关系采用RANSAC算法来进行背景运动参数估计。实验结果证明这种方法具有计算量小，能实时实现并提供可靠的背景运动模型估计。     

一种基于运动边缘检测的参数估计方法

提出了一种基于多尺度运动边缘检测的图像序列参数估计方法。通过多尺度运动边缘检测,将图像的能量集中到边缘上,得到噪声污染小、边缘连续清晰的运动目标;并利用小波变换特征匹配方法,得到运动矢量。该方法既利用了空域帧内灰度信息又利用了时域帧间信息,能精确地估计目标的运动参数。     

视频序列中运动参数估计方法研究

运动参数估计是数字视频处理的一个核心问题。其任务是从视频序列中检测出运动信息,识别与跟踪运动目标和估计三维运动及结构参数。首先对传统的运动估计方法进行了全面介绍,然后重点研究基于小波变换的参数估计方法,并就各种方法的特点及应用范围进行了对比、分析与评价。     

基于Radon变换的运动模糊图像参数估计

运动模糊图像的参数估计直接影响图像的去模糊效果。提出了基于Radon变换的参数估计算法,结合运动模糊图像的频谱特性和Radon变换的数学含义,通过计算运动模糊图像二维频谱的Radon变换值,有效地估计出运动模糊的方向角θ和长度L两个参数。实验表明,该方法简单可行,参数估计准确,最终的图像去模糊效果良好。     

基于粒子滤波器的摄像机运动参数估计

针对利用运动矢量估计摄像机运动参数的问题,将运动矢量作为状态,以块的位置作为状态索引,根据区域的局部相关性自适应地确定状态转移方程,以块匹配的平均绝对误差作为状态估计的观测输出,从而建立状态空间模型。基于该模型利用粒子滤波器估计运动矢量,采用重采样技术来消除粒子退化的现象,最后按照运动矢量与摄像机参数的关系模型,借助最小二乘法确定最优的摄像机参数。实验表明,该算法以较少的搜索点可以估计得到具有时空一致性的运动矢量场,进而能估计出反映摄像机真实运动的摄像机运动参数。     

基于Radon变换改进的运动模糊图像PSF参数估计算法

为了提高运动模糊图像的点扩展函数中模糊尺度,模糊角度估记的精准性,本文提出了一种改进的模糊图像PSF的参数估计算法。首先将运动模糊图像进行3*3分块,找出最能代表原始模糊图像模糊特征的子图像块,这样可以很好的估计运动参数。然后将特征图像块的频谱图二值化后,进行形态学闭运算消除十字型亮线,有效的提高参数估计的精度。其次,对频谱图进行腐蚀运算,用Radon变换计算出模糊角度。最后根据求出的角度将图像旋转到水平方向后,使用微分法求出模糊尺度。并将本文算法与传统Radon变换算法进行对比,表明该算法对提高模糊图像PSF参数估计是有效的。     

运动模糊图象的参数估计差分恢复方法

本文对运动模糊图象恢复所使用的差分法作了分析,指出其恢复质量不高的原因,提出了一种改进的方法—参数估计差分恢复方法,并在计算机上进行了实现,结果表明,采用参数估计差分恢复方法,恢复质量较差分法有明显改善,特别是当曝光期间相对位移较大时,该方法的优越性更为显著。     

层次化信息物理中通信拓扑边权的优化设计方法

为提升层次化信息物理系统中一致性算法的收敛速度,研究在一定约束下各层通信拓扑中边权的优化设计方法.通过矩阵相似变换并利用给定矩阵特征值之间的并集关系,将原始优化问题建模成便于高效求解的半正定规划形式.最后通过仿真验证了该文所提的边权优化设计方法的有效性.     

基于多度量学习方法的蛋白质二级结构预测

针对多序列蛋白质二级结构预测问题,提出了一种基于训练集自动构造原型并自适应进行距离度量学习的大间隔多度量学习模型。该方法首先采用欧氏距离的K-means聚类算法为每类样本构造原型,然后基于快速的子梯度下降算法最小化目标损失函数,以便学习输入空间中的多个局部线性变换。特别地,度量学习模型可形式化为凸半定规划问题,因此参数求解不存在局部极小值问题。CB513数据集上的实验结果表明,提出的方法不仅可以获得较好的预测精度,而且能够快速地进行蛋白质二级结构预测。     

基于延迟时间Petri网的工作流相似性度量方法

为了解决实时系统中流程相似性的判定问题,提出一种基于流程中活动的拓扑结构和触发点的流程相似性度量方法。采用延迟时间Petri网(Delay Time Petri Nets,DTPN)模型来表示流程,用于找出流程的触发调度;定义活动时间约束路由关系,给出它们之间的距离和相似度计算公式,进而计算出流程之间的相似度;在此基础上设计相关算法,并且分析时间复杂度。通过实例验证了该算法在时间约束工作流相似性度量方面的有效性。     

基于组合优化的Kriging参数估计算法

在使用常微分方程组描述的数学模型进行参数估计时,本文使用Kriging代理模型完成优化过程.该代理模型通过少量数据点的训练即可部分替代计算费时的原始目标函数优化过程,因此可以节省大量的计算时间.在Kriging代理模型精化过程中,查找新增点的优化算法对参数估计的结果有重要影响.本文针对非线性且具有sloppiness属...     

基于双L_0稀疏先验的图像运动去模糊

目前图像的运动去模糊方法在处理较复杂的运动模糊时难以得到理想的效果,其原因之一是这些方法普遍只考虑图像梯度的稀疏性,忽略了模糊核的稀疏性。针对这一不足提出一种新的双L_0正则约束的运动模糊去除方法,该方法同时对自然图像梯度和模糊核使用L_0正则约束,结合半正定二次分裂最小化的方法进行求解优化,实现自然模糊图像梯度和模糊核均稀疏下的模糊核估计,并进一步使用L_(0.5)超拉普拉斯正则约束项恢复最终图像。实验发现,该方法可以较好地去除单幅图像较复杂的运动模糊,更好地克服了估计的模糊核中存在的噪点和错误,得到较现有方法更加理想去模糊效果。     

基于频域的运动模糊参数估计

运动模糊图像复原的关键之一是模糊核函数的估计,即降质图像的模糊方向和距离变化的估计。已经有多种方法用于模糊核函数的估计,通过对运动模糊图像频谱的研究,提出了一种基于形态学的模糊运动方向计算方法,并根据模糊图像频谱的黑色条纹周期出现的规律,采用投影法计算极值点,从而获取模糊运动距离。实验结果表明该算法简单有效,得到的运动模糊参数较准确。