结合降噪卷积神经网络和条件生成对抗网络的图像双重盲降噪算法

针对图像降噪中降噪效果差、计算效率低的问题,提出了一种结合降噪卷积神经网络（DnCNN）和条件生成对抗网络（CGAN）的图像双重盲降噪算法。首先,使用改进的DnCNN模型作为CGAN的生成器来对加噪图片的噪声分布进行捕获;其次,将剔除噪声分布后的加噪图片和标签一同送入判别器进行降噪图像的判别;然后,利用判别结果对整个模型的隐层参数进行优化;最后,生成器和判别器在博弈中达到平衡,且生成器的残差捕获能力达到最优。实验结果表明,在Set12数据集上,当噪声水平分别为15、25、50时：所提算法与DnCNN算法相比,基于像素点间误差评价指标,其峰值信噪比（PSNR）值分别提升了1.388 dB、1.725 dB、1.639 dB;所提算法与三维块匹配（BM3D）、加权核范数最小化（WNNM）、DnCNN、收缩场级联（CSF）和一致性神经网络（CSNET）等现有算法相比,结构相似性（SSIM）评价指标值平均提升了0.000 2~0.104 1。实验结果验证了所提算法的优越性。     

基于带间预测的非负支撑域受限递归逆滤波盲复原算法

针对非负支撑域受限递归逆滤波(NAS-RIF)算法对噪声敏感和耗时长等缺点,提出了一种改进的NAS-RIF盲复原算法。首先,为了改进原始NAS-RIF算法的抗噪性能和复原效果,引入了一种新的NAS-RIF算法代价函数;其次,为了提高算法的运算效率,结合Haar小波变换,仅对低频子频带的图像进行NAS-RIF算法复原,而高频子频带的信息,则通过带间预测分别从低频子频带的复原图像中预测得到;最后,为了保证高频信息的准确性,提出了一种基于最小均方误差(MMSE)的带间预测。分别对模拟退化图像和真实图像进行了仿真实验,采用该算法得到的信噪比增益分别为5.2216 dB和8.1039 dB。实验结果表明:该算法在保持图像边缘细节的前提下,能够较好地抑制噪声;此外,该算法的运算效率也得到了较大的提高。     

基于单一切面的循环平稳检测方法

在非授权频段的频谱感知方法中,循环平稳检测法具有鲁棒性好与信号类型识别性强的特点,但其计算复杂度很高。在改进传统快速傅里叶变换累加方法(FAM)的基础上,提出一种采用单一切面的循环平稳检测方法。根据循环平稳特性信号峰值变化规律推导出特定切面约束条件,并构建f-切面和α-切面两种循环谱单一切面,在无需建立完整循环谱的情况下对不同类型信号进行循环平稳特征检测。实验结果表明,与传统FAM相比,该方法可大幅降低计算复杂度,当信噪比低于-16dB时其检测性能略低于传统FAM,在信噪比达到-16dB后其检测性能与传统FAM一致。     

An efficient approach to an automatic detection of erythemato-squamous diseases

This paper presents a novel approach to automatic detection of the erythemato-squamous diseases based on fuzzy extreme learning machine (FELM). Enormous computational efforts are required to classify these erythemato-squamous diseases. Some of the approaches performed previously are through fuzzy logic, artificial neural networks and neuro-fuzzy models. FELM-based differential diagnosis of these diseases involves decisions made by fuzzy logic and extreme learning machine (ELM) with greater efficiency in both time and accuracy. In this paper, we develop a user-friendly interface and this tool will be useful for a dermatologist to estimate the six types of erythemato-squamous diseases with the help of patient’s histopathological and clinical data. Then, the developed interface is derived inbuilt using neural networks, adaptive neuro-fuzzy inference system and FELM. A dataset containing records of 366 patients with 34 features that define six disease characteristics was taken, of which 310 records were used as training data and 56 other records used as testing data. The dataset was preprocessed to obtain fuzzy values as input to get more accurate results in FELM. Given a training set of such records, ELM approach is applied. By combining fuzzy logic and ELM, more accurate results with increased performance are obtained with less computational efforts. Finally, the proposed FELM model proves to be a potential solution for the diagnosis of erythemato-squamous diseases with significant improvement in computational time and accuracy compared with other models discussed in the recent literature.     

The effect of ambiguous prior knowledge on Bayesian model parameter inference and prediction

Environmental modeling often requires combining prior knowledge with information obtained from data. The robust Bayesian approach makes it possible to consider ambiguity in this prior knowledge. Describing such ambiguity using sets of probability distributions defined by the Density Ratio Class has important conceptual advantages over alternative robust formulations. Earlier studies showed that the Density Ratio Class is invariant under Bayesian inference and marginalization. We prove that (i) the Density Ratio Class is also invariant under propagation through deterministic models, whereas (ii) predictions of a stochastic model with parameters defined by a Density Ratio Class are embedded in a Density Ratio Class. These invariance properties make it possible to describe sequential learning and prediction under a unified framework. We developed numerical algorithms to minimize the additional computational burden relative to the use of single priors. Practical feasibility of these methods is demonstrated by their application to a simple ecological model.     

基于协方差矩阵降维稀疏表示的二维波达方向估计

针对稀疏重构下二维波达方向（2D-DOA）估计存在计算量大的问题,提出一种基于协方差矩阵降维稀疏表示的二维波达方向估计方法。首先引入空间角构造流形矢量矩阵冗余字典,将方位角和俯仰角组合从二维空间映射到一维空间,降低了字典的长度和求解复杂度,并且能自动实现俯仰角和方位角配对;其次改进了样本协方差矩阵的稀疏表示模型,对该模型进行了降维处理;然后由协方差矩阵稀疏重构的残差约束特性得到约束残差项置信区间,避免采用正则化方法导致参数选取困难;最后通过凸优化包实现了二维波达方向的估计。仿真实验表明,待选取的协方差矩阵列数达到某个阈值（在只有两个入射信号情况下该值为3）时,可准确实现入射信号角的估计;当信噪比（SNR）较小（<5dB）时,该方法估计精度优于基于空间角的特征矢量算法;低快拍数（<100）下该方法估计精度略低于特征矢量法,但小间隔角度下估计精度与后者相当。     

基于矩阵旋转不变性的二维谐波免配对方法

主要研究加性噪声中二维谐波频率的估计问题。针对现有算法估计精度不高和计算量较大的缺点,提出了一种基于矩阵旋转不变性的免配对谐波频率估计方法。利用矩阵旋转不变性,通过观测数据获得一组具有对角结构的矩阵组。将矩阵组相加并对此进行一次奇异值分解同时获得两个信号子空间。同时对角化信号子空间的构造矩阵,得到了二维频率的估计,并且所得的二维频率能自动配对。仿真实验结果表明,在数据维数和信噪比都比较低时,该算法明显优于现有算法。在数据矩阵维数[60×60],信噪比[5 dB]时,该算法估计精度高于现有算法近3倍。     

基于线性模型的信道质量估计算法

针对自适应卫星通信中对信道质量估计的需求,在加性高斯白噪声信道条件下,以信干噪比(SINR)作为表征信道质量的参数,提出一种信道质量估计算法.给出矩估计法和判决数据估计法的数学分析,利用指数加权因子对噪声加干扰的功率进行平滑.提出基于矩估计和判决数据估计的线性模型对SINR估计的算法,分析该模型的均方误差,同时搜索最佳...     

基于先验约束和统计的图像修复算法

利用基于块匹配（PatchMatch）图像修复算法对破损区域较大且周围既含有几何结构信息又含有丰富纹理信息的图片进行修复时,容易出现纹理延伸现象以及样本块误匹配问题。针对此类问题,在样本块的精确匹配和算法的时效性两个方面进行改进,提出新的图像修复算法。在样本块精确匹配方面,改进算法对图像进行预处理以获得图像的先验信息,并利用先验信息约束算法偏移映射图的初始化,从而转变PatchMatch算法中对图像偏移映射图的全局随机初始化为在先验信息指导下的约束初始化;在像素块匹配过程中,利用均值法和夹角法来判断不同类别像素块的相似度,从而提高样本块的匹配精度。在算法的时效性方面,根据图像相似块的统计性特性,引入直方图统计的方法来减少最终用于修复的样本标签,提高改进算法的时效性。最后,将改进算法用于实例验证,相比原算法,改进算法的运行时间减少了5~10 s,峰值信噪比（PSNR）提高了0.5~1 dB。实例验证结果表明改进算法不但可以有效地提高图像修复的精度,而且提高了图像修复的效率。     

高效率视频编码帧内快速算法

针对高效率视频编码(HEVC)帧内预测过程中较高的计算复杂度,首先在编码单元(CU)决策的层面上,提出了一种基于绝对误差和(SATD)的CU分割提前终止方案：对于每个深度级的CU,判断该CU最小的SATD值是否小于给定的阈值;若是,则终止该CU的分割过程。同时,基于统计的分析,依照各候选模式成为最优预测模式的概率,进一步排除低概率的候选模式。实验结果表明,同原始HM10.1相比,所提算法可以节省编码时间30.5%,并且保持视频质量几乎不变（平均Y方向峰值信噪比仅降低0.02dB）。此外,所提算法软硬件实现简单,而且容易与其他算法进一步融合,进一步降低HEVC的帧内编码复杂度。     

微弱GPS信号的翻转位预测捕获算法

微弱全球定位系统(GPS)卫星信号的捕获需要较长的积分时间,但受导航数据位翻转的影响,一般采用10ms的相干积分。为进一步提高捕获灵敏度,提出了一种数据位翻转预估算法,该算法通过对多组信号积分结果的对比估算出翻转位的位置,舍弃存在位翻转的5ms数据从而消除其影响,并对其余数据进行15ms的分块相干积分。同时,为降低分块相干积分中非相干积分的平方损耗,采用差分相干积分对其进行改进,并在运算过程中采用“先累加后相关”的方式,在进一步提高捕获灵敏度的同时降低运算复杂度。仿真结果表明,该算法能高效地捕获到信噪比低至-50dB的信号,可有效地提高GPS接收机的捕获灵敏度和捕获效率。     

基于差分标志字节的无线通信安全策略

针对公共密钥密码系统识别模拟攻击的计算复杂度高,而功率时延模型(PDP)又受限于模型必须存在足够距离差的问题,提出一种基于差分标志字节(DFB)的无线通信安全策略,并给出了生成DFB的差分方程。该策略利用用户传输的数据信息,建立适当的差分标致字节的生成方程,使得当前传输的数据帧的标志字节由已传帧的相关参数决定,最后接收端通过阈值判决验证接收数据帧的差分标致字节,识别模拟攻击。通过理论分析,差分标致字节可以防止攻击者利用已掌握的部分通信参数信息,对用户实施反复的模拟攻击。在时间上,攻击者有效攻击时间更短,攻击达成周期更长。在空间上,攻击者空间位置被限制在有限椭圆内。最后,结合一种具体、简易的DFB进行了仿真分析,结果表明,此种简易模型下,通信系统的信噪比(SNR)高于-4 dB时,系统能够通过设置合适的阈值,能够实现针对模拟攻击的识别与防护。     

基于纹理特征的HEVC帧内编码快速算法

为了降低高效视频编码（HEVC）帧内编码的复杂度,提出了一种基于编码块纹理特征的帧内编码快速算法.首先,对当前编码单元（CU）进行预处理,获取CU的纹理复杂程度和方向特性.其次,根据纹理复杂度决定部分CU是否划分,跳过率失真代价计算,减少不必要的划分与裁剪.然后,根据纹理方向减少帧内预测模式的数量,降低帧内预测过程的复杂度.实验结果表明,在全I帧模式下快速算法与HM10.0相比,码率（BR）上升0.649%,峰值信噪比（PSNR）降低0.059 dB,帧内编码时间平均减少56.18%.     

Performance analysis of WLAN physical layers using Markov channel model

Orthogonal Frequency Division Multiplexing (OFDM) and multiple antennas are being used in various standards of Wireless Local Area Network (WLAN) to enhance data rates and to achieve higher reliability in fading channel conditions. Channel modeling plays a crucial role, especially in wireless environment, in evaluating the performance of physical layer in fading environment. The paper presents a Finite State Markov (FSM) channel model, for computation of fading channel performance measures. Frequency and duration analysis is proposed to evaluate the performance of WLAN physical layers for OFDM, OFDM with Selection Combining (SC) and OFDM with Maximum Ratio Combining (MRC) diversity techniques. Level Crossing Rate (LCR) and Average Fade Duration (AFD) are computed with the analysis of FSM model. Bit Error Rate (BER) is then calculated with the help of LCR and AFD. LCR, AFD and BER performances are compared for three physical layers with varying fade depths and for different values of Signal to Noise Ratio (SNR). Results show that OFDM with MRC gives minimum value of BER for fade depths more than 0 dB, while BER is minimum for OFDM with SC for fade depths below 0 dB. OFDM with diversity always outperforms than OFDM without diversity for all values of fade depths.     

基于改进离散粒子群的OFDM系统峰均比抑制

部分传输序列(PTS)是抑制正交频分复用系统峰均比的有效方法之一,但该算法需要进行最佳相位因子的全遍历搜索,存在计算复杂度偏高的问题.因此针对这一问题,本文提出一种基于离散粒子群优化PTS的峰均比抑制算法.所提算法首先定义了一种新的确定惯性权重的方法,然后引入变异算子对原始速度更新公式进行改进,解决了传统离散粒子群算法易于早熟,往往很难收敛到全局最优的缺陷.仿真结果表明,本文所提算法能获得优于传统DPSO算法0.3 dB左右的PAPR性能,且计算复杂度低于传统PTS算法.     

基于多源信息融合的土壤含水量估算

遥感信息在大面积土壤水分监测中具有不可替代的优势。通过对试验区域的气象数据、土壤类型数据、土壤和水体的光谱特征曲线、多时相遥感影像数据等进行预处理,提取图像信息和属性数据,并对土地利用类型和植被覆盖度进行划分。基于土壤的光谱响应机制建立像元反射光谱信息分解模型,以此计算出该区域土壤容积含水率。结果表明该方法对于低植被区的监测精度较高(理论精度89.78%),可作为土壤水分监测预警的依据。     

结合Inception模型的卷积神经网络图像去噪方法

为更有效地去除图像中的噪声，提出一种结合Inception模型的深度卷积神经网络（Convolutional Neural Network，CNN）图像去噪方法，以完整图像作为输入和输出，利用Inception结构密集提取原始图像和噪声多个不同空间尺度的特征，并采用多种调优策略，增强网络的整体学习能力。为避免梯度消失，使用线性修正单元（Rectified Linear Unit，ReLU）激活函数；为加速网络的训练，增加批量规范化（Batch Normalization，BN）操作；加入跳跃结构进行残差学习（Residual Learning，RL），提升网络的去噪性能。基于公共数据集BSDS300的三种高斯噪声等级实验结果表明，与其他图像去噪方法相比，模型在降低计算复杂度、提高收敛速度的同时，视觉效果更好，平均峰值信噪比（Peak Signal to Noise Ratio，PSNR）提升了约1.28 dB。     

基于稀疏表示与非局部相似的图像去噪算法

针对受加性高斯白噪声(AWGN)与椒盐噪声(SPIN)以及随机值冲击噪声(RVIN)组成的混合噪声污染的图像进行去噪的问题,提出一种在现有加权编码算法的基础上将图像稀疏表示和非局部相似先验融合的改进算法。首先,利用基于字典的图像稀疏表示构建去噪变分模型,对模型中的数据保真项设计一个权重因子来抑制冲击噪声的干扰;其次,利用非局部平均思想对混合噪声图像进行初始去噪,在得到的图像中构建掩膜矩阵将冲击噪声点排除进而求取非局部相似先验知识;最后,将非局部相似先验与稀疏先验融合进变分模型的正则项中,求解变分模型得到最终去噪图像。实验结果表明,在不同的噪声比率下,所提算法与模糊加权非局部平均算法相比,峰值信噪比(PSNR)提高了1.7 dB,特征相似性指数(FSIM)提高了0.06;与加权编码算法相比,PSNR提高了0.64 dB,FSIM提高了0.03。该算法对于纹理较强的图像可以显著提升去噪效果,能有效地保留图像的本真信息。     

一种改进的人脸检测算法

在Hsu, Abdel Mottaleb and Jain提出的检测算法（简记为Hsu法）的基础上,提出一种改进的适用于彩色图像的人脸检测算法。使用相关技术对原图像进行预处理,采用高斯分布模型代替椭圆参数模型得到原始图像的肤色概率图,在不影响准确度的前提下提高了检测速度;采用自适应阈值和直方图法相结合选取肤色分割阈值更准确;根据人眼信息在子图像上进行人眼检测。经实验验证,该算法能较好地检测出复杂条件下的人脸,与Hsu法相比速度有较大的提高。     

基于SMOTE和深度信念网络的异常检测

针对现有海量非平衡数据集中少数类别样本入侵检测率低的问题,提出了一种基于合成少数类过采样技术（SMOTE）和深度信念网络（DBN）的异常检测（SMOTE-DBN）方法。首先,用SMOTE技术增加了少数类别样本的样本数;然后在预处理后的较平衡数据集上,用非监督的受限玻尔兹曼机（RBM）对预处理后的高维数据进行特征降维;其次,用反向传播（BP）算法微调模型参数,获得预处理后数据的较优低维表示;最后通过softmax分类器对较优低维数据进行分类。KDD1999数据集仿真实验表明,SMOTE优化处理能够提高模型对少数类别样本的检测率,在相同数据集上,SMOTE-DBN方法与DBN方法、支持向量机（SVM）方法相比,检测率分别提高了3.31个百分点和7.34个百分点,误报率分别降低了1.11个百分点和2.67个百分点。