RBNSM:一种复杂背景下红外弱小目标检测新方法

弱小目标检测是红外探测与跟踪任务中的经典难题。针对复杂背景下红外弱小目标普遍存在检测率低、虚警率高的问题,提出一种基于区域双邻域显著图（Regional Bi-Neighborhood Saliency Map,RBNSM）的复杂背景红外弱小目标检测新方法。利用弱小目标的局部先验特性定义滑动窗口并划分为多个单元,计算中心单元前若干个最大灰度的均值来凸显弱目标;分别构建中心单元的相接邻域和相隔邻域并计算各自的灰度均值,进而,从不同方向上提取两邻域显著图并点乘二者以进一步抑制杂波背景、增强弱小目标;最后,通过自适应提取准确检测目标。多种典型红外复杂背景图像和SIRST数据集检测结果表明:与7种代表性方法相比,RBNSM在复杂背景下具有更好的检测性能与杂波抑制能力。     

邻域图像处理机中的新型邻域功能流水线结构

本文介绍了邻域图像处理机原理,提出了邻域图像处理中新型的收缩型和级联型邻域功能流水线结构.这两种邻域功能流水线的流水线作业是以独立的图像处理算法为基础进行的,可以实时(甚至超实时)地完成多个独立的图像处理算法,高度体现了并行处理机数据并行、处理并行的原则,体现了多个算法的有机集成,因此特别适合于实际问题对综合算法的需求.这种邻域功能流水线结构不仅大大提高了图像处理的速度,而且增强了系统的灵活性.本文论述了收缩型和级联型邻域功能流水线的结构,给出了多个图像处理功能的组合.     

对WNW中使用的USAP MAC协议的研究

宽带组网波形（WNW）为美军联合战术无线电系统（JTRS）中的一个重要波形,它采用了统一的资源指派协议（USAP）作为媒介访问控制（MAC）协议。USAP为一种支持多信道的动态分布式时分多址（TDMA）MAC协议,其协议内容除了在2-跳邻域内无冲突指派时隙的方法以外,还包括引导时隙管理通信资源的使用方法、自适应广播循环管理通信资源的使用方法、备用时隙来管理通信资源的使用方法、机会时隙通信资源的使用方法、信道化邻域管理通信资源的使用方法、以邻居隔离来管理通信资源的方法。     

基于邻域粗糙集和海洋捕食者算法的特征选择方法

针对粗糙集模型中特征选择方法存在计算开销大、不能直接处理连续数据,以及海洋捕食者算法(MPA)处理优化问题仍存在收敛速度慢、易陷入局部最优等问题,提出了基于邻域粗糙集(NRS)和海洋捕食者算法的特征选择方法.首先,使用基于Tent混沌映射的反向学习和高斯扰动策略对原算法改进得到IMPA,再构建一种传输机制形成一种二进制算法;然后,基于邻域依赖度和特征子集长度构造适应度函数,使用IMPA不断迭代搜索出最优特征子集,设计一种元启发式特征选择算法.最后,在9个基准测试函数上评估IMPA的优化性能以及在UCI数据集上评估特征选择算法的分类能力.实验结果表明,在9个基准测试函数上IMPA的平均值、标准差明显优于粒子群优化算法(PSO)和樽海鞘算法(SSA);在UCI数据集上,同基于粗糙集的优化特征选择算法、基于邻域粗糙集的优化特征选择算法相比,所提的特征选择方法在KNN分类器下的分类精度平均值分别提高了10.28~14.13个百分点、2.71~12.11个百分点,在CART分类器下的分类精度平均值分别提高了9.41~13.24个百分点、2.90~12.31个百分点.     

基于领域分析TDLMS滤波器的红外小目标检测

使用基本的TDLMS滤波器可以用来进行小目标检测,但是由于其结构和算法的限制,在进行目标检测的过程中会产生一些困难.提出了一种基于邻域分析的TDLMS滤波器,改造了滤波器输入窗口结构,并加入了新的数据处理模块,使其能够更多地获取和利用目标邻域内的信息,并获得更为显著的检测效果.实验证明了该算法的有效性.     

自适应邻域选取的邻域嵌入超分辨率重建算法

在邻域嵌入超分辨率重建算法中,训练和重建过程均在特征空间进行的,因此,特征选择对算法的性能具有较大的影响。另外,大多数基于邻域嵌入算法对训练得到的样本库未经测试直接使用,使得邻域选择具有“盲目”性。考虑到特征选择的重要性以及避免邻域选择的盲目性,本文提出了一种新的邻域嵌入超分辨率重建算法。第一步:利用专家矢量场模型估计出输入图像的全局图像;第二步:利用邻域嵌入算法重建残差图像。在重建残差图像的过程中,首先将图像分成若干子块并利用线性滤波器提取特征;然后,将训练图像分成两组,第一组训练得到高、低分辨率重建样本库,第二组对重建样本库测试,得到邻域选择库;最后,自适应的选择输入图像子块的邻域数目,并利用重建样本库重建。仿真实验结果表明,相比其他基于邻域嵌入算法,提出算法可以重建更多的细节信息和锐利的边缘,重建得到的高分辨率图像具有较高的主客观质量。      

基于判别邻域嵌入算法的说话人识别

该文提出一种基于判别邻域嵌入(DNE)算法的说话人识别。判别邻域嵌入算法作为流形学习方法的一种,可以通过构建邻接图获取数据的局部邻域结构信息;同时该算法可以充分利用类间判别信息,具有更强的判别能力。在美国国家标准技术研究院2010年说话人识别评测(NIST SRE 2010)电话-电话核心测试集上的实验结果表明了该算法的有效性。     

基于邻域信息的SAR图像变化检测

为了减少合成孔径雷达(SAR)图像中乘性斑点噪声对变化检测结果的影响,充分地利用了像素的邻域信息。首先使用邻域比值(NR)方法构造差异图像,然后提出基于邻域信息的模糊C均值聚类(FCM)算法。NR算子在构造差异图像时能够较好地保留图像信息并抑制噪声的干扰。同时将邻域信息引入到FCM算法的目标函数,以邻域加权距离改进了FCM算法在欧式距离计算中的不足,并约束了隶属度函数,减少了噪声对邻域中心像素的干扰。通过以上考虑像素邻域信息的算法,得到了差异图像的聚类结果,从而实现了SAR图像的变化检测。实验结果表明,所提算法较传统的FCM和K-means聚类算法,可以较好地保留图像变化区域的信息,同时提高了SAR图像变化检测的准确度。     

Gabor滤波算法在邻域处理器中的实现

通过对可编辑逻辑门阵列(FPGA)内部乘法器及相应逻辑阵列资源的配置,将Gabor卷积的算法成功嵌入到邻域处理器当中,并通过高级语言的配置,使系统能够支持多种尺寸的卷积运算.实验结果表明,使用EP2C70F896C8型FPGA,在外部时钟为45 MHz、内部时钟为180 MHz的工作频率下,对于一幅120×90的灰度图像进行五尺度八方向的卷积运算(系数为16位复数)总耗时47 ms,相对于使用Matlab软件做相同的卷积计算具有17.6倍的加速比.     

改进元胞粒子群算法求解JSP问题

为求解离散JSP(作业车间调度)问题,设计了基于四方形网格的元胞粒子群算法。引入变异策略增强了算法跳出局部最优的能力,对每代粒子群引入变邻域搜索提高了算法的局部搜索能力。数值实验表明,改进的元胞粒子群优化算法具有好的收敛性与求解精度。     

基于改进邻域粗糙集的肿瘤特征基因选择算法的研究

针对当前肿瘤特征基因选择算法准确率不高及工作效率较低的问题,文章对邻域粗糙集进行改进来解决此类问题。文章首先对领域粗糙集的相关理论进行了分析;其次分析了粒子群算法,设计出改进的邻域粗糙集肿瘤特征选择算法;最后给出了改进算法的实现和仿真实验,希望对于算法研究人员和医务人员具有一定的积极意义。     

基于邻域分析TDLMS滤波器的红外小目标检测

使用基本的TDLMS滤波器可以用来进行小目标检测,但是由于其结构和算法的限制,在进行目标检测的过 程中会产生一些困难.提出了一种基于邻域分析的TDLMS滤波器,改造了滤波器输入窗口结构,并加入了新的数 据处理模块,使其能够更多地获取和利用目标邻域内的信息,并获得更为显著的检测效果.实验证明了该算法的有 效性.     

改进的邻域滤波图像修复方法

在分析了几种重要的基于滤波图像修复算法基础上,提出了一种改进的邻域滤波图像修复算法.为了减少平滑处理中的模糊,该算法根据待修复点与窗口中已知点的欧氏距离来决定相应位置的权值,然后采用邻域中已知像素的加权平均来估算待修复点的值.大量实验结果表明,改进算法修复的视觉效果和归一化均方误差(NMSE)的计算结果均明显优于先前的...     

一种矩形邻域结构的教学优化算法

为了克服原始教学优化算法在求解复杂多峰函数时全局寻优精度不高和过早收敛的缺点,提出一种矩形邻域结构和个体扰动的教学优化算法.算法将种群空间设计为矩形结构,个体的矩形邻域由矩形厚度和围绕其的矩形区域个体决定,教和学两个阶段都使用邻域最优个体引导搜索,加强了算法勘探新解和开发局部最优解的能力;为了防止算法过早陷入局部最优,增加了基于搜索边界信息引导的个体扰动阶段,使得种群即使在进化的后期仍能保持较好的多样性.对带有偏移和旋转的复杂函数进行仿真测试,结果表明新算法在求解精度和稳定性方面,在绝大多数情况下优于原始教学算法和其他一些近来的优秀改进教学算法.     

基于邻域统计特性的概率神经网络及其在自动目标识别中的应用

在概率神经的一种改进模型－ＦＤＯ网络的基础上，提出在设计网络收敛域时进一步考虑每一像素点周围８邻域的影响，对网络的作用函数加以修，使改进后的网络具有稳定性好且收敛速度快的优点。通过实验对改进前后网络的识别性能加以比较，证明改进后的网络特别适用于噪声图像的识别。     

基于电路逻辑设计的图像处理

基于电路逻辑设计的算法硬件加速技术使系统能够有效提高实时处理能力、集成度和可靠性.直方图统计和像素邻域提取是图像处理中的两个基本操作,提出了基于电路逻辑设计解决这两个基本问题的方法,给出了硬件结构图和主要时序图,在所承担的工程化项目中进行了实际应用,取得了较好的效果.     

基于邻域相关算法的数字图像易损水印技术

给出了一种在空域中嵌入有意义易损水印的算法，首先根据密钥随机选取一组图像像素及其邻域，由邻域中像素的相关性选取出一个参考水印点，通过参考点和水印值来共同调整选出的图像像素值，从而完成水印信息的隐藏。检测时不需要原始图像。实验结果表明算法对有损压缩、数据替换等各种篡改操作具有很强的敏感性，通过归一化相关系数等方法可对数据的完整性作出结论。     

一种简单有效的基于密度的聚类分析算法

对数据挖掘中基于密度聚类的相关概念和算法进行了讨论，对OPTICS（Ordering Pointers to Identify the Clustering Structure）算法聚类分析的正确性给以了证明。以DBSCAN，OPTICS为基础，提出了一种基于密度的简单有效的聚类算法。新算法主要在ε-邻域查询和种子队列的更新两个方面作了改进，给出了一种简单、效率较高的邻域查询方法-哈希表法，即对整个数据集合或部分数据作网格化处理。测试结果表明新算法能够有效地对大规模数据进行聚类，效率较高。     

一种基于目标航迹的跟踪算法

针对空中制导的复杂性和多样性,提出了一种以通过像素邻域判决准则,获得检测图像中的多目标为基础,利用一步预测原理确定航迹起始和终结,实现序列帧中多目标的连续跟踪算法.通过对实际拍摄的序列帧图像进行相应的跟踪仿真试验,结果表明,该算法能够稳定可靠跟踪多目标.     

线性八叉树的邻域寻找的新算法

提出了一种直接利用三维栅格的编码求其邻域的新算法。这种算法在求相同尺寸邻域时,仅需扫描编码的后几位,而在求不同尺寸邻域时,则直接在已求出的相同尺寸邻域的基础上,利用编码的层次性和大小性寻找此邻域的各级祖先结点和各级子孙结点,且仅需扫描此邻域编码的前几位。