准循环码和双环循环码的研究

文章首先简述了准循环码的概念,然后较为深入地研究了准循环码生成方法,最后讨论了双环循环码与准循环码的关系及其编码的电路实现。     

多尺度脊波字典的构造及其在图像编码中的应用

在变换域图像编码技术中,图像的稀疏表示是编码的关键。该文在分析了脊波函数的缺陷的基础上,首先提出了一种多尺度脊波字典的构造方法,并通过树形结构对原子进行组织,加快了图像稀疏分解中最匹配原子的搜索速度;然后提出了一种基于树形多尺度脊波字典的匹配追踪静态图像编码方法;最后通过对量化失真与编码速率的分析,结合稀疏分解系数的分布,提出了系数的自适应量化和编码方案。实验结果表明,多尺度脊波字典能够对图像进行有效的稀疏表示;与JPEG2000相比,新的编码算法具有更好的编码性能,尤其在低比特率条件下。     

数字多用表自动校准检定系统

本系统采用美国ＦＬＵＫＥ公司生产的５７００Ａ多功能校准仪器，配上微机、打印机等设备，通过ＩＥＥＥ─４８８接口对数字表进行校准检定工作，能完成自动测试工作及检定结果的打印输出。     

特征保留的稀疏表示图像去噪

稀疏表示理论认为在合适的冗余字典下,图像存在最为稀疏的表示,字典的过完备性,使得通过提取很少量的大系数便能捕获到图像中的重要信息,而且对噪声更加鲁棒。针对图像去噪,为了更好地保留图像特征信息,考虑人眼视觉特性,研究过完备字典对噪声图像特征和边缘信息的有效表示,提出以结构相似为信息保真度的特征保留的稀疏表示去噪算法。实验结果表明,该算法能更好地对图像去噪,对特征和边缘等信息的保留能力更强,得到的图像视觉效果更佳。     

QoS路由网络中的准人控制研究

作为下一代具有服务质量（QoS）控制功能的互联网核心机制之一，准入控制在提供合理的网络资源分配方式的同时，需要具有很好的可扩展性。本文结合互联网无连接、无资源预留的本质，尝试了在一定概率下保证被准入控制接受的业务流的服务质量，设计了一种支持多种QoS约束的端到端准入控制机制。该机制以无连接的逐跳QoS路由为基础，将整个互联网划分成核心网络和边缘网络两层。核心网络仅维护其本身的QoS信息并使用QoS路由，而不保存每流状态；准入控制则通过端到端路径上的所有节点配合处于边缘网络的源网关完成，并由源网关完成流的统计和检测功能。因此，这种准入控制机制具有良好的可扩展性。     

基于非局部自相似的Shearlet自适应收缩图像去噪

针对Shearlet收缩去噪引入的Gibbs伪影和"裂痕"现象,提出一种结合非局部自相似的Shearlet自适应收缩图像去噪方法.首先,对噪声图像进行多方向多尺度的Shearlet分解;然后,基于高斯比例混合(GSM)模型的Shearlet系数分布建模,利用贝叶斯最小二乘估计对Shearlet系数进行自适应收缩去噪,重构得到初始去噪图像;最后,利用非局域自相似模型对初始去噪图像进行滤波处理,得到最终的去噪图像.实验结果表明,所提方法在更好地保留边缘特征的同时,有效地去除噪声和收缩去噪引入的Gibbs伪影,该方法获得的峰值信噪比(PSNR)和结构自相似指标(SSIM)比基于非抽样剪切波变换(NSST)的硬阈值去噪方法提高1.41 dB和0.08;比非抽样Shearlet域GSM模型去噪方法提高1.04 dB和0.045;比基于三变量模型的剪切波去噪方法提高0.64 dB和0.025.     

基于卷积神经网络的单幅图像超分辨率重建算法综述

近年来,单幅图像超分辨率重建技术成为机器视觉领域的研究热点。随着深度学习的发展,卷积神经网络在单幅图像超分辨率重建方面取得了前所未有的成功。文章对典型的图像超分辨率重建的卷积神经网络模型进行综合论述,比较分析了不同模型之间的异同点和优缺点,并对基于卷积神经网络的单幅图像超分辨率重建方法的未来研究方向进行展望。     

基于多原子快速匹配追踪的图像编码算法

该文提出一种多原子快速匹配追踪信号稀疏分解算法,并将其应用于静态图像编码。多原子匹配追踪通过每次迭代选取多个原子的形式,实现信号的快速稀疏分解。在此基础上,通过构造多尺度脊波字典实现图像的稀疏分解,并对稀疏分解的数据进行自适应量化和编码。实验结果表明,多原子匹配追踪获得了与匹配追踪相当的逼近性能,同时极大地提高了稀疏分解的速度。新的编码算法在低比特率情况下,获得了比JPEG2000更理想的编码性能。     

图像属性的自适应盲水印算法

提出一种基于图像属性和小波包变换的盲数字水印算法.算法利用小波包变换对图像特征的稀疏表示特性,将图像分成不同内容属性的区域:平滑区、边缘区和纹理区;找出各区域块中视觉重要信息的位置,并将水印嵌入其中;水印嵌入强度取决于图像内容.算法很好地解决了水印鲁棒性和不可见性之间的矛盾.实验结果表明,该算法能够抵抗JPEG压缩、加噪和任意裁剪等攻击,具有很强的鲁棒性.     

基于L_1稀疏解混的水体变化检测

稀疏表示利用高光谱丰度矩阵的稀疏特性来获取更有价值的信息,使得稀疏正则化后的高光谱数据更加精确。以景德镇玉田湖水库为研究对象,通过Landsat8卫星获取的玉田湖水库不同时期的水体信息数据,利用了经典的L1稀疏解混的方法对卫星数据进行水域信息提取,然后对不同时期水域变化情况进行检测。检测结果验证算法有效性。