异步数据流中关键目标提取及分类研究

事件相机因其生物视觉的启发渊源,打破了计算机视觉领域的常规数据获取方式,直击计算机视觉领域中RGB图像的痛点,带来了二维图像传感器无法比拟的优势,引起了广大研究者的密切关注.事件相机带来去除冗余信息、快速感知能力、高动态范围的感光能力和低功耗特性等优势的同时,其异步的事件数据无法直接应用于现有的计算机视觉处理模式.因此,利用基于关键事件点的分类方法对事件相机的数据流进行分类.该方法检测带有重要信息的角点事件,并只对角点事件进行特征提取.在保留事件重要特征和凝练提取事件流特征的同时,有效地减少了对其他事件的运算量.对预设手势进行识别,以此验证该方法的有效性,实现了97.86%的准确率.     

二次时频表示中核函数的优化设计

二次时频分布是分析非平稳信号的有力工具，在具有许多优良特性的同时，存在严重的交叉干扰项。在Wigner-Ville分布及Cohen类时频分布具有固定核函数的基础上，研究了基于信号的核函数优化设计的两种方法，径向高斯核函数和最优相位核函数的设计方法。基于信号的核函数的时频表示可以有效地抑制或转移交叉分量，提高时频表示的可读估计，改善其主要性能。     

无乘法的线性相位滤波器组的优化设计

提出了一种新的优化方法来设计系数为2的幂和(SOPOT)形式的线性相位完全重构(LPPR)滤波器组。其基本思想是将LPPR格型结构滤波器组中的格型系数直接表示成SOPOT形式，并将这些系数编码成个二进制码串，然后在一定的目标函数下利用遗传算法对这二进制码串进行优化。利用这种方法可以省去传统方法中首先设计无限精度系数的步骤，简化SOPOT型系数的LPPR滤波器组的设计过程。实验结果表明，该方法可以得到较好设计结果。     

核四极共振在炸药探测上的应用

综述了探测炸药在国内外研究的进展,包括核四极共振的探测方法、激励信号的方式和多脉冲序列技术、SQUIDS先进探测技术的应用、虚假信号及干扰信号的消除和炸药与核四极共振信号的关系．提出了核四极共振探测炸药中存在的问题及解决该问题的建议。     

基于压缩感知的正六边形CFA模式彩色图像去马赛克方法

针对基于四边形排列的去马赛克(Demosaicking)的 传统方法存在拉链现象和虚假色等问题,本文尝试将更加符合人眼视觉特性的六边形采 样方式应用于彩色图像成像 系统,并从图像稀疏特性角度出发,提出基于压缩感知(Compressive sensing,CS)框架的 彩色图像去马赛克方法。本文方法 充分挖掘了彩色分量间和分量内的稀疏特性,可使复原图像的纹理细节与色彩更加逼真,有 效地避免了拉链现象和虚假色现象。实验结果验证了本文方法的有效性。     

采用级联仿射不变函数的快速平面形状识别(英文)

现有的基于小波变换的形状识别算法具有很高的计算复杂度,难以满足许多实时应用的要求。文中提出了基于级联仿射不变函数的快速形状识别算法,用于识别仿射变换下的含噪目标。利用目标轮廓的小波变换可以得到一组仿射不变函数,并进一步构造出级联仿射不变函数。为了保证级联仿射不变函数的平移不变性,预先对轮廓的起始点进行了有效配准。从而通过级联仿射不变函数的内积,方便地度量出目标形状的相似度。与现有基于小波的识别算法相比,所提出的算法具有很低的计算复杂度,其所需CPU时间仅为其它算法的1/7。实验结果验证了该算法的有效性和起始点配准的准确性。     

低冗余的压缩感知观测

为了解决传统压缩方法很难有效地减少压缩感知观测的难题,基于互相关理论、集合论和序列压缩感知方法,提出了一种获取低冗余压缩感知观测的方法.在所提方法中,依据互相关理论,在保证信号完全重构的前提下,尽可能去除原观测集中的一些冗余观测,获得一个较小的观测集.然后,在已获得的较小观测集中,基于每个观测对于信号重构的重要程度,将其分为关键观测和非关键观测,在保证信号完全重构的前提下,迭代剔除一些非关键观测,直到观测集中不再包含非关键观测为止.实验结果表明,所提方法仅用原观测集中40%～70%的观测就可以获得与原观测集几乎相同的信号重构质量.     

满足重构概率约束的更少贝努利观测

在压缩感知(Compressed sensing, CS)中,一些方法统计地提供了给定观测数量下的信号重构概率. 然而,在重构概率有约束的情况下,现有方法不能找到满足约束的观测. 本文以压缩感知中常用的贝努利观测集为研究对象, 基于贝努利观测的特征和序列压缩感知理论获得了满足重构概率约束的观测. 另外,由于所提方法能从获取的过多观测中移除部分冗余观测, 观测结果包含更少的观测数据. 所提方法有三个优点:满足重构概率约束、 包含更少的观测数据以及具有全局收敛的属性. 理论分析和实验结果验证了所提方法的有效性.     

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．     

基于轮廓特征多层描述和评价的部分遮挡目标匹配

针对传统目标匹配算法难以实现部分遮挡目标精确匹配的问题,本文基于轮廓特征的描述和评价提出了一种有效的部分遮挡目标匹配算法。首先,利用曲率划分目标轮廓得到描述局部特征的轮廓分段,并根据目标的骨架对轮廓分段进行合并和分类,实现了目标特征的多层次描述。然后,提出了评价轮廓分段的两个参数:重要性和局部性。前者用于评价轮廓分段所描述目标特征的重要性,后者用于评价轮廓分段相对目标整体轮廓的比例。最后,将两个评价参数与轮廓分段之间的相似度联合起来,得到衡量目标相似程度的加权部分相似度,从而获得部分遮挡目标的最佳匹配结果。与现有遮挡目标匹配算法相比,在不同遮挡情况下本文算法的平均识别率提高了1.5%左右。