有效保持细节特征的图像椒盐噪声滤除方法

 论文结合几种去噪方法,提出一种统一的图像去噪模型.该模型通过一个统一的目标函数将图像去噪问题转化为最优化问题,目标函数的构造主要包括估计残差惩罚函数、局部权函数及正则化项三个方面.随后基于此模型提出一种新的去除椒盐噪声的非线性滤波方法,其中估计残差惩罚函数采用L1范数形式,局部权函数采用自适应高斯核函数,正则化项则利用图像的小波域稀疏性作为先验约束来构造.由于充分融合了图像的全局和局部统计特性,因而在抑制噪声的同时能够更好地保持图像边缘等细节特征,相关去噪实验结果证实了本文方法的有效性.     

连续逻辑为电子线路与系统提供的新手段

本文研究了连续逻辑的性质和作为一种新手段在电子线路与系统中的作用。结果表明,连续逻辑的应用可能使传统用A/D、D/A连接数字部分与模拟部分的系统结构方式,会产生某些变化。从而实现直接对模拟信号进行高速“数字信号处理”的功能。文中阐述了模拟信号时间座标比例的伸展或压缩,由数字控制的模拟信号延时电路,实时的模拟量表决(即中值滤波),模拟信号幅值间的任意函数关系S=F(X,Y,Z…)等各种功能的实现方式,以及时间、空间(即线间),幅值间的相互转换。本文还对连续逻辑的实际电路和用这种集成电路(DYL)实现的高速实时傅里叶变换装置进行了简单的介绍。这种傅里叶变换装置初步实验结果就达到16兆赫采样频率,32个点变换周期2微秒。线路简单易行,速度潜力很大。     

选择性背景优先的显著性检测模型

在检测图像显著性区域的领域中,背景优先是一个较新的思路,但会遇到背景鉴别这个具有挑战性的难题。该文提出背景真实性的判断问题,在探索的过程中发现背景通常具有连续性的特征,根据这一特性实现了判定背景的方法,并将判断的结果作为显著性先验值应用于后继的计算中,最终结果的准确性和正确性得到有效提高。该文首先采用均值漂移(MS)分割算法将图片预分为超像素,计算所有超像素的初始显著值;随后提取原图的4个边界条,计算每两条之间的色彩直方图距离,判定小于预设阈值的两条边界作为真的背景,选择它们作为优先边界,计算先验显著性值;最后进行显著性计算,得到最终的显著图。实验结果表明,该算法能够准确检测出显著性区域,与其他6种算法相比具有较大优势。     

基于神经网络的集成电路生产过程建模与优化

以提高半导体生产线的成品率为目标,利用神经网络对半导体芯片生产过程进行了建模和优化.首先使用神经网络方法建立模型,确定生产线上工艺参数和成品率之间的映射关系,构造多维映射函数曲面;随后对多维映射函数曲面进行搜索,搜索成品率最高的最优点,据此确定工艺参数的规范值;最后,根据优化后的工艺参数规范进行实际生产.采用这种优化建议,半导体生产线的平均成品率由51.7%提高到了57.5%.     

功率MOSFET反向特性的分析模拟

本文对功率MOSFET的反向特性进行了模拟，着重分析了N沟功率MOSFET体内集成二极管的独特的作用，并对P沟器件在特性模拟时由于PSPICE模型参数的限制而表现出来的误差进行了分析，提出了改善措施，并得到了与实际相符合的结论．     

一种通用神经网络处理机设计及其VLSI集成化讨论

本文讨论了通用神经网络处理机的性能要求以及全模拟量处理、全数字量处理和数字模拟混合处理等各种处理方式的优缺点，设计了一种数字模拟混合处理的通用神经网络处理机结构。这种结构在当前ＶＬＳＩ集成工艺的条件下，具有较高的性能价格比。     

基于流形距离的半监督判别分析

大量无类别标签的数据具有对分类有用的信息,有效地利用这些信息来提高分类精确度,是半监督分类研究的主要内容.提出了一种基于流形距离的半监督判别分析(semi-supervised discriminant analysis based on manifold distance,简称SSDA)算法,通过定义的流形距离,能够选择位于流形上的数据点的同类近邻点、异类近邻点以及全局近邻点,并依据流形距离定义数据点与其各近邻点之间的相似度,利用这种相似度度量构造算法的目标函数.通过在ORL,YALE人脸数据库上的实验表明,与现有算法相比,数据集通过该算法降维后,能够使基于距离的识别算法具有更高的分类精确度.同时,为了解决非线性降维问题,提出了Kernel SSDA,同样通过实验验证了算法的有效性.     

一种基于视觉特性的仿生图像增强算法

常见的基于人类视觉特性的图像增强算法由于是同时完成动态范围压缩和对比度增强,导致增强图像的整体对比度不高、边缘部分效果不佳.通过分析人类视觉系统的全局和局部自适应调节原理及人眼视网膜神经节细胞感受野的传输特性,提出一种仿生图像增强算法.为适应人类视觉系统对光强的主观感觉特性,对图像作全局亮度对数变换;并利用人眼的主观亮度感觉与实际光强的对数呈局部线性关系的特性,采用视网膜神经元感受野三高斯模型来调整亮度图像的局部对比度;最后利用线性变换恢复图像的彩色信息.实验结果表明,该算法的增强效果良好,特别是对于图像边界处,既能很好地增强边缘对比,又可有效地提升区域亮度对比和亮度梯度信息.     

基于ADASYN与AdaBoostSVM相结合的不平衡分类算法

对于平衡数据集支持向量机(support vector machine,SVM)通常具有很好的分类性能和泛化能力,然而对于不平衡数据集,SVM只能得到次优结果,针对该问题提出了一种基于SVM的AS-Ada Boost SVM分类算法.首先,通过使用ADASYN采样,提高少类样本在边界区域的密度;然后,使用基于径向基核支持向量机(radial basis function kernel mapping support vector machine,RBFSVM)模型弱分类器的Ada Boost SVM算法训练得到决策分类器.通过将该算法在各种不平衡数据集上的测试结果与单纯运用ADASYN技术、Ada Boost SVM、SMOTEBoost等其他分类器进行比较,验证了该算法的有效性和鲁棒性.     

利用多级量化局部纹理特征的图像跟踪算法

针对传统的基于纹理特征的跟踪算法采用统计直方图描述目标,表达不够精确且计算量较大的问题,提出一种基于多级量化的局部纹理特征的点对点的图像跟踪算法.首先定义了一种高维纹理特征,其对单个的点具有较强的描述能力;随后通过矢量运算进行点对点匹配,根据匹配得出的点集的空间位置,利用均值漂移矢量实现初步定位;最后通过连续缩放窗口比例,同时使用颜色信息验证候选窗口与原始窗口的相似度,确定目标的位置和尺度.实验结果表明,该算法在场景复杂、噪声较大的环境中仍能准确地搜索到目标;在目标尺度变化时也具有较强的鲁棒性.