基于粒子群算法的非均匀稀布阵列综合

给出了一种基于粒子群算法的非均匀稀布阵列综合方法,设计有最小阵元间距约束的稀布阵,通过加入间距约束向量改进了适应度算法,不仅减小了布阵空间,而且消除了优化过程中的不合格个体。在给定阵列孔径和阵元数的条件下,实现了最小阵元间距约束下抑制栅瓣,降低旁瓣电平的阵列综合。通过仿真实例,验证了此方法的高效可行性。     

基于自适应最优核时频分布理论的ISAR成像方法

由于运动的复杂性, 传统的成像方法已无法满足机动目标成像的要求。在分析机动目标复杂运动引起目标回波多普勒相位非线性变化的基础上, 提出了一种基于自适应最优核时频分布(AOK TFR)理论的ISAR成像方法。通过计算回波数据不同距离单元的AOK TFR, 得到不同时刻目标的瞬态ISAR像, 且不受交叉项的影响;通过估计距离单元的瞬时多普勒频率并依此对成像时间段进行选择。仿真数据结果验证了该方法的有效性。     

Sequence of the most informative joints (SMIJ): A new representation for human skeletal action recognition

Much of the existing work on action recognition combines simple features with complex classifiers or models to represent an action. Parameters of such models usually do not have any physical meaning nor do they provide any qualitative insight relating the action to the actual motion of the body or its parts. In this paper, we propose a new representation of human actions called sequence of the most informative joints (SMIJ), which is extremely easy to interpret. At each time instant, we automatically select a few skeletal joints that are deemed to be the most informative for performing the current action based on highly interpretable measures such as the mean or variance of joint angle trajectories. We then represent the action as a sequence of these most informative joints. Experiments on multiple databases show that the SMIJ representation is discriminative for human action recognition and performs better than several state-of-the-art algorithms.     

基于句中词语间关系的文本向量化算法

文本向量化是将文本转化为向量的代数模型建立过程,在文本处理领域具有重要的应用价值,是文本数据挖掘算法的关键环节。在著名的PageRank算法基础上,提出一种基于句中词语间关系的文本向量化算法。通过引入语义层面的词语关联来克服传统的基于词频统计数据的向量化方法语义敏感度不佳的缺陷。在不同的语料测试集上的实验表明,基于句中词语间关系的文本向量化算法有更高的准确率。     

矢量Radon变换波场分离方法研究现状与展望

保持地震波场矢量特征的波场分离是多分量地震数据处理的核心问题之一。为提高多分量波场分离精度,基于传统Radon变换的优势,探讨了矢量Radon变换保持波场特征的可行性。首先,在分析传统Radon变换基础上,阐述了基于组稀疏的矢量Radon变换实现保持矢量波场振幅特性的纵、横波分离方法,并将其应用于模型数据的纵、横波分离;其次,介绍了复矢量Radon变换压制多分量地震数据面波干扰的处理方法,并展望了复矢量Radon变换在多分量地震数据处理中纵、横波分离和快、慢横波分离的应用前景。模型数据应用结果表明,基于组稀疏的矢量Radon变换波场分离方法能够保持多分量地震数据的矢量特性,并能获得好于非矢量Radon变换的纵、横波分离结果。     

光照变化下基于逆向稀疏表示的视觉跟踪方法

针对光照变化引起目标跟踪性能显著下降的问题,该文提出一种联合优化光照补偿和多任务逆向稀疏表示的视觉跟踪方法。首先基于模板与候选目标的平均亮度差异对模板实施光照补偿,并利用候选目标逆向稀疏表示光照补偿后的模板。而后将所得多个关于单模板的优化问题转化为一个关于多模板的多任务优化问题,并利用交替迭代方法求解此多任务优化问题以获得最优光照补偿系数矩阵以及稀疏编码矩阵。最后利用所得稀疏编码矩阵快速剔除无关候选目标,并采用局部结构化评估方法实现目标精确跟踪。仿真结果表明,与现有主流算法相比,剧烈光照变化情况下,所提方法可显著改善目标跟踪精度及稳健性。

     

基于随机投影和稀疏表示的跟踪算法

针对目标跟踪过程中存在的诸多技术问题,该文提出一种鲁棒的目标跟踪方法。首先,该文采用基于稀疏表示的全局模板描述目标的表观状态,通过构造正负模板以区分目标和背景;然后采用随机投影法对表示模板和候选目标进行降维,以降低算法的时间复杂度;采用粒子滤波法作为目标的运动模型,通过多项式重采样方法进行粒子重采样,以保持粒子的多样性;设计了正负模板更新策略,将正模板分为固定集和更新集,对这两部分在相似度计算和正模板更新时采取不同的处理方法,并且在其中加入目标遮挡的判决机制,从而可以有效避免遮挡的影响;实验结果表明,该算法能够准确跟踪受遮挡、运动模糊等多种复杂场景的目标,与现有跟踪方法相比,所提算法具有更好的准确性和稳定性。     

基于低秩矩阵和字典学习的图像超分辨率重建

基于稀疏表示和字典学习的超分辨率重建算法没有对图像进行分解,直接将整幅图像的信息都进行了学习重建.由低秩矩阵理论知,可将图像分解成低秩部分和稀疏部分.根据图像各部分信息的特征分别用不同的方法进行超分辨率重建,将能更加有效地利用图像的特征.据此提出了一种基于低秩矩阵和字典学习的超分辨率重建方法.该方法首先通过对图像进行低秩分解得到图像的低秩部分和稀疏部分,图像的低秩部分保留了图像的大部分信息.算法只对图像的低秩部分通过字典学习的方法进行超分辨率重建,图像的稀疏部分则不参与学习重建,而是采用双三线性插值的方法进行重建.实验分析表明,图像的重建质量有所提升,同时减少了一定的重建时间,提升了算法的运行速度.与现有算法比较,在视觉效果、峰值信噪比、算法运行速度等方面均获得了更好的结果.     

基于自适应逼近残差的稀疏表示语音降噪方法

该文提出一种基于自适应逼近残差的稀疏表示语音降噪方法。在字典学习阶段基于K奇异值分解(K-Singular Value Decomposition, K-SVD)算法获得干净语音谱的过完备字典,在稀疏表示阶段基于权重因子调整后的噪声谱和估计的交叉项对逼近残差持续自适应地更新,并采用正交匹配追踪(Orthogonal Matching Pursuit, OMP)方法对干净语音谱进行稀疏重构。最后结合估计的干净语音谱与带噪语音相位,通过傅里叶逆变换获得重构的干净语音。实验结果表明所提方法在不同噪声和信噪比条件下相比标准的谱减法,稀疏表示语音降噪算法和基于自回归隐马尔可夫模型的降噪方法有更好的降噪效果。     

基于局部差别性分析的目标跟踪算法

在复杂场景下,为了更好地提升跟踪的鲁棒性,基于局部的相似度测量得到了广泛应用。然而,局部遮挡,形变和光照变化等场景的复杂性,基于传统局部相似度测量的目标跟踪存在很大缺点,例如,在跟踪过程中,仅仅依靠目标和模板的匹配度容易造成跟踪的偏移现象。鉴于此,该文提出一种基于局部差别性相似度测量的目标跟踪算法。首先,以目标-背景的差异性,形成相似性和差异性相结合的局部判别性相似度测量;其次,基于子块在视频序列中的差异性,对子块进行差异性学习,以提高跟踪的准确性。最后,在粒子滤波框架下,基于差别性局部区域测量构建了一种有效的目标跟踪算法。实验结果表明,在复杂图像序列中,该算法实现了目标的准确跟踪,并在光照变化、旋转、缩放和遮挡等方面具有较好的效果。