压缩感知及其图像处理应用研究进展与展望

压缩感知理论（Compressed sensing,CS）通过少量的线性测量值感知信号的原始结构,并通过求解最优化问题精确地重构原信号.该理论减少了数字图像及视频 获取时的存储及传输代价,也为后续的图像处理及识别的研究提供了新的契机,促进了理论和工程应用的结合. 阐述了CS的基本原理,综述了其关键技术稀疏变换、观测矩阵 设计、重构算法的一系列最新理论成果和发展,深入分析和比较了CS理论应用到图像处理领域的研究和发展状况,总结了其中存在的问题,并对未来的应用前景进行了展望.     

基于一次投影子空间追踪的压缩感知信号重构

为了降低信号重构算法的复杂度,实现对稀疏度未知信号的重构,提出了一种基于一次投影子空间追踪(OPSP)的信号重构方法。首先根据约束等距性质确定信号稀疏度的上下界,并将最接近上下界中值的整数作为稀疏度的估计值;然后在子空间追踪(SP)算法的框架下,去掉了迭代中观测向量在支撑集上的投影过程,降低了算法的复杂度。为了更准确地衡量算法的重构性能,提出用完整信号的重构概率作为衡量算法重构性能的指标。与传统的SP算法相比,所提算法可以重构稀疏度未知的信号,且重构时间短,重构概率高。仿真结果验证了该算法的有效性。     

基于局部重构的无监督特征选择方法

利用局部线性嵌入(LLE)算法中获得局部邻域之间的重构关系与使用最小角回归方法解决L1归一化问题都使用回归方法,针对在通过映射获得低维嵌入空间与通过特征选择获得低维空间上有着一致的思想,提出一种能保持局部重构关系的无监督谱特征选择方法.该方法利用最小二乘法计算样本的邻域重构系数,并用这些系数表示样本之间的关系,通过解决稀疏特征值问题获得能够保持样本间关系的低维嵌入空间,最后通过解决L1归一化问题实现自动特征选择.通过在四个不同数据集上的聚类实验结果证明,该方法能更准确地评价每个特征的重要性,能自动适应不同的数据集,受参数影响更小,可以明显提升聚类效果.     

磁盘阵列环境下的取证目标系统重构

封存原始硬盘与业务系统服务的连续性是计算机取证中面临的一对矛盾。在独立硬盘环境中,问题的解决并不困难,但在磁盘阵列(RAID)环境下,目前还缺乏有效的解决办法。为此,为RAID环境下的取证目标系统的重构提出一套解决方案,并设计实现其中关键任务的处理软件。实验表明,该方法可适用于不同RAID等级、不同操作系统下的系统重构,使得用户感受不到重构得到的系统与原系统有任何差异。与数据同步方法相比,该方法可以有效地减少重构的时间开销,且不会破坏原始证据硬盘上的数据。     

角蛋白基药物载体的发展及应用探讨

从毛发中提取角蛋白，开发具有独特功能的角蛋白基药物载体材料，提高药物的活性和生物利用率，既能够增加毛发的利用价值，又能够实现节能减排，符合可持续发展战略要求。对毛发中提取角蛋白进行二硫键重建、自由基聚合、多糖改性和烷基化等改性处理，赋予角蛋白基药物载体优异地功能特性，进一步拓宽其作为角蛋白基药物载体的应用范围。角蛋白基药物载体可被加工成纳米粒子、纤维支架、水凝胶等各种形式用于药物的递送。作为一种高硫含量且具有良好细胞相容性的结构蛋白，角蛋白基药物载体在组织工程、再生医学等领域扮演着重要的角色。     

相空间重构在语音情感识别中的研究

为了更为全面地表征语音情感状态,弥补线性情感特征参数在刻画不同情感类型上的不足,将相空间重构理论引入语音情感识别中来,通过分析不同情感状态下的混沌特征,提取Kolmogorov熵和关联维作为新的情感特征参数,并结合传统语音特征使用支持向量机（SVM）进行语音情感识别。实验结果表明,通过引入混沌参数,与传统物理特征进行识别的方案相比,准确率有了一定的提高,为语音情感的识别提供了一个新的研究途径。     

基于场景重构与报警聚合的网络取证分析技术

提出一种包含报警标准化、去冗余、场景重构和报警聚合的网络取证分析方法. 通过去除失败攻击的报警, 减少了对证据分析的干扰. 在场景重构中, 通过反向关联, 减少了不必要的证据, 同时通过对孤立报警的补充, 保证了证据链的完整性. 在报警聚合中, 提出了聚合同一攻击步骤的不同报警的方法, 以抽象层和具体层两个层次重构入侵场景. 最后通过实验验证了所提出方法的有效性.     

基于SIFT算法的三维心脏表面模型重建

心脏三维模型对于心脏疾病的诊断和治疗有很重要的作用,为满足心肌缺血可视化的显示需求,提出了一种基于SIFT图像匹配算法重建三维心脏表面模型的新方法。该方法用一部标定好的数码相机围绕心脏模型拍摄一组照片,用SIFT算法完成图像间同名点的匹配,通过这些同名点求出相机的外参数,进而实现三维心脏模型的重建。实验结果表明,该方法成功地重建了三维心脏表面模型,并且成本低、效率高,重建的模型能满足心肌缺血可视化的显示需要。     

基于相关向量机的MEMS陀螺仪随机漂移补偿

提出了一种基于相关向量机的MEMS陀螺仪随机漂移预测方法。针对MEMS陀螺仪随机漂移误差的非线性、不确定性等特点,建立了相关向量机预测模型,并采用EM算法获得模型的参数。针对随机漂移的混沌特性,利用相空间重构技术,将重构后的漂移序列作为输入变量进行模型的训练和预测。训练和测试结果均表明,该方法具有很好的预测效果,优于常用的时间序列分析法和支持向量机法。利用预测结果对随机漂移进行补偿,有效地提高了陀螺的使用精度。     

一种基于协方差矩阵重构和EMP的宽带波束形成算法

在宽带波束形成中,若干扰信号从主瓣方向进入,会引起主瓣畸变、旁瓣电平抬高,从而使波束性能严重恶化。为了解决波束形成中的这些问题,研究了一种基于协方差矩阵重构和特征投影预处理（EMP）的宽带波束形成算法。该算法首先通过EMP算法求取阻塞矩阵,对接收信号进行干扰相消预处理阻塞掉主瓣干扰;然后通过相干信号子空间（CSM）方法、协方差矩阵重构求取合理的协方差矩阵;最后进行波束形成。在主瓣干扰、旁瓣干扰同时存在的情况下,该算法能够自适应地阻塞主瓣干扰、抑制旁瓣干扰,解决了存在主瓣干扰情况下宽带波束形成的波形畸变问题。计算机仿真验证了该算法有效性。