基于NMF和SURF的视频帧间复制粘贴伪造盲检测

针对视频帧间复制粘贴伪造,本文提出一种基于非负矩阵分解(Nonnegative matrix factorization, NMF)和加速稳健特征（Speed-up robust features, SURF)的帧间复制粘贴伪造盲检测算法。通过对视频帧进行小波变换,提取低频系数矩阵进行非负矩阵分解,将得到的系数矩阵作为视频帧的特征表示衡量帧间的相似性,根据相似度变化趋势判断视频帧间的连续性,从而确定疑似伪造复制粘贴序列的首帧及尾帧,并通过SURF特征匹配进行二次判定。实验结果表明,本文所提出帧间伪造检测算法对连续多帧的复制粘贴伪造具有较好的检测效果,避免了逐帧比对,降低了时间复杂度。     

Hopfield神经网络系统的全局稳定性分析

研究一类Hopfield神经网络系统的平衡状态的存在性、唯一性与全局稳定性, 这类系统放弃了以前对激励函数的有界性、单调性和可微性要求. 利用M矩阵理论, 通过构造适当的Lyapunov函数, 得到了系统全局渐近稳定的充分条件.     

基于NSCT-GLCM的CT图像特征提取算法

针对海量CT图像分割中特征提取的难题,提出一种非下采样轮廓变换(NSCT)和灰度共生矩阵(GLCM)相融合的CT图像特征提取算法。首先采用NSCT对CT图像进行多尺度、多方向分解,并采用GLCM提取子带图像的共生特征量,然后对共生特征量进行主成分分析,消除冗余特征量,构成多特征矢量,最后利用支持向量机完成多特征矢量空间的划分,实现CT图像分割。实验结果表明,NSCT-GLCM能够较好地提取CT图像特征,提高了CT图像分割准确率,可以为医生诊断提供辅助信息。     

基于改进双树复小波和灰度-梯度共生矩阵的纹理图像检索算法

针对双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷,提出了一种改进双树复小波和灰度-梯度共生矩阵相融合的纹理图像检索新算法。首先,该算法将图像进行非均匀分块,并对分块的图像进行双树复小波变换,以此增加不同尺度下的空间信息;其次,利用灰度-梯度共生矩阵提取4个统计量特征;然后, 融合 两种方法提取的纹理特征以得到图像检索的纹理特征;最后,用Canberra距离进行相似性度量并输出图像检索的结果。实验结果表明,该方法对纹理图像有较好的检索效果。     

基于类扩张矩阵的信息系统特征选取

特征选取是一个NP-Hard问题。为了快速完成信息系统的一个最小特征选取，引入了类扩张矩阵的定义。通过类扩张矩阵的元素表示对象的差异，并利用逻辑上包含关系，有效浓缩类扩张矩阵。最后，以类扩张矩阵的统计信息为启发式信息，在浓缩类扩张矩阵中实现一个最小特征子集的快速求解。通过理论分析和实验，证明了该特征选取方法的高效性。     

机器人LFT变增益∞控制

针对平面两关节直接驱动机器人, 基于LMI技术提出一种设计能保证在整个运动范围内始终具有很好动态性能的LFT变增益H_∞ 控制器的新方法. 将机器人系统转化为以两关节夹角余弦值为变参数的LPV模型并表示为关于变参数的LFT结构, 利用变参数的测量值设计具有相同LFT结构的LPVH_∞ 控制器, 将此控制器的设计等价为以变参数为不确定项的LTI鲁棒控制器的设计并给出控制器可解的LMIs条件, 然后归纳出获得控制器的求解方法. 此控制器既克服了传统变增益控制器的缺陷,     

带宽受限网络化系统的广义H2滤波

研究了一类带宽受限网络化系统的广义H2滤波问题. 滤波器采用量化后的测量信号作为其输入信号, 采用对数量化器, 将滤波误差系统建模成范数有界不确定时滞系统. 利用Lyapunov 稳定性理论和线性矩阵不等式(LMI)技术, 得到了滤波误差系统渐近稳定的充分条件以及滤波器的设计方法. 数值示例验证了所给算法的可行性.     

基于Toeplitz矩阵的酉变换波达角估计算法

为提高Toeplitz矩阵重构算法的估计性能、降低计算量,提出了基于Toeplitz矩阵的酉变换DOA估计算法UHT-MUSIC。该算法在保持估计性能不变的前提下,先将Toeplitz型协方差矩阵变换为Hermition矩阵,然后利用酉变换将其转换为实数矩阵。在此基础上利用MUSIC算法进行DOA估计,其特征值分解及谱峰搜索的计算量降低到同条件下TOEP-MUSIC算法的1/4。同时该算法还有效降低了信源的相关系数,从而提高了算法的分辨性能。仿真实验验证了该算法的正确性。     

加权低秩矩阵恢复的混合噪声图像去噪

传统的基于低秩矩阵恢复的图像去噪算法只对低秩部分进行约束,当高斯噪声过大时,会导致去噪不充分或细节严重丢失。针对此问题,提出了一种新的鲁棒的图像去噪模型。该模型在原有的低秩矩阵核范数约束的基础上引入高斯噪声约束项,此外为了提高低秩矩阵的低秩性和稀疏矩阵的稀疏性,引入了加权的方法。为了考察方法的去噪能力,选取了不同参数类型的混合噪声图像进行仿真,并结合峰值信噪比、结构相似度评价标准与传统的基于低秩矩阵恢复的图像去噪算法进行对比。实验结果表明,加权低秩矩阵恢复的混合噪声图像去噪算法能增加低秩矩阵的低秩性和稀疏矩阵的稀疏性,在保证去噪效果的同时,保留了图像的细节信息,具有更佳的视觉效果,同时,客观评价指标均有所提高。