基于K-L交叉熵的岭回归人脸识别

岭回归人脸识别利用正则单形的顶点对每类人脸进行多元标记,通过投影实现高维人脸特征的降维。该算法首先提取人脸图像的局部二进制（LBP）直方图特征向量,通过主成分分析（PCA）和岭回归对该特征向量进行两次降维。识别阶段利用K-L交叉熵计算标记向量和投影后特征向量的相似性,根据熵值最小原则完成对测试样本的类别判断。实验选取ORL和YALE两个标准人脸库对算法进行测试,结果表明,K-L交叉熵测度比传统的欧氏距离测度获得更高的识别率。     

系统备份及其误区分析

文章对系统备份的几个主要方面进行了讨论，并在此基础上，对系统备分的若干认识误区进行了分析。     

PCB孔铜断裂失效分析探讨

针对PCB在SMT后出现的通孔开路问题,本文结合孔铜断裂失效案例,通过CT、金相切片、SEM及热分析等分析手段来进行论证,分析PCB孔铜断裂的失效机理,并给出了预防控制建议.     

一类超混沌系统的广义同步研究

研究了一类四维超混沌系统的广义同步问题，基于稳定性理论得到控制器的解析表达式，分别实现了相同结构和异结构超混沌系统的广义同步，全局同步和相同步。数值计算与理论分析一致。     

SAR图像理解与解译研究进展

本文主要评述SAR图像理解与解译的研究现状，并指出了该领域的相关问题及今后的发展趋势．论文从SAR图像相干斑抑制、图像分割、特征提取、识别与分类等六个方面较深入地分析了SAR图像理解与解译关键技术的最新进展，指出了进一步研究的方向．     

基于小波去噪的T-ray图像复原

针对实时THz脉冲（T-ray）成像系统所成图像分辨率低、受l/f相关噪声干扰严重的特点,提出一种新的基于小波去噪的T—ray图像复原算法。对T-ray图像进行离散小波变换后,先利用广义交叉确认估计出各个分辨率层的噪声闽值,然后对每个分辨率层的高频子带进行迭代去噪,最后对去噪后的T-ray图像采用Jasson-Van-Cittert算法进行复原处理以提高分辨率。实验结果表明,该方法在提高T-ray图像分辨率的同时,能显著地抑制THz成像系统的l/f相关噪声。创新之处在于以广义交叉确认作为T-ray图像中l/f噪声的估计方法,大幅度提高了图像信噪比（-5dB）,避免了噪声带来的复原算法中的不适定问题,达到较好的图像复原效果。     

基于ICA-SCS算法的极化SAR图像相干斑抑制

该文提出了采用基于独立分量分析的稀疏编码收缩(ICA-SCS)算法进行极化SAR图像相干斑抑制的新方法,结合软门限算子,有效抑制了图像中的相干斑噪声,保留了极化信息。实验结果表明,该算法具有较好的边缘保持和噪声抑制能力。     

IPO+FMM混合方法结合GRI和级联技术计算电大腔体的RCS

采用快速方法(FMM, RPFMM, FaFFA)加速迭代物理光学法(IPO)的迭代过程,可以快速计算电大腔体的电磁散射特性。采用广义互易积分,用靠近腔体终端的一个St面将腔体分成两段,形状简单光滑的腔体前端用IPO结合快速算法处理,而腔体终端单独分析。为了能够处理深腔体和进一步加快计算速度,将腔体前端进一步分成几个子腔体,每一个子腔体独立分析,通过一个级联方法求得腔体前端在St面产生的辐射场,最终在St面用广义互易积分求得腔体的RCS。数值计算结果表明该方法是准确的,同时能有效地提高计算速度。     

一种基于修正数据矩阵的广义波达方向矩阵方法

该文提出了一种基于平面阵的相干信号二维DOA估计算法,文中先将平面阵分为3个具有旋转不变性的子阵列,并分别构造了3个子阵列的数据矩阵,结合这3个数据矩阵,构造了两种修正数据矩阵,提高了阵元利用率。然后仿照波达方向矩阵的构造方法,得到了一种广义波达方向矩阵。通过理论分析证明了对该矩阵进行特征分解,就可以获得信号的方向矢量和信号方向元素,从而能够进行相干信号的二维DOA估计,并且避免了谱峰搜索,减少了运算量,仿真结果验证了该算法的有效性和精确性。     

Wavelet-based hybrid natural image modeling using generalized Gaussian and α-stable distributions

Natural image is characterized by its highly kurtotic and heavy-tailed distribution in wavelet domain. These typical non-Gaussian statistics are commonly described by generalized Gaussian density (GGD) or α-stable distribution. However, each of the two models has its own deficiency to capture the variety and complexity of real world scenes. Considering the statistical properties of GGD and α-stable distributions respectively, in this paper we propose a hybrid statistical model of natural image’s wavelet coefficients which is better in describing the leptokurtosis and heavy tails simultaneously. Based on a clever fusion of GGD and α-stable functions, we establish the optimal parametric hybrid model, and a close-formed Kullback–Leibler divergence of the hybrid model is derived for evaluating model accuracy. Experiment results and comparative studies demonstrate that the proposed hybrid model is closer to the true distribution of natural image’s wavelet coefficients than the single modeling using GGD or α-stable, while is beneficial for applications such as image comparison.