1D correlation filter based class-dependence feature analysis for face recognition

In this paper, a novel one-dimensional correlation filter based class-dependence feature analysis (1D-CFA) method is presented for robust face recognition. Compared with original CFA that works in the two dimensional (2D) image space, 1D-CFA encodes the image data as vectors. In 1D-CFA, a new correlation filter called optimal extra-class origin output tradeoff filter (OEOTF), which is designed in the low-dimensional principal component analysis (PCA) subspace, is proposed for effective feature extraction. Experimental results on benchmark face databases, such as FERET, AR, and FRGC, show that OEOTF based 1D-CFA consistently outperforms other state-of-the-art face recognition methods. This demonstrates the effectiveness and robustness of the novel method.     

一种宽带信号调理通道设计

在高速数据采集系统中,对模拟信号调理通道带宽的要求越来越高。本文结合无源衰减网络、高增益可变增益放大器（VGA）、高速电流反馈放大器（CFA）,设计并实现了一种宽带模拟信号调理电路,并给出了实验结果与分析。该电路具有高带宽、动态范围大、低噪声等特性,能满足数据采集系统高带宽的要求,也可以应用于宽带电子测量仪器的前端信号调理电路。     

Prevalence and personality correlates of Facebook bullying among university undergraduates

The purpose of the present study was to examine the prevalence of cyber-bullying through Facebook in a sample of 226 Greek university undergraduates, and to explore whether big five personality characteristics, narcissism, as well as attitudes toward Facebook, technological knowledge and skills were predictive of such behavior. Participants completed a self-report questionnaire measuring the above constructs. Results indicated that almost one third of the sample reported Facebook bullying engagement at least once during the past month, with male students reporting more frequent involvement than females. Bullying through Facebook was predicted by low Agreeableness and more time spent on Facebook only for males, whereas for females none of the studied variables predicted engagement in Facebook bullying. Findings are discussed in terms of prevention and intervention strategies.     

利用协方差矩阵检测CFA插值的相机来源鉴别方法

针对数字图像取证技术中的相机来源鉴别问题,利用相机成像过程中颜色滤波阵列(CFA)插值的线性模型,采用协方差矩阵对CFA插值系数进行统计估计,有效地降低了现有方法存在的估计误差,并以估计的CFA系数为特征,利用SFFS方法从240维特征中优化选择了36维组成特征向量,最后使用支持向量机作为分类器,对22种不同品牌不同型号的相机拍摄的图像进行了来源鉴别.实验表明,本文算法对数字图像的相机来源鉴别检测,其平均正确率达到了96.5%,优于现有的相机来源鉴别算法.     

基于CFA模式的一种改进型双线性图像插值算法

本文介绍了图像传感器常用的CFA模式原理,针对该图像模式常用插值算法的缺陷,提出了一种基于图像相关性和简单边缘检测的改进型双线性插值算法。该算法具有算法简单,插值效果好,节约处理器指令周期等特点,可用于带有图像传感器的嵌入式系统中。     

宽带可调交叉场天线的匹配网络设计

交叉场天线是一种极小尺寸的电小天线,对于匹配电路中的元件值非常敏感,因此在设计时需要充分考虑元件的分布效应引起的误差.提出了一种利用ansoft 协同设计平台实现对基于集总参数的匹配电路的设计方法,并用该方法实现了对CFA的匹配电路的设计.加工了一幅高0.26米,26 MHz～33 MHz内可调的交叉场天线,测试与仿真结果吻合良好,说明了该方法的有效性和准确性.该方法为实际工程节省了大量的调试时间.     

应用于CMOS图像传感器的联合降噪插值算法研究

提出了一种可应用于CMOS图像传感器的联合并行图像预处理算法,其中,色彩插值算法采用双线性插值法和边缘导向插值法相结合的方式来完成色彩还原,而降噪算法采用带阈值的空间自适应滤波降噪算法,在硬件语言描述算法时,将两种算法的处理过程进行了联合处理.实验仿真结果表明,通过对算法进行ISE仿真和Matlab显示处理,得到色彩饱和度较高的彩色图像,峰值信噪比(PSNR)为30～36 dB.整个处理过程有效地简化了片上系统(SOC)的图像处理过程,提高了算法的运算速度,节省了芯片面积且降低了系统功耗,为CMOS图像传感器的片上系统集成化设计提供了技术支持.     

基于图像增强的灰度插值算法

针对传统彩色滤波阵列（Color Filter Array,CFA）插值算法在图像识别前一般需要对彩色图像预处理,其中包括把插值后的彩色图像转化为灰度图像、平滑内部和锐化边缘,过程较为繁琐的问题,提出一种新的基于图像增强的灰度插值算法,即在插值过程中锐化图像的边缘并平滑内部,插值结果直接是一幅灰度图像并且保证图像的几何特性不变．实验结果表明此算法的有效性．     

适合实时硬件实现的Bayer图像插值算法

现今已有大量的CFA插值算法问世,然而大多数只是针对独立使用或者是后期处理的场合。因为这些方法往往需要复杂的运算过程甚至迭代计算,所以不适合实时硬件实现。针对高清Bayer图像,提出了一种面向硬件的实时、高效的插值算法。该算法专注于插值过程的计算复杂度最小化以适合低资源利用量的实时硬件实现并且使最终输出的彩色图像保持较高的质量。使用加权梯度方法对每个像素的3乘5邻域分析得到最平滑的两个方向,丢失的两个颜色分量则沿该两个方向进行插值。采用了峰值信噪比(PSNR)和CIELAB颜色空间误差两种评判标准将该算法与目前一些常用的插值算法进行了比较。