摘要：作为混沌信号描述的技术,分形维数能够对信号的规律与周期进行度量。语音比白噪声的精细度偏小与规则性较高,正是这一个方面的原因,所以分形端点检测能够充分区分白噪声与语音。然而,针对某些特定的噪声来说,其精细度比语音小,而规则性较高。所以,针对复杂多变的噪声条件,该方法不能获得良好的区分结果。为进一步改善该方法的鲁棒性,确保该方法对各种噪声均能够适用,阐明了基于短时频域的分形端点检测算法。这个方法在区分噪声与语音的过程中主要从短时频域能量分布上提取分形维数来进行。通过实验发现,设计的方法的鲁棒性相对较好,一方面对那些没有规律的白噪声适合,另一方面对那些时域规律性与周期性相对较强的噪声具有较好的适用性。

摘要：数据维数对计算复杂度产生较大影响,降维会导致图像模式的拓扑和几何特征信息丢失,为提高降维后的数据保真度,提出一种基于塔式随机映射广义主成分分析(GPCA)的张量线性子空间图像模式低秩识别方法。在理论上给出塔式变换与随机映射特性分析,推导出随机映射是一个线性和拓扑保持的降维映射;在模式张量的线性降维中,对图像模式识别映射情形进行研究,利用迭代最小二乘算法进行GPCA步骤设计;基于塔式变换降维、随机映射和GPCA构建张量子空间低秩逼近分类过程,实现图像模式高效识别。实验结果表明,所提算法在能量消耗、距离相对误差均值、识别率和计算时间指标上优于对比算法。

摘要：遥感网络所传输的小目标图像在遥感图像环境中容易与背景图像的中央周边差产生视觉误差,造成遥感图像的视觉显著性检测效果不好。考虑局部像素的特征与相邻的像素特征之间的差异,对中央周边差的局部显著性进行变邻域搜索,提出一种面向遥感网络的遥感图像小目标图像显著性亮点检测算法,进行随机场邻域系统设计,构建小目标图像显著亮点NSDFB频域分解结构,基于多尺度的DoG滤波器叠加,求解目标特征在图像中的稀有度且评定其显著性,采用变邻域搜索方法实现对显著亮点检测模型的改进。实验结果表明,该算法进行遥感应用场景的小目标显著亮点检测分类结果性能较好,在遥感通信领域的小目标识别和多媒体信息特征检测检索等领域应用价值高。