摘要：提出了具有类似于视皮层变换频带划分的圆对称轮廓波变换.在该变换中,圆对称滤波器组将图像分解为多个不同分辨率的细节子带和一个低频子带,方向滤波器组再将各细节子带分解为方向子带.文中利用遗传算法设计满足重构要求的圆对称滤波器组,应用伯恩斯坦多项式设计的映射函数将9/7双正交滤波器组映射为扇形滤波器组.利用自适应阈值法对Lena图像去噪的实验结果表明,两种圆对称轮廓波变换(CSCT1和CSCT2)的去噪性能与轮廓波变换相比有显著提高.

摘要：构造了由非抽样塔式分解和方向滤波器组实现的冗余轮廓波变换。文中利用McClellan变换设计非抽样塔式分解中满足精确重构条件的圆对称滤波器组。利用冗余轮廓波变换系数的自适应局部统计模型及最大后验概率法对SAR图像进行降斑处理,并与基于平稳小波和轮廓波变换的降斑算法进行比较。结果表明,提出的算法能有效地去除散斑噪声,并且具有更强的边缘保持能力。

摘要：提出了一种由非抽样塔式分解和非抽样方向滤波器组实现的具有平移不变性的非抽样轮廓波变换,文中利用M cC le llan变换设计非抽样塔式分解中的满足精确重构条件的圆对称滤波器组。非抽样轮廓波变换具有与视皮层变换相似的频带划分,符合人眼视觉特性。利用非抽样轮廓波变换系数的局部高斯模型及最大后验概率法对图像去噪,其峰值信噪比和视觉效果均有较大改善。

摘要：在二维离散希尔伯特空间中构造了一种具有简单细胞感受野特性的多方向低冗余度小波.该小波的频谱具有扇形支撑区,因此本文称之为扇形方向小波(fanlet).Fanlet变换通过圆周对称多分辨率分解和方向滤波器组实现,它将图像分解为多分辨率多方向子带.利用遗传算法设计fanlet变换中满足重构条件的圆周对称滤波器组.与轮廓波(contourlet)相比,Fanlet的光滑度高,并且没有频谱混淆现象.实验结果表明,利用fanlet进行图像去噪,其峰值信噪比和视觉效果均优于contourlet.

摘要：为了提高无线传感器网络(wireless sensor network,简称 WSN)孤岛结盟方法对未知孤岛分布和中继带宽约束的适应性及效率,提出了基于搜索带宽感知的多机器人 WSN 孤岛结盟优化问题,并给出了求解该问题的近似算法.首先,在相关模型假设及符号定义的基础上,借鉴迭代局部搜索和流水作业调度思想,引入同步轮次流水迭代过程,建立该优化问题的公式化描述;然后,在连通重叠搜索算法基础上,结合层次分簇和网络流相关理论,设计基于搜索带宽感知的层次中继部署算法;最后,通过与现有方法进行对比实验的结果表明:提出的方法能够在满足未知孤岛分布和中继带宽约束的同时,有效地提高 WSN 孤岛结盟效率.

摘要：稀疏表示模型常利用训练样本学习过完备字典,旨在获得信号的冗余稀疏表示.设计简单、高效、通用性强的字典学习算法是目前的主要研究方向之一,也是信息领域的研究热点.基于综合稀疏模型的字典学习方法已经广泛应用于图像分类、图像去噪、图像超分辨率和压缩成像等领域.近些年来,解析稀疏模型、盲字典模型和信息复杂度模型等新模型的出现丰富了字典学习理论,使得更广泛类型的信号能够被"简单性"描述.本文详细介绍了综合字典、解析字典、盲字典和基于信息复杂度字典学习的基本模型及其算法,阐述了字典学习的典型应用,指出了字典学习的进一步研究方向.

摘要：JPEG在高压缩比的情况下,解压缩后的图像会产生块效应、边缘振荡效应和模糊,严重影响了图像的视觉效果。为了去除JPEG压缩伪迹,该文提出了多尺度稠密残差网络。首先把扩张卷积引入到残差网络的稠密块中,利用不同的扩张因子,使其形成多尺度稠密块;然后采用4个多尺度稠密块将网络设计成包含2条支路的结构,其中后一条支路用于补充前一条支路没有提取到的特征;最后采用残差学习的方法来提高网络的性能。为了提高网络的通用性,采用具有不同压缩质量因子的联合训练方式对网络进行训练,针对不同压缩质量因子训练出一个通用模型。经实验表明,该文方法不仅具有较高的JPEG压缩伪迹去除性能,且具有较强的泛化能力。

摘要：针对人脸特性,对标准模型的S2层模版提取方法和匹配算法进行改进,并重新定义了C2层特征的平移不变范围,分类器采用简单的多类线性支持向量机(SVM)。对ORL和Yale标准人脸库的分类识别结果表明,改进的模型能高效快速地进行人脸识别,识别率分别达到99.86%和97.23%。

摘要：设计了一种基于H.264的嵌入式网络视频监控系统。该系统采用USB数码摄像头,实现视频的实时采集传输。阐述了整个系统的设计思想和体系构架,着重介绍了前端于ARM9上实现的软件设计。

摘要：针对虹膜二值边缘图像提取的困难 ,提出利用虹膜图像的灰度边缘图像以及虹膜的几何特征进行虹膜定位的快速算法 .首先根据虹膜图像的整体灰度分布信息特征 ,利用改进的 Sobel算子提取虹膜的灰度边缘图像 ,然后利用圆的对称性质以及投票策略提取虹膜的中心 ,最后利用 Hough变换的半径直方图投票提取虹膜内外径 .实验结果证明 ,该算法提高了虹膜定位的速度 ,并且具有较强的抗干扰能力 .