摘要：This paper focuses on the extraction of a harmonic signal from multiplicative and additive noises. A method is proposed in two stages: (1) to square the original discrete time series, which in- cludes both signals and noises, and form a new time series. By this means, the multiplicative noise is converted to additive noise; and (2) to filter out the noise by using existing noise removal schemes. With a large amount of simulation, experimental results demonstrated the efficiency and effective- ness of this newly developed method in terms of Signal-to-Noise Ratio (SNR) and other criteria. From the experiment, it is also found that: the two kinds of noises affect the SNR differently. In gen- eral, the SNR is not influenced by multiplicative Gaussian noise regardless of its variance. However, if both kinds of noise exist, the SNR decreases with the incensement of the Variance of Additive Noise to Multiplicative Noise Ratio (VAMNR). This analysis is also supported by simulation work.

摘要：针对传统的纹理图像识别方法设计过程复杂,而现有的基于深度学习的方法未能有效解决纹理图像样本数量偏少而导致识别精度不佳的问题,提出一种基于深度卷积神经网络和迁移学习的纹理图像识别方法.首先利用在大规模ImageNet图像数据集上预先训练的深度学习模型构造新的迁移学习模型;然后设置合理的模型超参数,并将训练损失、验证损失以及训练集和验证集深度特征距离的加权和作为训练的代价函数;最后通过逐层训练和验证确定最佳的迁移学习模型.实验结果表明,所提方法在CUReT,KTH-TIPS,UIUC,UMD和NewBarkTex纹理数据库上分别取得了99.76%,99.87%,99.80%,100.00%和94.01%的识别精度,具有良好的稳健性和识别能力.

摘要：由二维图像到三维人脸模型的重建过程中,不同角度下的人脸在进行纹理补全时,存在纹理像素模糊和亮度差异的问题,提出一种基于可见性权重的方法,对于不同视角下的人脸纹理图进行融合。同时,针对耳部区域结构复杂,传统纹理融合算法不适用的情况,利用高斯模型的肤色概率方法对耳部纹理缺失区域进行补全,并设计纹理融合带平滑像素,最终得到完整、逼真度较高的人脸纹理模型。仿真实验结果表明,所提人脸纹理融合与补全方法实现了多角度下头面部区域纹理的完美融合。与目前通用的方法相比较,在同样的渲染条件下,所提方法生成的人脸纹理模型更完整、纹理显示效果更好。

摘要：针对低信噪比下EEMD法在分解过程中产生模态混叠导致滤波效果变差的问题,提出了一种改进的EEMD滤波方法。该方法首先设计最优带通滤波器,滤除信号中的脉冲干扰,再将滤波后的信号进行EEMD分解,然后采用SG滤波器对筛选的IMF再进行滤波,最后对滤波后IMF进行重构。最后将改进的EEMD法和EEMD法分别用于多相流测量信号滤波及含水率测量,结果表明,改进的EEMD法与EEMD法相比,信噪比提高了约2~3 dB,滤波效果更好;含水率平均测量精度提高了约3%,测量误差更小。

摘要：纹理图像中存在的光照、旋转、尺度变化使纹理分类成为一个极具挑战性的问题.针对传统的纹理分类算法在同时解决光照、旋转、尺度变化问题和实时性方面存在的不足,提出一种高效的光照、旋转、尺度不变纹理分类算法.首先利用原始图像及其2次高斯滤波图像构造尺度空间,采用带邻域主导方向的完备局部二值模式算法在不同尺度上提取光照、旋转不变的纹理特征;然后利用跨尺度取模式最大值的方法获得尺度不变的纹理特征;最后利用最近子空间分类器进行分类.在5个有代表性的纹理库上进行实验的结果表明,该算法不需要预先学习,能较好地解决纹理分类中的光照、旋转、尺度变化问题,并具有较高的实时性.

摘要：显著性检测是指自动提取未知场景中符合人类视觉习惯的兴趣目标的方法。为了进一步提高检测的有效性,同时降低像素类检测算法的计算量和复杂度,提出了基于动态指导滤波的图像显著性检测方法。在新设计的简单迭代指导滤波中,核函数不再像经典指导滤波器那样只利用固定的指导图像,而是利用了输入图像和动态指导图像的联合结构信息,它保证了指导图像对原输入图像较好的结构传递性。其次,为了节约算法的时间成本,采用采样的方式降低算法计算中需要的计算量。最后,为了提取更有效地的显著性区域,引入了关键显著性区域提取方法,通过修正关键点集合得到更准确的目标区域。实验结果表明,相比于其他像素类的显著性检测方法,该算法可以更快速和有效地检测出显著性目标。

摘要：提出了一种虚拟人骨骼结构的多刚体系统模型,可有效地克服DH表示法只能适用于单链结构的缺陷.首先通过合理的简化与假设,给出了一种16关节、39自由度的虚拟人简化模型;然后将该虚拟人模型抽象成为一个各肢体间通过机械转动铰相连的多刚体系统;最后引入树模型与低序体阵列来表达虚拟人的骨骼结构.分析结果表明,文中方法除能够自然地表达虚拟人的复杂分支结构外,还可以容易地实现虚拟人模型的任意分辨率扩展,并具备递归计算的优点,具有广泛的适用性.

摘要：红外焦平面探测器已经迅速成为红外成像领域的主流器件。针对某些红外跟踪装置模拟器需要使用诸如320×256、128×128、64×64等多种像元数的特殊要求,系统通过利用探测器自定义窗口工作模式的功能来满足该需求。探测器偏置电压由高精度电压参考源实现,外围电路采用低噪声设计技术,输入输出的数字信号均进行光电隔离。系统以FPGA为核心,实现了探测器基本时序控制、窗口模式设置、数字视频接口、RS422接口、模数转换和视频显示等功能,完成了自适应非均匀性校正、自动盲元剔除、图像增强和灰度拉伸映射等算法,可以同时满足观测和算法验证等多种需求。

摘要：场景非均匀校正和基于本底信息无快门校正等红外图像自适应非均匀性无快门校正算法不需要中断探测过程,克服了定标类校正算法需要周期性定标的不足,目前日趋受到重视。相对于场景无快门校正算法,基于本底信息的自适应无快门校正算法具有复杂度低、易于实现的特点,正逐步从理论研究走向具体工程应用,通过硬件系统实现该校正算法具有重要的应用价值。根据自适应无快门校正算法理论特点,采用基于FPGA构建SOPC系统的方法进行了硬件实现,主要由校正参数计算、本底采集、校正模型等模块组成。校正参数计算部分根据自适应拉格朗日插值计算和更新校正参数,本底采集模块用于采集均匀本底信息,为图像校正提供一系列本底信息,校正模块完成红外图像的实时非均匀性校正。实验结果表明:实现的非均匀性无快门校正系统具有占用硬件资源少、延迟短和图像效果好的优点,能够广泛应用在红外成像系统中,具有较强的研究价值和现实意义。

摘要：基于生物内分泌系统的激素调节原理,提出了一种新的自适应遗传算法。该算法以内分泌激素调节的H ill函数下降形式为基础,设计了自适应交叉算子和自适应变异算子,使交叉率和变异率在遗传算法迭代过程中,能够根据函数适应度值的标准差进行自适应调节,使得整个进化过程中将种群多样性维持在合理水平,从而保证算法的正常进化。4种测试函数及三维人脑图像分割的实验结果显示,提出的自适应遗传算法可较好地保持种群多样性并克服早熟现象,性能优于其他3种自适应遗传算法及传统遗传算法。