摘要：在认知无线电网络中,高效且准确的频谱感知是必不可少的一个环节。该文主要研究了MIMO场景下的频谱感知问题。考虑到频谱被主用户占用和频谱空闲这两种场景下,认知用户各天线接收到信号之间的相关结构有差异,针对接收信号的采样协方差矩阵,提出了局部方差的概念,并在此基础上设计了基于局部方差的MIMO频谱感知方法。根据渐近分布理论,推导了所述方法的理论检测门限。最后,采用蒙特卡洛仿真方法,分别分析了AWGN信道和Rayleigh信道下该方法的检测性能,并与相关的感知算法进行了对比。结果表明:在相同的环境下,该文所提方法相比其他方法检测性能更高,且所需的采样点数更小,能够实现快速且精确的检测。

摘要：针对红外图像中背景与目标对比度低、边缘高亮的问题,提出了一种用于红外小目标检测的局部方差对比测度算法。该算法由局部方差对比测度的计算和权重强化函数的设计两个模块组成:局部区域对比利用目标区域三层图像块模型之间的方差差异突出增强真实目标;权重强化函数的设计是为了能更好地抑制背景杂波,充分考虑了目标的统计特征、目标与其相邻背景的统计差异和背景的统计特征。实验结果表明,该方法在增强小目标和抑制背景杂波方面具有较好的效果,时间较短,鲁棒性好。

摘要：数字媒体图像的增强,受到图像特征提取算法的影响,导致增强处理后图像熵值较低。因此,提出基于局部方差的数字媒体图像模糊增强方法。运用粗糙集理论处理数字媒体图像,去除图像内噪声。依托于局部方差技术结合变差函数,设计局部方差特征提取算法。通过变换图像模糊域映射图像纹理特征,再利用隶属度函数实现图像自适应模糊增强处理。实验结果表明:所提出的增强方法应用效果与CTGT方法、TFPSO方法相比,图像熵值提升了26.72%和23.63%。

摘要：为解决传统的锐化算法对噪声敏感,易在强边缘处产生伪影效应,且对灰度变化较小的微弱细节锐度不足的问题,提出了一种基于图像局部复杂度和方差的自适应图像锐化算法。考虑了图像局部灰度变化的频率和强度,针对图像灰度剧变区和级别丰富区,应用图像局部复杂度和方差自适应调节增益函数,在背景噪声与原图一致的情况下,有效提升了图像中弱边缘和纹理细节的表现力。仿真结果表明,该算法处理后的图像边缘突出,纹理清晰,较好抑制了伪影的产生和背景噪声的放大。

摘要：针对样本图像字典自适应性差、有效信息单一、造成图像稀疏表示模糊的不足的问题,提出一种基于特征分类学习字典的结构稀疏传播图像修复方法.首先将图像块按特征分类,根据不同特征的图像样本进行样本训练得到相对应的过完备字典;然后对不同特征的待修复图像块提取不同的有效信息进行稀疏编码,使得稀疏表示具有较强的自适应能力;最后针对结构稀疏传播模型带来的偏差进行修改,完善结构稀疏的传播机制.仿真实验结果表明,该方法可以有效地修复图像结构边缘、不规则纹理和平滑部分的图像信息,修复后的图像质量有较大的提升.

摘要：工程结构在使用寿命周期内,各种环境因素会导致结合面出现损伤,从而威胁结构的完整性和功能性,甚至诱发安全事故。研究了一种利用混沌激励与吸引子几何特性进行结合面损伤识别的方法,采用混沌振动信号激励待测结构,对采集到的加速度响应信号进行相空间重构,并构造了一种基于吸引子局部方差计算的特征参量用于损伤识别,同时研究了影响特征参量的主要参数。设计了悬臂梁结合面损伤识别实验,控制固定端螺栓预紧力的下降来模拟结合面损伤,利用上述方法对结合面的损伤状态进行了识别。结果表明:该方法能够识别结合面的损伤状态,所构造的特征参量随损伤程度改变单调变化,响应测点配置、特征参量计算参数等对损伤识别的效果有影响。

摘要：在图像信息隐藏研究领域,图像分割技术得到了广泛的应用。常用分割技术主观性较强,对图像的分割不够精确,利用模糊理论对图像进行分割可以有效解决这一问题。首先构造了图像的局部方差矩阵,然后根据模糊理论定义了平滑区、纹理区和边沿区3个模糊集,随后选取了适当的隶属函数并确定了其相关参数,科学、客观的确定了图像的分割阈值,进而实现了对图像的精确分割,最后通过实验数据验证了算法的有效性。

摘要：针对复杂异型构件因其腔体结构复杂而导致的X射线图像的低对比度、细节信息不明显等问题,从图像自适应增强、特征显化方面展开了研究,提出了一种基于图像局部方差与变分法的复杂异型构件的射线图像对比度提升算法。首先,提取图像的对比度信息并在此基础上构建基于对比度场的图像对比度提升模型;其次,计算图像的局部方差,结合对比度场提升模型,利用图像的局部方差设计自适应增益函数对上述图像对比度提升模型进行改进,并采用;最后,在提升后的梯度场与目标图像之间建立最小化泛函方程,并通过变分法对方程进行求解,最终获取目标图像。实验结果表明,该算法可以较全面的提升图像对比度,增强图像细节信息,并压缩图像动态范围,从而得到高质量的图像,进一步提高无损检测的识别率。

摘要：为解决BP(back propagation)神经网络在处理图像分割问题中出现的分割结果分辨率不高、清晰度低、边缘模糊等问题,提出了一种基于模糊BP神经网络的图像分割方法。采用模糊理论构造平滑区、纹理区、边沿区3个模糊集;选取了合适的隶属函数并确定相关参数,通过隶属度的计算将整个图像分为平滑、纹理、边沿3个区域;采用已经明确的分类作为BP神经网络的输入进行迭代计算,得出更为优化的结果。实验结果表明,该方法有效可行,提高了分割结果分辨率和清晰度,降低了时间复杂度。

摘要：图像融合算法的性能评价需要考虑在融合图像中传递的信息是否满足人眼视觉特性,而传统的基于信息论的方法并没有考虑人眼视觉特性。针对此提出了一种综合考虑多种图像结构信息的信息合并方法,将局部方差和梯度等信息作为反映图像结构的重要特征,将结构特征矩阵进行分块奇异值分解,从而设计了相应的评价算法。实验结果表明,该方法能够准确度量融合图像中的信息增量,评价结果与人眼视觉特性的一致性优于传统方法。