基于图像质量因子的图像融合客观评价方法

针对图像融合技术中的效果评价问题,提出了一种基于图像质量因子的图像融合客观评价方法。该方法利用熵加权和均方根图像融合质量因子对融合图像与源图像间的相关性、亮度失真和对比度失真进行综合评价,因而在不同融合方法和不同源图像的条件下,可获得标准的评估统计量。采用加权平均、拉普拉斯塔形分解及基于小波变换的图像融合法为例,通过对多传感器图像进行融合评价实验,证明了该方法的有效性和鲁棒性。     

小波域多聚焦图像融合算法

研究了小波域多聚焦图像融合方法中滤波器、分解层数、融合规则的选取问题,提出一种基于小波变换的简单融合规则。利用小波变换将图像分解成最低频逼近和不同尺度、不同方向的高频细节信息,最低频逼近反映图像的平均信息,细节包含图像的边缘。根据多聚焦图像中细节信息互补的特点,对多个待融合图像简单地取模值较大的小波系数,得到了很好的融合图像。详细讨论了不同的小波滤波器、分解深度、融合算子对融合结果的影响。对小波域图像融合算法与其它一些多分辨图像融合算法:如Laplace塔、比率塔、对比度塔、梯度塔等进行比较,得到了一些定性结论,对该领域的研究和实验有一定的指导意义。     

体外冲击波碎石图像的多分辨滤波技术

体外冲击波碎石（ESWL）图像通常呈现较低的信噪比和对比度。随着临床诊断技术的发展，噪声伪影的衰减技术成为一个重要课题。利用非抽取小波变换可以对图像进行平移不变的多尺度分解，结合均方误差意义上最优的自适应Wiener滤波，在有效去除噪声的同时保持了图像的边缘细节。实验表明，该方法相对于传统方法更适于ESWL图像的降噪问题。     

多个小波基的联合图像去噪方法

研究了利用多个小波基对含噪图像进行联合去噪的新方法。这种方法首先用每个小波基对含噪图像进行分解、阈值和恢复,得到多幅恢复图像;对这些图像进行简单的算术平均,平均图像的质量明显提高。与非下采样小波去噪方法相比,这种方法计算量小得多而性能相近。通过实验研究了小波基的选取问题,给出了一些经验原则。     

基于最优分解和方向加权的静止图像压缩算法

基于小波变换的JPEG2000是新一代静止图像压缩标准,具有很多优点。但是由于二维小波是一维小波的张量积,它只有有限的方向,因而不能较好地捕捉图像的方向信息。基于方向滤波的小波 contourlet变换(wavelet based contourlet transform, WBCT)可以弥补这个不足,它比小波变换能更稀疏地表示图像信息。把WBCT嵌入在JPEG2000框架中,并结合其性质,提出了基于最优分解和方向加权的静止图像压缩算法。实验结果表明,该算法在中低码率下可以更好地表现图像的轮廓和强纹理信息,在高码率下也能较好地编码图像的弱纹理信息。不管是参照客观质量评价方法,还是凭主观视觉感受,该算法的压缩性能均优于JPEG2000。     

小波包调制树优选简易算法

提出了一种基于小波多速率调制的小波包优选树提取简易算法。该算法在不增加传输系统复杂度的条件下,通过发送训练序列,并计算各个小波树分支解调信号的均方误差,从而确定最佳树优选分解。仿真结果表明,通过优选树算法,在小波传输频带确定的情况下,可以在特定信道下,有效确定小波多速率调制的最佳树分解结构,降低系统接收误码率。     

基于四通道不可分提升小波的多聚焦图像融合

张量积小波及其提升小波只强调图像的水平方向和垂直方向的边缘,造成其在应用于多聚焦图像融合时结果图像的空间分辨率不高;而二维四通道不可分小波对图像进行融合时虽有较高的空间分辨率,但由于对图像进行分解和重构时采用了卷积运算,使得融合方法的运算量增大。针对上述问题,把二维四通道不可分小波滤波器组进行提升分解,并提出了一种基于此提升分解方案的多聚焦图像融合方法。首先,对二维四通道不可分小波滤波器组的多相位矩阵进行提升分解,并利用所得提升方案对源图像进行分解;其次,对分解后的低频子图像和高频子图像分别进行融合,得到融合金字塔;最后,做二维提升小波逆变换,得到融合后图像。利用熵、平均梯度和清晰度等客观指标对融合结果进行评价。实验结果显示,所建议提升小波融合方法比张量积小波和张量积提升小波融合方法及轮廓波融合方法有较高的清晰度,比提升之前的二维四通道不可分小波融合方法速度有了较大提升。     

小波包子带频域矩和遗传算法的图像隐写分析

针对现有典型的通用隐写分析方法提取特征时多数对图像进行正交小波分解中的不足,提出了一种新的利用小波包分解和遗传算法的高效的隐写检测方案.首先对原灰度图像及其预测误差图像运用小波包分解生成多个子带,提取各子带系数的直方图特征函数多阶矩作为特征,将支持向量机的分类效果作为适应度函数值返回,指导遗传算法搜索最优的特征选择方案.针对Outguess、F5、MB1隐密图像与载体图所组成的混合图像库上的仿真实验结果表明:该方法比现有的隐写分析方法,平均检测率提高了约1%-17.8%.     

基于双树复小波变换统计特征的图像盲取证算法

双树复小波变换较常用的离散小波变换具有平移不变性和方向选择性的优点。用双树复小波变换对图像进行多尺度分解,分别计算分解后各层六个方向复高频子带系数幅值及幅值预测误差的一到五阶中心矩,并据此组合成对应的统计特征向量。利用该统计特征向量获取方法提取真实摄影图像和计算机生成图像的统计特征向量集,并采用支持向量机进行分类。实验结果表明,对测试集中的真实摄影图像和计算生成图像的识准率分别为98%和97%,取得了较好的分类效果。     

基于小波和脊波的图像联合去噪方法

为了在图像去噪时更好地保持细节特征,提出了联合小波和脊波的阈值去噪方法。在含噪图像小波分解后,对每一尺度下三个高频子带的细节分量进行单层逆变换,得到该尺度下的细节图像。对细节图像进行脊波阈值去噪处理,然后再进行单层小波分解。用所得的高频子带分别代替先前小波分解所得的高频子带。最后对处理后的图像小波系数进行小波逆变换,得到去噪图像。实验表明,在处理具有直线特征的图像时,该方法要优于单纯的小波或脊波阈值方法。     

小波分解与Prophet框架融合的电离层VTEC预报模型

在全球导航卫星系统(global navigation satellite system, GNSS)的应用中, 电离层垂直总电子含量(vertical total electron content, VTEC)是直接决定电离层延迟误差的重要参数。为提高其短期预报精度, 在综合考虑地磁扰动影响的基础上, 提出了小波分解与Prophet框架融合的时间序列预报模型, 并基于全球电离层模型(global ionosphere model, GIM)格网数据进行了对比实验。通过均方根误差、平均绝对误差、平均绝对百分比误差3项指标评估了预测结果, 并分析其预报残差。结果表明在不同条件(电离层平静期与活跃期)下, 该模型的预报精度均较高, 优于未改进的Prophet框架, 显著优于自回归移动平均(autoregressive integrated moving average, ARIMA)模型, 在中、高纬度地区有良好的适用性。     

基于UD分解的改进型强跟踪滤波器

带多重次优渐消因子的强跟踪滤波器在计算舍入误差的影响下,估计状态的均方误差矩阵会失去非负定性,从而导致滤波发散的现象.在UD分解算法的基础上,提出了一种改进型带多重次优渐消因子的强跟踪滤波器.通过对引入渐消矩阵的一步预测均方误差矩阵进行UD分解,并将分解矩阵应用于滤波器量测信息的更新过程中,增强了算法的数值稳定性.此外,根据UD分解的结果给出了渐消矩阵的最小二乘解算方法,在提高渐消因子计算效率的同时摆脱了对先验知识的依赖性.仿真结果表明了算法的有效性.     

低信噪比下非冗余阵列的无网格DOA估计

波达方向(direction of arrival, DOA)是阵列信号处理模型中的非线性参数，当信噪比较低时，其估计值会偏离真实值。为了降低无网格DOA估计方法中该问题的阈值，介绍了一种基于无网格的基于协方差的稀疏迭代估计(sparse iterative covariance-based estimation, SPICE)方法。引入了最大似然求根多重信号分类(maximum likelihood root multiple signal classification, ML-Root-MUSIC)来计算DOA,使用最大似然准则来选择根，可以降低阈值并获得更好的分辨率特性。在原始无网格SPICE的优化问题中加入了负熵项，使得无网格SPICE的均方根误差曲线更接近于Cramer-Rao下界。最后，蒙特卡罗仿真实验验证了所提方法在低信噪比非冗余阵列情况下的优越性。     

基于不完全信道信息的MIMO双向中继系统线性预编码算法#br#

针对配置两个通信节点的多输入多输出双向中继系统,提出一种基于不完全信道状态信息的预编码设计方案,该方案综合考虑信道估计误差与信道反馈延迟的情况。在中继发射功率受限的条件下,以最小均方误差为准则设计以预编码矩阵为变量的优化问题,提出矩阵分解和联合迭代两种线性预编码算法。矩阵分解法通过矩阵分解推导得到中继矩阵的闭式解;联合迭代法利用迭代算法交替迭代来联合优化预编码矩阵和接收端处理矩阵,直到算法收敛数。仿真结果表明,随着信噪比由0到25 dB逐渐增大,与现有方案相比,矩阵分解法能有效地降低系统的误比特率,联合迭代法能获得最佳的系统性能提升。     

条件线性状态空间模型Rao-Blackwellized卷积滤波算法

针对条件线性高斯状态空间模型,提出一种新的状态滤波方法,称为Rao-Blackwellized卷积滤波（Rao-Blackwellized convolution filtering, RBCF）算法,算法用卷积滤波器（convolution filter, CF）估计模型中的非线性状态,用卡尔曼滤波器 （Kalman filter, KF）估计线性状态;与Rao-Blackwellized粒子滤波器（Rao-Blackwellized particle filter, RBPF）相比,算法使用了基于核函数的CF,提高了在小噪声条件下的估计精度。RBCF滤波算法应用于机动目标跟踪的仿真结果表明：在小噪声条件下,RBCF的估计精度明显高于RBPF,其对位置和速度估计的均方根误差比RBPF低一个数量级以上。而且随着噪声进一步的减小,这种优势将更加明显。     

Super-resolution processing of passive millimeter-wave images based on adaptive projected Landweber algorithm

Passive millimeter wave(PMMW)images inherently have the problem of poor resolution owing to limited aperture dimension.Thus,efficient post-processing is necessary to achieve resolution improvement.An adaptive projected Laadweber(APL)super-resolution algorithm using a spectral correction procedure,which attempts to combine the strong points of all of the projected Landweber(PL)iteration and the adaptive relaxation parameter adjustment and the spectral correction method,is proposed.In the algorithm,the PL iterations are implemented as the main image restoration scheme and a spectral correction method is included in which the calculated spectrum within the passband is replaced by the known low frequency component.Then,the algorithm updates the relaxation parameter adaptively at each iteration.A qualitative evaluation of this algorithm is performed with simulated data as well as actual radiometer image captured by 91.5 GHz mechanically scanned radiometer.From experiments,it is found that the super-resolution algorithm obtains better results and enhances the resolution and has lower mean square error(MSE).These constraints and adaptive character and spectral correction procedures speed up the convergence of the Landweber algorithm and reduce the ringing effects that are caused by regularizing the image restoration problem.     

Super-resolution processing of passive millimeter-wave images based on adaptive projected Landweber algorithm

Passive millimeter wave （PMMW） images inherently have the problem of poor resolution owing to limited aperture dimension. Thus, efficient post-processing is necessary to achieve resolution improvement. An adaptive projected Landweber （APL） super-resolution algorithm using a spectral correction procedure, which attempts to combine the strong points of all of the projected Landweber （PL） iteration and the adaptive relaxation parameter adjustment and the spectral correction method, is proposed. In the algorithm, the PL iterations are implemented as the main image restoration scheme and a spectral correction method is included in which the calculated spectrum within the passband is replaced by the known low frequency component. Then, the algorithm updates the relaxation parameter adaptively at each iteration. A qualitative evaluation of this algorithm is performed with simulated data as well as actual radiometer image captured by 91.5 GHz mechanically scanned radiometer. From experiments, it is found that the super-resolution algorithm obtains better results and enhances the resolution and has lower mean square error （MSE）. These constraints and adaptive character and spectral correction procedures speed up the convergence of the Landweber algorithm and reduce the ringing effects that are caused by regularizing the image restoration problem.     

基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

基于运动感知的VR体验舒适度研究

针对观众在进行虚拟现实(virtual reality,VR)体验后出现眩晕、恶心等不适的问题，建立一种基于运动感知的VR体验舒适度评估方法。通过对立体VR视频进行稠密光流估计，分析场景中的水平运动和垂直运动计算视频帧速度矩阵，提出了基于帧差法和基于时域的帧加速度特征提取方法，将提取的速度、加速度等运动特征结合支持向量回归算法建立VR体验舒适度评估模型。实验结果表明，基于时域帧加速度特征的评估模型优于基于帧差法的模型，且性能较现有其它模型更接近主观评价值，均方根误差减小到7.0,Pearson相关系数提高到0.955 3。     

基于预编码矩阵的迭代均衡算法

针对长期演进(long time evolution,LTE)下行多输入多输出正交频分多址链路(multiple input multiple output orthogonal frequency division multiplexing, MIMO OFDM)异步通信系统中的天线间干扰和多径干扰的问题,提出一种低复杂度的基于预编码矩阵的迭代均衡算法。在发射端,该算法通过预编码矩阵将信号扩展到所有子载波上,从而降低部分子载波深衰落对扩展前原始信号的影响。在接收端,利用最小均方差误差排序QR分解(minimum mean square error sorted QR decomposition, MMSE SQRD)软输入软输出干扰消除均衡算法,一方面避免传统基于最小均方误差(minimum mean square error,MMSE)并行软干扰消除均衡算法中复杂的矩阵求逆运算,进而降低了算法复杂度,另一方面利用信道排列优先检测信噪比最大的传输符号提高检测准确性。同时通过预编码对重构信号中误差进行扩展,进而缓解在迭代干扰消除过程中的误差传播。仿真结果证明,在2发2收场景下,误码率在10^-3时,算法经过5次迭代后系统性能相比于现有的迭代均衡算法改善约4 dB。