运动图像矢量匹配运动补偿压缩算法

针对块匹配算法及块匹配算法中所采用的 MAD (Mean of the absolute framedifference)和 MSE(Mean of the square error)匹配准则的不足进行了详细的分析 ,提出了运动图像矢量匹配运动补偿压缩算法 (VMAMC) ,实验证明 ,该方法有较明显的优势。     

用混合编码遗传算法实现匹配追踪算法

在分析总结浮点数编码和格雷码编码各自特点的基础上,提出了一种用浮点数和格雷码混合编码的遗传算法来实现匹配追踪算法.该算法有机结合了遗传算法和匹配追踪算法的优点,不仅能够得到较高精度的最佳匹配参数,而且有效地降低了计算量,克服了匹配追踪算法由于计算量太大而不能广泛应用的缺点.计算机仿真结果表明,该算法提取相位的精度和提取时间均有明显改善,证实了该算法的准确性.最后,将该算法应用于转子实验台的冲击信号特征提取中,提取结果证明了它的实际应用价值.     

基于802.15.6的分组检测算法设计与仿真

针对BAN(body area network)系统传输数据分组具有突发性的特点,设计了一种基于数字匹配滤波器和自适应门限判决的分组检测方法.根据数字匹配滤波器的原理和BAN调制信号的特点分析获得了相关峰值的计算方法,采用自适应门限判决的方法对相关峰值进行判决实现分组检测,并利用Matlab对算法性能进行了仿真.仿真结果表明,采用的分组检测算法在一定频偏范围内均具有较高的检测概率.     

基于AOI检测系统的图像拼接技术

针对自动光学检测(AOI)在电路板元器件检测中对图像拼接的实时性要求比较高的特点,提出了简化的仿射变换模型的快速图像拼接算法.该算法利用图像特征在尺度空间具有平移、旋转和仿射不变性,借助AOI系统高精度步进电机的控制快速找到最佳匹配点,建立图像的匹配关系.实验证明,该算法简单、快速、精度高,具有场景无关性、噪音容忍度高等优点,在AOI检测中具有很强的实用性.     

视频序列中动目标快速跟踪新算法的研究

准确性和实时性是视频序列图像中运动目标跟踪算法研究的重要内容。为了克服传统的模板匹配跟踪算法运算量大、跟踪速度慢的缺点,提出了一种基于多分辨率的Kalman滤波快速跟踪算法。首先利用Kalman滤波的预测功能,预先估计出目标中心点坐标,然后在该坐标为中心的区域内进行多分辨率相关匹配,最终找到最佳匹配位置。该算法具有运算量小、跟踪速度快的优点。同时还采用了自适应更新记忆滤波算法解决发散问题,提高了跟踪精度。     

OFDM中基于粒子群优化的限幅算法

针对OFDM系统中峰值平均功率比(峰均比)偏高的问题,提出了一种基于粒子群优化的限幅算法.该算法利用粒子群算法优秀的搜索寻优能力来迭代计算最佳限幅门限,结合具有对峰均比控制能力强、实现简单等优点的限幅算法对采样序列进行限幅,通过搜索迭代、限幅、滤波等措施来寻找最优粒子,即在峰均比满足高于门限值限定概率的前提下实现系统最小峰均比的最佳限幅门限,以达到降低系统峰均比的目的.对比仿真了线性递减的惯性权重因子和固定惯性权重因子对系统误码率以及峰均比分布曲线的影响,仿真结果表明:相对于简单的限幅算法,该算法没有带来误码率的额外增加,而能在较低的信噪比时实现降低系统峰均比的目的,对于改善较低信噪比情况下的系统性能有着重要的现实意义.     

一种基于H.264/AVC的宏块级码率控制优化算法

为了在网络带宽和延迟的限制条件下获得持续稳定的视频编码质量,提出一种优化的宏块级码率控制算法.这种算法基于平均绝对误差(mean absolute difference,MAD)线性预测模型和二元率失真模型,充分利用视频序列的时空相关性,有效降低了MAD预测复杂度和目标位率与实际位率的误匹配率.大量实验结果表明,与JM8.6中的码率控制算法相比,提出的算法大大降低了编码时间,能够实现位优化分配和输出码率的精确控制.     

一种压缩感知中的改进的正则化牛顿算法

提出了一种新的压缩感知重构算法——正则化牛顿算法.该算法结合了牛顿法重建效果好和正则化正交匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)收敛速度快的优点.并且在此基础上,针对原有的正则化过程进行了改进.Madab仿真结果表明,文中提出的算法在重构精度上要高于正交匹配追踪(Orthogonal Matching Pursuit,OMP)和正则化正交匹配追踪(ROMP),而在迭代次数和重构时间上要低于牛顿法和正交匹配追踪(OMP).     

移动通信中继系统中减少反馈调度的算法研究

对于多用户中继系统中上行反馈量过大的问题,研究提出了一种基于多门限减少反馈的半分布式调度算法.该算法在基站与中继分别设置反馈门限,依据在多门限假设下可以得到总反馈用户数表达式,进而算出多个门限值;又根据中断概率算得一个门限,将该门限值作为多门限的下限.将两种门限值相结合以限制用户反馈量.对AF(Amplify and Forward)协议下采用该算法的反馈用户数及系统容量等性能指标给出了理论推导.仿真结果表明,该算法可较单门限算法进一步地减少反馈量,并降低系统的反馈中断概率,增大了系统容量.     

基于Agast-Adaboost的图像匹配算法

针对传统浮点型特征描述算法误匹配率高、匹配率低的问题,提出了一种基于尺度空间金字塔与AGAST(adaptive and generic accelerated segment test)快速特征提取相融合的局部二进制特征匹配算法(Agast-Adaboost local binary feature matching algorithm,ALBFMA).该算法首先构建高斯尺度空间金字塔,将AGAST与尺度空间融合并提取特征点,然后用改进的Adaboost算法对特征点进行二值描述,生成特征向量,从而提高该算法的匹配速率和匹配精度.实验结果表明:与已有算法相比,该算法具有匹配精度高的优点,并且对光照、尺度及旋转有良好的鲁棒性.     

相关块匹配运动估计算法

对ＭＡＤ准则的块匹配算法在运动矢量一致性和抗噪声方面性能欠佳提出了相关块匹配运动估计算法。模拟实验表明，新算法在传统算法的基础上具有更好的运动矢量一致性。     

用于运动位移估值的新匹配准则

在视频编码中,位移估值是编码速度的瓶颈。除了研究快速搜索算法外,匹配准则也是研究的热点。为了提高运动位移矢量的精度,减少估值用的运算量,利用人眼对物体边缘运动较敏感的特性,提出了一种新匹配准则——边缘像素点分类准则。在Ｓｏｂｅｌ边缘检测的基础上,对处于物体边缘位置的像素点根据其亮度值进行分类,一类为匹配点,另一类为不匹配点。将搜索区域内含边缘匹配点最多的子块判为匹配块。计算机模拟表明,利用边缘像素点分类准则进行位移估值得到的重建图像,质量比目前常用的平均绝对误差准则有显著改善,同时大大地减少了运算量。     

光学分子影像手术导航系统中图像融合算法研究

手术中肿瘤的精确定位一直是国际上的研究热点及挑战性问题.对光学分子影像手术导航系统中的图像融合算法进行了研究,对图像数据进行预处理后,利用梯度信息确定荧光图像兴趣点,缩小配准点的搜索区域.配准过程采用穷尽搜索策略,以平均绝对差(MAD)、均方差(MSD)和归一化积相关(NPROD)作为相似性度量,并利用域法修正的方法对兴趣点坐标进行修正,避免了因兴趣点过度偏离图像中心而导致配准失败.该算法将32组图像数据的平均配准时间从原始算法的539.384 s缩短到43.200 6 s(MAD),46.685 3 s(MSD)及85.978 6 s(NPROD).采用这3种相似性度量算法的融合效果均优于原始算法.     

均方偏差分析的多态可变步长LMS算法

最小均方（least mean square,LMS）算法在时变信道的最小稳态均方偏差（mean square deviation,MSD）由输入功率、噪声功率、随机扰动信号功率以及滤波器长度共同决定。为达到系统中最小的MSD值,传统的LMS算法存在有迭代次数较多和收敛速度慢等问题,提出了一种多态可变步长最小均方（multi-state variable step size least mean square,MVSS-LMS）算法。该算法通过添加暂态递减步长作为过渡,实现以更快的收敛速度达到系统中最小的MSD值。理论分析与仿真结果表明,与目前最新的Prob-LMS算法相比,所提算法在时变信道以及突变信道都具有更快的收敛速度和更低的MSD值,且算法的复杂度更低。     

基于改进粒子群算法的UWB雷达人体动作识别研究

针对雷达信号中的杂波干扰及样本数量对人体动作识别精度的限制,提出一种基于改进粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machine,SVM)模型的超宽带(ultra-wideband,UWB)雷达人体动作识别算法。利用动态目标指示(moving target indication,MTI)与小波阈值滤波对接收到的UWB回波信号进行预处理,消除回波信号中的杂波和噪声对人体动作识别的影响;结合二维离散小波包分解(two dimensional discrete wavelet packet decomposition,2D-DWPD)与奇异值分解(singular value decomposition,SVD),对预处理后的雷达信号进行特征提取和降维;提出一种改进粒子群算法,优化SVM模型的相关参数进行识别和分类。实验结果表明,提出的算法准确率可达到96.25%,具有良好的识别性能。     

低信噪比条件下的失真PCM/FM信号软解调研究

再入遥测信道是遥测过程中的一种特殊信道情况,当飞行器通过再入遥测信道时,黑障和多径效应会造成PCM/FM遥测信号信噪比降低和频率选择性衰落,甚至突破传统解调方法的解调门限,导致误码率大大增加。针对该问题,研究一种滑动长度为1的多符号检测(Multi-Symbol Detection, MSD)解调算法：对连续观测到的N个码元信号与本地信号进行联合检测,但每次MSD判决较前一次MSD判决有N-1个码元的重合。理论上该算法可以将信道增益提高3dB左右,仿真和测试结果验证了该算法的有效性。     

基于无人机多光谱影像的水稻风灾倒伏面积估算

风灾作为水稻气象灾害之一,严重影响着水稻的生长、产量以及品质。遥感技术作为倒伏作物监测的新途径,给作物受灾面积统计的实时、动态、宏观监测带来新思路,一定程度上弥补了传统方法的不足。以黑龙江省五常市典型水稻倒伏地块获取小型无人机多光谱数据,并基于此数据选取光谱特征、纹理特征、植被指数三个指标对比水稻倒伏前后的差异,接着以水稻倒伏前后的光谱特征、纹理特征结合最大似然法分类,植被指数差异选择最大阈值进行分类,最后对倒伏水稻的提取精度进行评价与分析。研究发现：（1）植被指数特征相对差异值最小（7%）,不适用于准确区分正常和倒伏水稻;光谱特征的相对差异值居中（18%）;纹理特征相对差异值最大（28%）,最适于区分正常和倒伏水稻。（2）从提取的水稻面积结果显示可知,基于均值纹理的分类方法的精度最高（94%）;基于光谱特征分类方法的精度居中（72%）,介于两者（植被指数和均值纹理特征）之间;基于植被指数最优阈值分类方法的精度最低（66%）。该结果可为制定灾后生产管理、防控措施、评估产量损失具有重要参考依据;为动态监测水稻倒伏面积具有重要的借鉴意义。     

基于信息熵的Logo分类问题研究

匹配是实现图像分类的关键问题,由于匹配问题的复杂性,目前还没有一个较好的解决办法。该文提出了一种基于Fourier变换和信息熵相结合的匹配算法,对Logo的分类问题进行了研究。通过Fourier变换在图像的频域中找到最佳匹配,使用相关度阈值与信息熵差比作为衡量标准。实验中选取了大量商品图像对Logo匹配问题中查准率和查全率进行了统计分析。实验结果表明,当选取适当相关度阈值与信息熵差比的情况下,该算法能有效提高商品图像按Logo的分类效果。     

用于实时跟踪的模板匹配神经网络算法

研究复杂背景下运动目标的识别和跟踪.提出了一种新的基于模板匹配的神经网络结构,将模板与跟踪窗内待匹配区域的像素按环形排列,分别作为神经网络的阈值和输入,选择跟踪窗内与模板相对应的各环差值均较小的区域作为识别结果.由于模板匹配过程中像素按环形排列,因此对于目标的平移和旋转均具有不变性,同时,算法计算量比最小绝对差累加和算法略小.将该算法应用到实时跟踪系统中,实验结果表明该算法可满足跟踪系统实时性要求,验证了算法的有效性.     

基于模糊聚类的绿色工艺评价样本分类方法

针对绿色工艺评价样本具有不确定性、多维性以及量纲差异大的特点,为实现样本的合理分类,提出一种基于核的模糊可能性聚类新算法.该方法将核模糊聚类算法、可能性聚类算法和减法聚类算法相结合,以提高聚类的准确率;使用聚类有效性指标作为分类条件,自适应确定最佳分类数.仿真实验结果表明,该算法具有较好的有效性和鲁棒性,并将该算法运用在绿色工艺评价样本分类中,得到了较好的分类效果,验证了算法的实用性.