使用K—L变换进行图象压缩的一种新方法

在图象变换编码领域，Ｋ－Ｌ；变换是最小均方误差意义上的最佳变换，但是变换矩阵随图象内容而不同，且计算复杂，速度慢。本文造反他合理的计算自协方差矩阵的特征矢量的方法，以削减计算时间。同时提出了将模式识别引入Ｋ－Ｌ变换的一种新的图象压缩的方法，用精选的模式集训练ＢＰ神经网络，使之在计算中将各个图象正确归类，以选择合适的变换矩阵。     

基于神经网络的K－L变换及其在图象压缩中的应用

介绍了一种可用迭代方法实现Ｋ－Ｌ变换的神经网络及相应的算法（ＧＨＡ），采用该算法对网络的权作修正，可使网络唯一的收敛到一个稳定点，其ｍ个输出神经元对应的权依次为最大ｍ个特征值所对应的单位特征矢量．文章给出了网络实现中的改进结构，并把该网络用于图象压缩．结果表明它具有比ＤＣＴ变换更理想的压缩效果，而比常规Ｋ－Ｌ变换方法实现起来更容易、更快，特别是它便于计算多幅图象的公共变换基，因此具有较大的现实意义．     

基于K-L变换的人脸自动识别方法

研究了利用计算机实现的人脸自动识别方法。在传统的“特征脸”方法基础上，提出了一种改进的人脸自动识别方法。该方法对于经过预处理的标准人脸图像，以类间散布矩阵为产生矩阵，通过Ｋ－Ｌ变换降维并提取人脸图像的代数特征。同时，利用遗传算法进行特征选择，以构成有利于分类的自适应子空间。在此子空间内，将图像进行正交分解，然后分别对各类训练样本进行二次Ｋ－Ｌ变换，进一步构成其旋转子空间，从而最终实现了一个分层次的最小距离分类器。实验表明，本方法识别率较高，且对于人脸的姿态、表情及光照条件均具有一定的不敏感性。     

有限长二维子波变换的算法结构

子带编码是图象信号压缩的一种有效方法。在子带编码系统中，利用子波变换的良好的时间（空间）和频率域局部化特性将图象信号分割成子带信号，可以改善压缩效率。从一维有限长子波变换的算法结构出发，利用矩阵Ｋｒｏｎｅｃｋｅｒ积的性质推导了一种用于图象压缩的二维有限长离散子波变换的算法结构，并且给出了设计快速子波变换算法的方法     

一种基于神经网络的地震信号去噪的处理方法

在众多的去噪处理方法中，Ｋ－Ｌ变换是去除随机噪声的有效方法．Ｋ－Ｌ变换是利用地震剖面各道在空间方向的相关性来取信号的共同特征，以实现去除剖面中的随机噪声．传统的Ｋ－Ｌ变换是通过矩阵的Ｈｏｕｓｈｏｌｄ变换实现的．其运算量及空间占用量比较大．笔者用一种Ｈｏｐ－ｆｉｅｌｄ网实现对地震剖面进行Ｋ－Ｌ变换的去噪处理，并且给出了该网络的详尽描述及稳定性证明．由于Ｈｏｐｆｉｅｌｄ网能实时进行处理，固而具有实时性．模拟实验的结果表明，这种方法对消除地震剖面的随机噪声是一种行之有效的方法．     

有限长度离散子波变换的快速算法

本文提出了一种有限长度离散子波变换的结构化算法，分析和综合滤波矩阵Ｈ、Ｇ可以分解成循环矩阵和下三角矩阵的Ｋｒｏｎｅｃｋｅｒ积．循环矩阵用ＦＦＴ实现，而下三角矩阵直接实现。算法的计算复杂性优于全ＦＦＴ实现。由于二维离散子波变换的滤波矩阵可以分解成一维离散子波变换矩阵的Ｋｒｏｌｌｅｃｋｅｒ积，所以，本算法可以方便地推广到二维离散子波变换。     

二维熵阈值分割的快速算法

提出了一种快速二维熵阈值分割方法，将计算复杂性从一般二维熵方法的Ｏ（Ｌ）减少至Ｏ（Ｌ＾２）实验证明，对每一幅图象运算时间从２ｈ以上降至１０ｓ以内，同时计算所需存贮空间也大大减少，该算法提高了计算效率。     

KL-变换/JPEG和JPEG/KL-变换压缩性能分析

对ＫＬ－变换（ＫＬＴ）／ＪＰＥＧ和ＪＰＥＧ／ＫＬＴ构成的多光谱图象数据压缩系统的性能及优缺点进行了分析比较。在充分利用多光谱图象数据统计特征的基础上，将ＫＬＴ应用于多光谱数据压缩系统来消除谱相关性。仿真实验结果表明，ＫＬＴ／ＪＰＥＧ压缩系统的综合性能优于ＪＰＥＧ／ＫＬＴ压缩系统     

相对论情形下本构矩阵的变换关系研究

通过Ｌ６建立了两个惯性坐标系中介质本构矩阵的变换关系，在此基础上，借助于引入Ｖ６建立了ｘｙｚ系和ＫＤＢ系中相应场量之间的变换关系，并提供了一种研究此类问题的一般方法。     

基于K－L距离和信息距离的局部影响分析

本文给出了Ｋ－Ｌ距离和信息距离对某类参数变换的不变性；证明了在线性模型中，从Ｋ－Ｌ距离、信息距离以及似然距离出发得到的局部影响矩阵是一致的；利用局部影响分析思想来检测各种扰动方式的敏感点，提出了一种新的自变量扰动方式，在实例分析中得到了满意的结果。     

基于NSST域的改进加权非负矩阵分解的图像融合

针对加权非负矩阵分解中算法复杂度较高的问题,提出一种基于加权非负矩阵分解和双通道脉冲耦合神经网络的图像融合的改进算法。首先,对已经配准的两个源图像进行非下采样Shearlet变换;然后,对于图像低频子带,采用改进的WNMF的算法,动态更新权值矩阵,更好地提取图像特征信息。对于高频子带,采用改进双通道脉冲耦合神经网络的算法,链接强度值采用块的梯度值,更好地保留图像的微小细节信息;最后,经过非下采样Shearlet的逆变换得到融合图像。实验表明,将加权非负矩阵分解与双通道脉冲耦合神经网络相结合,不仅能很好的提取图像的特征信息,保留更多细节信息;同时双通道的脉冲耦合神经网络的方法能提高算法运行效率。     

非圆信号扩展传播算子DOA估计求根算法

为有效降低非圆信号DOA估计算法的计算量,提出了一种非圆信号DOA估计快速算法。该算法运用扩展传播算子和多项式求根方法来降低计算量。首先根据非圆信号特性构造出扩展阵列输出矩阵,并生成扩展协方差矩阵,然后不需要对协方差矩阵的特征分解,使用扩展传播算子方法得到估计的扩展噪声子空间,再利用均匀线阵的多项式求根方法快速求出目标的DOA估计值。对算法的性能仿真和计算复杂度分析结果表明,提出的算法不但其均方根误差性能与NC-root-MUSIC、NC-ESPRIT、NC-MSWF-MUSIC等快速算法相似,同时提出的算法还大大减小了非圆信号DOA估计MUSIC算法的计算复杂度,而且其计算复杂度小于上述提到的快速算法,实现了非圆信号DOA估计算法的快速估计。     

基于KLT／WT／WTVQ的三维多光谱数据压缩方法

提出了三维多谱图像数据压缩的新方法。在对多光谱图像数据进行Karhunen-Leove变换（KLT）消除谱相关性,再应用小波变换（WT）对KLT后的多光谱图像数据进行消除空间相关性。采用特殊矢量量化编码,叫作小波树矢量量化（WTVQ）编码对每个谱象数据进行压缩,获得较高的压缩性能。实验结果表明：KLT／WT／WTVQ压缩方法比KLT／JPEG和KLT／WT／FSVQ压缩方法在相同的PSNR条件下,CR提高20以上,整体压缩性能有较大的提高;在同样压缩比（CR）条件下,压缩速度提高3倍。     

改进卡尔曼滤波的IRFPA非均匀性校正算法

提出一种改进的卡尔曼滤波的IRFPA非均匀性校正算法,该算法使用求逆引理对传统迭代公式进行求逆变换,使用误差协方差逆阵形式实现迭代过程,使算法计算复杂度由nk×nk阶矩阵求逆降低至nk维对角矩阵求逆,简化了传统卡尔曼滤波算法的递推过程,提高了实时性能．通过对实际采集的红外图像序列进行仿真实验,结果表明：该算法在继承传统校正算法校正精度的同时,兼顾提高了算法校正速度,运行效率可以提高至2倍．     

一种调和Ritz向量的精化算法及应用

利用调和Arnoldi算法的一种等价形式,用较少的运算量将大规模矩阵特征值问题转化成一个小型的标准特征值问题来求解调和Ritz对。针对调和Arnoldi算法中调和Ritz值收敛而相应的调和Ritz向量往往不收敛的情况,保持调和Ritz值不变,结合精化Arnoldi算法的思想给出了一种在位移Krylov子空间上对调和Ritz向量进行精化求解的精化变形算法,以寻求使残量范数达到极小的近似特征向量。理论分析和数值实验表明这种精化变形算法的可行性、有效性以及更快的收敛速度,利用此算法可以更快求解满足精度要求的大规模矩阵的特征值和特征向量。同时,将这种算法应用于图像K-L变换的协方差矩阵的特征值和特征向量的求解,克服了K-L变换中由于图像矩阵过大而求解过程困难的问题,选取前若干个较大的特征值所对应的特征向量构成变换矩阵进行K-L变换来压缩图像,能直接应用于实时的图像压缩,较对图像分块在每个小块上进行K-L变换的方法更有效。     

基于GS算法的天线方向图零陷加宽方法

为了自适应数字波束形成(ADBF)中应用Gram-Schmidt(GS)算法使天线方向图自适应零陷加宽,通过构造附加离散个干扰源的数学模型重构干扰信号子空间,并修正阵列快拍数据的协方差矩阵,进而对协方差矩阵GS正交化.在干扰噪声较大时,适当调整附加干扰源的位置和个数,得到期望的零陷宽度.算法简单易行,在传统GS算法基础上所增加的运算量很小.仿真证明了该方法的有效性.     

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题,提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例,提出其视觉伺服控制架构,根据工业场景数据集训练BP神经网络,采用本文所提算法进行法兰对中实验,帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面,首先,利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系,之后,提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明,本文提出的算法能够有效应用于无标定视觉伺服控制,最终法兰平均对中误差在±1mm内,平均耗时43秒,满足应用需求,具有较高的工作效率。     

基于酉ESPRIT的跳频信号DOA估计

为了利用跳频信号的空域信息辅助同步跳频信号的网台分选,提出了一种基于STFD酉ESPRIT的跳频信号DOA估计算法。首先用WVDSPWVD组合时频分析方法对接收数据进行时频变换,然后提取出跳频信号的有效跳(hop),并对其建立空时频矩阵(STFD),最后利用酉ESPRIT算法进行跳频信号DOA估计。该方法通过酉变换将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了计算量,而且酉ESPRIT算法利用了数据的共轭信息使数据长度等价增加了一倍,提高了估计精度。仿真结果表明文中算法在信噪比大于2dB时,DOA估计性能优于ESPRIT算法。     

基于平方根UKF的水下纯方位目标跟踪

为了避免被动跟踪中非线性性带来的计算复杂化及跟踪精度的下降,该文将平方根无迹卡尔曼滤波(SR-UKF)算法应用到水下仅测角目标跟踪.利用协方差平方根代替协方差参加递推运算,解决了标准无迹卡尔曼滤波(UKF)算法中由于计算误差和噪声等因素有可能引起误差协方差矩阵负定而导致滤波结果发散的问题,保证了滤波算法的数值稳定性,提高了跟踪的精度和可靠性.仿真结果表明,SR-UKF非线性滤波算法应用于水下仅测角目标跟踪系统是有效的,而且滤波精度、稳定性和收敛时间明显优于扩展卡尔曼滤波(EKF)和标准UKF算法.     

一种基于2DPCA的煤岩识别新方法

针对传统PCA方法用于煤岩识别常常面临图像维数高,直接计算数量大的问题,提出并实现了一种基于2DPCA的煤岩识别方法。这种识别方法是基于图像矩阵的主分量分析法,由于它的协方差矩阵可由原图像矩阵直接构建,因此2DPCA使用的协方差矩阵同传统PCA相比要小很多。实验结果表明,在训练样本数相同的情况下,2DPCA耗时仅占PCA总耗时的60%左右,并且随着训练样本的增多,2DPCA与PCA之间的耗时差会越来越大。识别率较PCA方法提高了近10%,图像SNR也由原来的4.53 dB提高到12.17 dB。2DPCA在速度方面表现优越,准确性方面也令人满意,有效的提高了煤岩识别的效率。