基于噪声和分形扰动的实体纹理构造

利用基于随机噪声和扰动的实体纹理构造来实现非平面物体的易于参数化的随机纹理，并将分形迭加引入具体的扰动算法中，为了提高运算速度以利于实用，简化了基于Ｐｅｒｌｉｎ的噪声函数，并利用光线跟进的渲染算法，达到较好的效果。     

结合纹理特征和深度学习的行人检测算法

针对行人检测算法中存在特征鲁棒性差及分类器拟合非线性数据能力弱等问题,提出一种基于纹理特征和深度学习分类算法的行人检测方法.提出一种改进的GSRLBP纹理特征提取算法,提取行人图像的局部纹理特征,通过获取像素点的梯度信息结合GSRLBP算法消除微小扰动对行人特征提取的影响,进一步增强特征提取的鲁棒性.搭建基于深信度网络的深度学习行人样本分类器,利用多层受限波兹曼机搭建分类器输入端和中间层,将行人纹理特征信息逐层转化和传递,实现特征数据的自学习,利用BP神经网络搭建分类器的输出端,实现分类器结构的自优化.研究结果表明,该算法可行、有效,且性能优于经典浅层机器学习行人检测算法.     

视觉辅助的分布式驱动电动汽车路面估计方法

利用分布式驱动电动汽车车轮转矩精确可知可控的特点,设计基于轮胎纵向力估计的路面附着系数扰动估计器。为提高路面估计算法收敛速度,设计基于车载摄像头的路面辅助辨识方法,利用颜色矩法和灰度共生矩阵法提取路面颜色纹理特征,并基于支持向量机实现路面分类。基于增益调度方法设计融合估计策略。实车试验的结果表明,相比单一的动力学估计器,该设计算法具有收敛速度快、精度高的特点。     

基于二元树复数小波变换的特征融合算法

提出了一种利用二元树复数小波变换(DT-CWT)提取遥感图像纹理特征的方法，不仅使得纹理分析具备小波分析的多尺度特性，而且具备了6个方向的选择性、良好的重构性和近似的平移不变性．利用DT—CWT变换提取目标图像的纹理特征，构造目标概率密度函数，并采用基于D-S证据理论的特征层融合算法对目标进行识别处理，实验结果表明，采用基于DT-CWT纹理特征的特征层融合算法对多源低分辨率可见光遥感图像中小目标的识别是有效的．     

基于小波变换和升高变换的IC图像纹理分割算法

引入二值图像的升高变换,并结合小波变换提出一种IC图像纹理分割算法．在纹理分割过程中,首先对IC图像进行小波分解并对二值化后的近视部分进行升高变换,然后利用原图像信息识别出不同纹理,分割出不同区域．实验表明,该算法快速、高效,具有很好的实用性．     

基于小波变换和数学形态学的图像分割算法

传统的分水岭变换由于对噪声和细密纹理的敏感会产生严重的过分割现象,为了克服这种缺点,提出了一种基于小波变换和数学形态学的图像分割算法.该方法首先利用小波变换去除红外图像的混合噪声,利用形态学开闭重建运算消除梯度图像中由于灰度非规则扰动和噪声引起的局部极值;最后通过采用基于前景和背景标记的分水岭分割算法进行分割.仿真实验表明,该算法可以实现更好的分割效果,不需要再进行后续的合并处理就能够得到较为理想的结果.     

基于梯度的扰动时变系统辨识算法及其收敛性

根据工程背景,提炼出了一类时变系统(亦称为广义时变系统或扰动时变系统)的数学描述模型．扰动时变系统是指参数随系统可测扰动量变化的一类时变系统．利用梯度搜索原理,提出了这类时变系统的投影算法、随机梯度和遗忘梯度辨识方法,并应用鞅超收敛定理分析了算法的收敛性．由于提出的随机梯度算法同时还利用了系统扰动量所含的信息,因而可以给出时变参数的一致估计．数字仿真验证了提出方法的有效性．     

基于参考图像的膝关节MR I超分辨率重建算法研究

针对在膝关节MR I图像重建中,传统超分辨算法存在重建图像纹理不清晰、参考图像难以与低分辨率图像纹理严格对齐等问题,提出了一种基于参考图像的膝关节MR I超分辨率成像算法.该算法利用纹理相似性,将参考图像的迁移纹理与低分辨率图像纹理自适应地对齐,丰富低分辨率图像的细节,实现膝关节MR I超分辨率成像.纹理迁移利用残差网...     

约束纹理合成

对基于块的实时纹理合成算法进行扩展并应用到约束纹理合成中, 对瑕疵进行修复, 在纹理合成的过程中采用不同类型的纹理段寻找匹配, 并且利用可变大小的纹理块修复瑕疵的边缘处, 使修复后的图像在原来瑕疵的边界处没有明显边界感.     

多进制Haar与斜Haar小波在纹理分类中的应用

基于Walsh变换和斜变换给出了一种构造多进制Haar小波和多进制斜Haar小波的方法,并利用这些变换特有的快速算法加快了小波分解速度．实验中用该类小波分解图像,然后提取纹理图像的特征量,使用最小距离分类器进行纹理分类并比较了构造出来的各类小波的分类正确率,给出了选择小波基的原则．实验结果表明多进制斜Haar小波滤波器组具有更佳的分类效果．     

基于空间分数阶复扩散的地震勘探噪声压制

沙漠地震勘探数据信噪比低,随机噪声主要为非平稳、非高斯的低频色噪声,利用常规噪声压制方法很难有效辨识与表征地震勘探信号,导致弱纹理结构信号的损失。针对此问题,引入分数阶梯度算子,提出空间分数阶复扩散随机噪声压制算法。该算法利用空间分数阶梯度增强地震信号的弱纹理和细节,在复扩散框架下,根据同相轴结构控制扩散强度。实验采用合成地震勘探数据和实际沙漠地震勘探数据评估算法性能,结果表明,提出的空间分数阶复扩散滤波算法可压制沙漠勘探随机噪声并保留有效信号结构。     

前馈网络灵敏度：分析及降低算法

在前馈网络中，不同的权值组合可逼近同一映射。网络的灵敏度取决于权值的变化。文中提出了计算网络灵敏度的方法和一种降低网络灵敏度的学习算法。网络的灵敏度分析包括单输出、多输出及输入变化、权值变化等情况。学习算法是在网络训练过程中加入随机噪声。次种学习算法与传统学习算法相比，可降低网络的灵敏度，但学习收敛速度基本相同。     

对流-弥散方程的小噪声方法与应用

通过小噪声摄动理论, 建立了小噪声随机微分方程. 并借助于摄动矩的理论, 求出了随机微分方程质点位移的均值与方差, 之后将对流-弥散方程进行正态近似, 得到了方程的近似解. 最后将小噪声摄动理论应用到求解实际的高对流-弥散方程中, 并与广义差分迎风格式的方法作比较, 得到了满意结果.     

基于发动机激励的车室内有源噪声控制方法

在汽车行驶过程中,发动机激励引起的车腔内噪声由于速度、档位、温度等变化,导致对依赖次级路径建模的传统LMS、BP等噪声主动控制算法不能实现精准控制。而常规的同步扰动随机逼近算法存在需要估计较多的参数、系统收敛速度较慢等缺陷。因此提出改进的同步扰动随机逼近算法应用在由发动机激励产生的车内噪声主动控制系统中,根据某车型实车实验采集相关数据并处理,利用声学仿真软件对多转速多工况下的整车结构-车室空腔声场结构声耦合系统进行发动机激励振动分析。通过仿真可以看出改进后的同步扰动随机逼近算法可以快速稳定地收敛,实现车内噪声的稳定控制。     

基于小波包分解的纹理图像去噪

噪声对图像的后续处理影响较大,常用的去噪方法虽然可以去除变化平缓的图像中的噪声,但对细节较多的纹理图像的去噪效果却不太理想．文中基于信号和噪声在小波分解中呈现出来的不同特性,提出了一种新颖的小波包去噪算法．采用该算法对纹理图像进行最优小波包分解,并计算每个子频带的两个范数,然后根据范数值区分信号和噪声,从而达到去除噪声的目的．实验结果表明,该算法对皮革图像具有较好的去噪效果．不仅可以去除纹理图像中的大部分噪声,而且可以较好地保留图像纹理信息．     

基于固定点算法的地震数据降噪

 结合改进的固定点算法,解决了噪声环境下的ICA问题。根据噪声分布特性,分两个阶段去除不同类型的随机噪声。在预处理阶段去除了加性高斯白噪声,预处理后的数据采用改进的固定点算法,盲分离出有效信号和非高斯随机噪声。提出了对固定点算法迭代过程中设定较精确的初始值问题的算法,该方法能较为准确地设置初始值,使算法能提取有效信号。通过仿真实验和对实际地震数据的处理,得到了满意的分离结果,较好地恢复了有效信号。此外,当实际地震数据加载了较强噪声,信噪比降低时,采用本文算法进行盲分离,同样取得了良好的效果,再次验证了本文算法具有良好的稳健性和适应性。将盲分离算法应用到实际地震数据处理方面的研究,有助于地震资料的解释,同时这种处理技术的研究也能够促进盲分离技术的发展。     

对用于数据库保密的随机干扰法的研究

本文旨在ＦＯＸＢＡＳＥ语言环境下，实现用于数据库保密的随机干扰．文中提出了一种快速和不常驻内存的（伪）随机数的生成方法，给出了随机干扰量的算法，并讨论了干扰模块的设计，所设计的干扰模块具有“辩认出明显攻击意图”之后能自动加大干扰量的功能．经实例验证，本文提出的实现随机干扰的方法是可行的和有效的．     

模糊聚类的侧扫声纳图像分割算法

针对侧扫声纳图像的特点,利用二维经验模态分解（BEMD）将图像分解成若干固有模态函数（IMF）和1个余量.分析了侧扫声纳图像背景区的图像频率特征,通过增强目标和阴影的特征信息降低噪声的影响.提取图像的高斯马尔可夫纹理（GMRF）,用来表达图像像素点间的空间关系,以减少图像的误分割.利用BEMD和GMRF改进模糊C均值聚类算法,提出了新的聚类准则和距离函数,形成一种新的模糊聚类算法.利用该算法对不同的侧扫声纳图像进行分割,并将分割结果与其他典型的聚类算法的分割结果进行比较,验证了该算法的抗噪性和准确性.     

基于改进EMD的地震信号去噪

压制随机噪声是地震数据处理过程中的一个重要环节,目前大多数去噪技术都不同程度存在去噪效果差、易损伤有效信号等问题。利用经验模态分解可将信号自适应地分解为不同特征尺度固有模态函数的优点,及小波变换模极大值滤波方法对噪声的依赖性较小且适合于低信噪比信号去噪的优势,构造了一种经验模态分解与小波变换模极大值相结合的新的去噪算法,该算法很好地实现了地震有效信号与随机噪声的分离,有效提高了地震数据信噪比。将该算法应用于仿真实验和实际地震数据处理,结果都表明该方法明显优于常规经验模态分解去噪效果。     

基于随机梯度上升和球面投影的通用对抗攻击方法

在面向样本集的通用对抗攻击中，导致多数样本输出错误的通用扰动设计是研究关键.本文以典型卷积神经网络为研究对象，对现有通用扰动生成算法进行总结，提出采用批量随机梯度上升训练策略和球面投影搜索策略相结合的通用扰动生成算法.算法的每次迭代计算，首先从样本集中抽取小批量样本，采用随机梯度上升策略计算出使损失函数值下降的通用对抗扰动，然后将通用扰动投影到半径为ε的高维球面上，从而缩小通用扰动的搜索空间.算法还引入了正则化技术以改善通用扰动的生成质量.实验结果证明该算法与基线算法对比，攻击成功率显著提升，通用扰动的求解效率提高约30倍.