基于Raptor码的级联型不等错误保护方法

针对在各种恶劣的信道中对码流中相对重要数据提供更强保护的问题,提出了基于Raptor码的级联型不等错误保护(unequal error protection, UEP)方法。通过在预编码阶段和无率码阶段都采用UEP设计的级联方法来提高UEP性能,增加了设计的灵活性;分析了其在二进制删除信道（binary erasure channel, BEC）中采用最大似然概率(maximum likelihood, ML)译码时UEP性能的理论上下界;最后分别对其在BEC和加性高斯白噪声(additive white Gaussian noise, AWGN)信道中的UEP性能进行了仿真实验。理论分析和仿真实验结果显示,与在预编码阶段或无率码阶段单独采用UEP设计的方法相比,该级联型方法在基本不损失普通数据性能的情况下能为重要数据提供更强的保护,具有较好的UEP性能     

一种基于视觉适应性的图像增强算法

模拟真实场景反应在人眼中形成图像的过程,考虑到邻域间干扰、光照不均匀、媒介传递率下降引起的图像退化,提出了一种新的图像增强算法。依据对视觉现象中对比灵敏度、亮度适应能力和侧抑制现象的研究,建立了一种图像退化模型的视觉适应性模型,该模型求解方案包含3个过程:用于消除邻近像素相互影响,给人眼提供更多细节的去卷积过程;据锥细胞亮度适应能力提出的,为其工作提供最佳工作光照条件的亮度调整过程;模拟侧抑制机理提出的对比度拉伸过程。对比现有图像增强算法的增强结果,实验结果表明该方法的视觉适应性解,在增强图像细节、提升对比度、增强结果的视觉愉悦性方面取得了较大进步。     

基于自适应扫描的遥感图像压缩算法

目的 为提高基于上下文算术编码器的效率.方法 首先分析了上下文模型以及上下文量化对信源熵的影响,得到了上下文量化的两个优化准则,并根据准则建立了一种时变的上下文性能模型.结果 给出了一种自适应位平面扫描顺序,改善了上下文条件概率的时变稳定性,提高了编码过程中对上下文条件概率的估计精度.结论 该方法较顺序扫描方式在同码率下有一定的PSNR提高,具有比顺序扫描更优的编码效率.     

单幅图像去雾方法研究

介绍了单幅图像去雾方法的研究现状、分析了基于增强方法和基于复复方法的一些经典图像去雾算法，指出了各种算法的优缺点。综合评价得出基于复原的图像去雾方法优于基于增强的图像去雾方法。针对现有的基于图像复原去雾方法提出了仍需要深入研究的问题，并从建立全面物理模型、探索模型求解的先验知识、设计基于人眼视觉机制的模型求解方法和图像去雾质量评价等几个方面分析如何突破图像去雾的关键技术。最后，对现有技术的发展趋势进行了分析，指出了去雾技术的研究方向。     

一种利用最大间隔相关滤波的鲁棒目标跟踪算法

核相关跟踪通过相关滤波定位目标在图像中的位置，这种生成式滤波器方法容易受到与目标相似背景的干扰，导致跟踪失败。针对这一问题，通过最大分类间隔增强相关滤波器的判别性，将相似背景作为负样本对模型进行更新来提高跟踪的鲁棒性。该算法首先建立了基于最大间隔相关滤波器的目标跟踪模型，通过分类判别出与目标相似的背景；然后在跟踪过程中，将获得的相似背景作为负样本并对跟踪模型进行在线更新，适应目标在运动中的各种变化，最终实现对目标的鲁棒跟踪。在OTB2013和VOT2014数据库中选取了17个典型的图像序列进行实验，同时与6种相关跟踪算法的结果进行比较。实验结果表明，该算法在精确度和成功率这2个性能指标上, 相比于次优算法，在性能上分别提升8%和2%。 不仅取得了最好的跟踪效果。而且跟踪实时性较好。     

基于视觉侧抑制机理的强鲁棒性图像分割方法

针对光照强度和图像退化的算法鲁棒性问题,提出一种基于视觉侧抑制机理的强鲁棒性图像分割新算法.该算法充分考虑到人眼视觉侧抑制机理“加强中心抑制周围”的特点,在范围一定的抑制野内,采用双高斯强度系数分布的减法非循环侧抑制网络模型描述神经元兴奋的变化量,与交叉视觉皮质模型相结合形成侧抑制-交叉视觉皮质模型.在此改进模型基础上,利用灰度级-邻域平均灰度级二维直方图将一维交叉熵推广至二维,进而构造出二维最小交叉熵分割判决准则以寻求最优阈值.研究结果表明:针对受噪图像,新算法的分割准则充分利用二维交叉熵增加了图像的局部空间信息,从而取得良好的抗噪结果;针对光照不均和模糊退化的图像,改进分割模型加入视觉侧抑制网络,使得新算法具有较强对比度和亮度适应性以及模糊补偿能力,能够获得精确的分割效果.     

基于并行映射卷积网络的超分辨率重建算法

针对基于卷积网络的超分辨率重建算法对不同场景下的图像存在复原质量不佳、细节信息丢失的问题,对卷积网络结构详细分析,结合重建模块和损失函数约束条件存在的问题,提出了基于并行映射卷积网络的超分辨率重建模型。该模型基于端到端的思想,构建并行映射网络及正则化约束条件,能对图像特征进行层次化自主提取,在高分辨率图像重建时极大地丰富图像特征的维数;并且将全变分正则化引入到重建模块,有效地克服了超分辨率的病态问题,从而获得鲁棒、丰富的图像信息,提升了重建图像的质量。实验结果表明,所提出的网络模型具有更优异的性能,其超分辨率算法在视觉评价和量化指标上取得了更好的重建效果。     

一种基于纹理图像的目标提取方法

提出了一种基于纹理图像的目标提取方法。该方法基于随机掩膜来进行目标边缘的提取，目的是检测蕴藏在纹理中的目标。结果表明：提出的方法能够检测到隐藏在纹理中的目标，具有较好的效果。     

RLS算法的智能天线DSP实现

基于良好收敛特性的RLS算法采用并行DSP处理器和分布式存储器结构实现了多阵元均匀阵列的智能天线。针对TMS320C6416芯片的结构和RLS算法的特点,详细阐述了软硬件的实现和优化。实验结果证明,该系统满足2 048点8 bit8 kHz速率采样的16天线阵智能天线实时性要求。     

图像压缩算法消除数据冗余问题分析

对当前几种典型图像变换及编码算法在消除图像冗余的效果方面进行了比较分析。通过对原始图像变换和拼贴,构造了重复、对称、旋转、插值4种形式的冗余图像,然后用几种典型的变换算法和压缩算法对图像进行处理,实验结果显示当前几种图像变换及编码算法均无法同时消除本文提到的4种形式的冗余。本文的结果为进一步改进图像压缩算法提供了一个有益的参考。