基于变换域注意力机制的压缩伪影去除的方法

图像有损压缩过程往往会导致图像质量退化,使图像出现压缩伪影。针对现有基于深度学习的方法缺乏对联合图像专家组(Joint Photographic Experts Group,JPEG)压缩算法先验信息的利用,提出一种基于变换域注意力机制的去伪影方法。该方法利用卷积神经网络在像素域和离散余弦变换(discrete cosine transform,DCT)域分别提取特征,再将双域学习的特征信息进行融合。利用量化表设计了DCT注意力机制,该模块根据DCT系数的损失程度给予各频率系数不同的权值,使网络自适应补偿量化引起的误差。于此基础上,在像素域引入通道注意力机制,从而更好地利用量化表的先验信息。在主要数据集上,提出的去伪影方法以固定的模型参数对多种质量因子的压缩图像进行伪影去除实验。实验结果表明,所提出的方法在各评价指标和主观视觉上取得较好的效果。     

稻壳灰改良盐渍土力学特性及抗冻性的研究

在西北季节冻土区广泛分布着盐渍土,其在空间分布上连续性差,工程性质极其不稳定;且浅层盐渍土受冻融作用的反复影响,其力学性质长期处于动态的变化之中,给工程设计与建设带来了极大的挑战.鉴于此,通过压缩试验及无侧限抗压强度试验,研究稻壳灰对盐渍土的改良效果.结果表明,稻壳灰可以显著地改善盐渍土的压缩特性,并提高其无侧限抗压强度,且改良土的压缩系数与抗压强度之间呈现出负相关的线性关系.随着掺灰量和养护龄期的增加,改良土的压缩系数不断减小,无侧限抗压强度呈现出不断增加的趋势,最大可增加4倍左右.以抗压强度损失率为指标对改良土的抗冻性进行了评价,发现改良土的抗冻性随着掺灰量的增加呈现出先增强后减弱的趋势,且在15%的掺灰量时,其抗冻性效果最显著;相对而言,养护龄期对于改良土的抗冻性影响较小.     

等衰落轨道角动量索引调制系统的信道容量性能分析

射频轨道角动量(orbital angular momentum,OAM)提供了一种可以在同一载波频率物理信道上复用一组正交模式以提高信道容量的方法。现有研究大多专注于信道容量提升,对系统复杂度的研究相对较少。在基于均匀圆形阵列(uniform circular array,UCA)的OAM通信系统中,发射机需要完成大量调制运算以生成OAM信号。于是,提出了一种等衰落轨道角动量索引调制(equal fading orbital angular momentum index modulation,EOAM-IM)方案,其中,IM有效降低了OAM调制运算复杂度,且等衰落发射机也保证了不同模式OAM子信道传输增益。此外,还详细推导了所提EOAM-IM方案的系统信道容量。仿真结果表明,所提EOAM-IM方案能以更低的调制复杂度获得比传统OAM方案更高的信道容量。     

一种基于PVDAC描述子的RGB-D三维点云配准方法

利用RGB-D数据进行三维点云配准时容易陷入局部最优.针对这个难题,提出了一种基于多维特征的PVDAC描述子实现三维点云配准的方法.该方法首先通过ORB特征检测算法提取二维数据的关键点,并计算关键点在2D下的灰度特征,然后构建关键点在3D下的局部像素值距离、点云法线角度以及曲率特征,接着将2D特征和3D特征联合生成全新的PVDAC像素描述子,并利用PVDAC像素描述子描述关键点实现三维点云的粗配准,最后基于ICP算法完成三维点云的精细化配准.实验表明,本文算法在大场景点云配准时总体均方误差约为0.05 m2,在小场景单物体点云配准时达到了0.000 2 m2的较小误差,实现了三维点云的精确配准.     

基于多级频谱分析和能熵比的应答器系统设计

为解决传统应答器系统在模拟不同距离水下目标时易受强噪声干扰及转发时延精度不高的问题,提出一种粗-细两级波达时刻估计方法并开发一套高精度时延的可靠应答器系统.该系统主要由以信号采集、信号处理为主的上位机和以功率放大器、换能器为主的下位机组成.其中上位机利用多级频谱分析及其峰均比大于设定门限进行粗估计,初步获取信号的波头;再利用基于能熵比的双门限检测算法进行细估计,获得更精准的波达时刻,进而解决了时延不准的问题;最后,系统下位机通过 TCP 接收上位机传输的应答信号并在预定时刻应答回波信号.湖试结果显示,该系统的时延误差小于 40 ms,具有高精度的转发时延优势,并且在强噪声干扰下具有良好的鲁棒性.     

对混合Abel群中一定理证明的改进

本文指出了A.T.库洛什“群论”(上)书中一定理证明的错误,并给出了正确的证明。     

模型故障诊断中测量点优选的一类期望熵法

基于“第１原理”的诊断方法,给出二个极优的测量点选择方法,其时间复杂性为０,算例表明通用性好,精确性高,与ｄｅ Ｋｌｅｅｒ法不同,文中使用二值的结构模型,用结构信息划分候选诊断。     

基于压缩感知的在线多示例学习目标追踪

近年来提出的多示例学习算法在一定程度上能够克服模板漂移问题。然而,在线学习需要获取足够多的有用数据才能达到稳定的追踪效果,但是这却增加了算法的复杂度。为了解决这一问题,在压缩感知理论的基础上,运用随机观测的方法对多尺度图像特征进行降维,提取的这些低维特征中包含大量的有用信息。因此,我们提出的算法是先利用压缩感知理论提取目标特征之后,再使用在线多示例学习算法分类器对这些特征进行分类从而实现目标的稳定跟踪。通过对不同的图像序列进行实验,结果表明基于压缩感知的在线多示例学习算法对实时的目标追踪有很好的适应性。     

改进的SIFT特征匹配算法

针对SIFT特征匹配算法在特征空间中进行历遍搜索,匹配速度慢的问题,提出一种金字塔层间匹配算法。首先,根据特征点所处金字塔层不同将特征点划分为不同的集合,其次,选择待配准图像金字塔中某一层集合,在基准图像金字塔中寻找相似层,并确定待配准图像金字塔与基准图像金字塔层之间的相似关系,最后,在相似层之间寻找匹配点。待配准图像中的选择层集合由金字塔底层到顶层,寻找相似层所用时间依次缩短。与原算法相比,该算法具有相同的旋转稳定性。将该算法与原算法分别应用实际图像配准中,结果表明:可见光图像配准中,匹配速度提高了3.2倍,正确匹配率提高了10.3％,红外图像配准中,匹配速度提高1.4倍,正确匹配率达到100％。     

基于旋转准正交空时分组码的LDPC编码性能

为了提高空时分组码在多输入多输出通信系统的性能,提出一种新的准正交空时分组码,并且结合星座旋转设计和交织技术。通过星座旋转准正交空时分组码,以牺牲一定解码的简单性,来避免当天线数目大于2时,正交空时分组码码率下降的缺点;并与LDPC码进行级联编码,来降低系统误码率及提高系统的可靠性要求。多输入多输出通信系统可以很好地解决多径效应,获得很高的分集增益。仿真结果表明:与没有经过星座旋转的准正交空时分组码系统相比较,这种新的编码方法可以有效地降低误码率,提高系统的性能。在误码率10-5时,CRQOSTBC级联LDPC码与QOSTBC级联LDPC码相比有1.8dB的信噪比改善,CR-QOSTBC级联LDPC码相对于未级联LDPC码的QOSTBC在10-3时有5.3dB性能提升。