Azimuth resolution improvement for spaceborne SAR images with quasi-non-overlapped Doppler bandwidth

The azimuth resolution improvement problem is solved via a coherent combination of synthetic aperture radar （SAR） ima-ges with the quasi-non-overlapped Doppler bandwidth. Prior to the spectra combination, SAR images should be coregistered, while phase biases induced by topography, atmospheric propagation delays and baseline measurement errors should be calibrated. However, the coregistration accuracy suffers from large Doppler decorrelation caused by the quasi-non-overlapped Doppler band-width. Furthermore, the method used to estimate phase biases from interferogram of azimuth prefiltered SAR image pairs wil fail when there is no overlapped spectrum. The fringe simulation and maximum sharpness optimization are adopted to deal with the problems. Accordingly, a novel algorithm to coherently synthesize SAR images is presented. The experiment with the Terra SAR X-band （TerraSAR-X） satel ite data validates the performance of the presented method.     

Multi-label dimensionality reduction and classification with extreme learning machines

In the need of some real applications, such as text categorization and image classification, the multi-label learning gradually becomes a hot research point in recent years. Much attention has been paid to the research of multi-label classification algorithms. Considering the fact that the high dimensionality of the multi-label datasets may cause the curse of dimensionality and wil hamper the classification process, a dimensionality reduction algorithm, named multi-label kernel discriminant analysis （MLKDA）, is proposed to reduce the dimensionality of multi-label datasets. MLKDA, with the kernel trick, processes the multi-label integrally and realizes the nonlinear dimensionality reduction with the idea similar with linear discriminant analysis （LDA）. In the classification process of multi-label data, the extreme learning machine （ELM） is an efficient algorithm in the premise of good accuracy. MLKDA, combined with ELM, shows a good performance in multi-label learning experiments with several datasets. The experiments on both static data and data stream show that MLKDA outperforms multi-label dimensionality reduction via dependence maximization （MDDM） and multi-label linear discriminant analysis （MLDA） in cases of balanced datasets and stronger correlation between tags, and ELM is also a good choice for multi-label classification.     

Single foggy image restoration based on spatial correlation analysis of dark channel prior

Focusing on the degradation of foggy images, a restora- tion approach from a single image based on spatial correlation of dark channel prior is proposed. Firstly, the transmission of each pixel is estimated by the spatial correlation of dark channel prior. Secondly, a degradation model is utilized to restore the foggy image. Thirdly, the final recovered image, with enhanced contrast, is obtained by performing a post-processing technique based on just-noticeable difference. Experimental results demonstrate that the information of a foggy image can be recovered perfectly by the proposed method, even in the case of the abrupt depth changing scene.     

基于关节联动特征的运动捕获数据分割方法

运动捕获数据分割中,针对关节角度或关节点中心距离作为描述人体姿态的特征所存在的局限性,提出一种关节联动特征。该特征从人体运动学角度对人体关节之间的联动关系进行建模,将关节角度与关节点中心距离作为一组关节联动特征点转换到极坐标空间表示。通过计算任意时刻的人体姿态与初始时刻人体姿态的关节联动特征点的偏移量来描述人体姿态的变化。提取每一帧捕获数据的关节联动特征,并使用主成分分析方法对运动序列进行分割。对CMU人体运动捕获数据库的实验结果表明,使用该特征得到的运动捕获数据分割结果要优于使用关节角度或中心距离特征的分割结果。     

产品结构视角下的市场分割和定价策略

从产品结构的视角研究了两种具有替代效应且质量水平不同产品的最优定价策略及质量水平的变化给供应商和生产商带来的影响,分析了产品结构不同时利润以及市场份额的变化,探讨了消费者福利随质量水平变化的趋势. 研究结果表明: 虽然集中供应链的利润最大,但却牺牲了集成式产品的市场份额; 分散供应链背景下增大一种产品的模块化程度会减小该产品的市场份额,而提高一种产品的集成化程度可以使得产品线设计具有更大的灵活性,但会牺牲产品线中另一产品的市场份额. 最后通过算例分析了质量水平变化时供应商及生产商利润变化的情况,并发现消费者福利并不随质量水平单调增加,其变化趋势取决于消费者对质量的感知程度与价格变化之间的差值.     

基于敏感等级的云租户数据安全保护模型研究

为云计算提供有效的租户数据安全保护,提出一个第三方租户数据安全保护模型,解决租户数据的存储和检索安 全问题. 模型采用隐藏数据间关系的方法,对租户数据进行切片,利用单向函数混淆切片关系;结合租户对数 据的隐私需求和安全等级定义,给出租户数据的分级方法;依据安全等级对分割后的子表内容进行局部加密或匿名,实 现云端数据存储安全;结合私有信息检索技术,利用云端加密数据的关键字检索算法,隐藏租户搜索请求,保护云端数据 的检索安全. 实验表明,该模型能满足租户数据在未知云环境中的存储和检索安全要求.     

基于近似逐次超松弛预处理的自适应CQ算法

在处理基于不完全数据重建的不适定反问题时, 针对预处理CQ算法存在的不足, 提出了一种近似的逐次超松弛自适应预处理矩阵选择策略. 该方法利用近似特征值矩阵在处理矩阵相乘和求逆中的优势, 将正则化与超松弛预处理方法合, 通过迭代逐次逼近预处理矩阵, 并给出了算法的自适应步长. 结合稀疏角度CT图像重建问题, 给出了算具体实现步骤, 通过仿真可以验证: 该策略可以使预处理CQ算法有较快的收敛速度; 当存在噪声时,也可以较好地通过提前停止迭代来提高重建精度. 该策略为预处理CQ算法在不完全数据重建领域的应用提供了参考.     

基于背景差的码头运动船只检测

通过背景差法对码头视频图像中的运动船只检测。采用混合高斯模型为码头背景建模,该模型可克服各种外部因素的影响,如光照变化、阴影、目标遮挡等,具有很强的适应能力。对采用全局固定阈值进行运动目标分割的方法作了优化,并对运动船只目标进行分割。经现场测试,能有效地监测运动船只、记录异常事件以及视频图像的提取和过滤,提高了码头监管的质量和效率,可广泛应用于码头无人监控。     

支持组合夹具虚拟组装的快速碰撞检测方法

快速碰撞检测算法是虚拟环境下组合夹具装配设计的关键，针对组合夹具的结构特点，提出了一种基于元件级空间分割与包围盒检测相结合的快速碰撞检测算法（F-CD），通过建立检测区域的分层投影模型（LPM）实现最大限度的减少进行碰撞检测的元件对数，同时避免了建立复杂的层次模型树，降低了系统内存开销，提高检测效率。对LPM的建立和基于分离平面的包围盒干涉检测算法进行了详细的论述，并对算法进行了比较实验与性能分析。     

基于双密度双树小波变换的超声图像降噪

针对去除斑点噪声提高超声图像质量的问题,提出双密度双树离散小波变换（DD-DT DWT）结合局部方差估计的双变量收缩阈值函数（BFS）的图像降噪改进算法实现超声图像降噪。首先将原始图像用DD-DT DWT进行多尺度分解,根据噪声模型和小波子父代系数确定的局部边缘方差估计阈值,利用子父代小波系数相关性构成的双变量阈值函数,对图像16个方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像。用仿真和真实数据对此算法进行验证,并与其他小波降噪系统的性能比较,结果分析表明噪声图像经该算法降噪后,图像性能指标均有提高,不仅有效的实现图像降噪,而且较好的保留图像细节。