基于NiosⅡ的图像去噪系统设计

基于NiosⅡ软核处理器技术,以SOPC方式,在Altera DE2-70开发板上实现图像去噪算法.算法利用交叉皮层模型ICM(Intersecting Cortical Model,ICM)定位噪声点,并结合经典滤波算法对检测出来的噪声点进行局部滤波.实验结果表明在NiosⅡ上实现的算法既有效地去除了噪声,同时又保持...     

基于小波变换图像增强算法的手机散斑衬比血流成像技术

为实现激光散斑血流成像设备的便携化,研究了手机散斑衬比血流成像技术。通过分析和重组彩色滤波阵列的光强信号,解决了彩色图像传感器无法获取散斑信号的问题。提出了基于手机相机的散斑衬比分析方法,使用二维离散小波变换对图像低频区域进行增强,并使用k-means聚类和Ostu算法将背景区域和前景血流区域进行分割和去噪。最后,为验证这两种算法在不同情况下的分割结果,分别进行了血流模拟实验和微循环血流灌注实验。研究结果证明,Ostu算法在不同的血流模型下有更好的分割去噪表现,解决手机自带算法导致血流图像失真问题的同时,提高了图像的可视化效果。     

融合多尺度注意力和双向LSTM的行人重识别

将深度学习应用于行人重识别领域,嵌入多尺度注意力融合模块至神经网络中进行多尺度特征提取和表示,可有效提升注意力机制对深度学习网络的识别性能。提出了一种基于SE block的多尺度通道注意力融合模块,并结合ResNet50卷积神经网络提取特征;然后通过双向LSTM网络进一步提取特征序列上下文信息,在提高模型对图像重要特征的提取能力的同时,降低对图像冗余特征的关注度;最后使用级联难采样三元组损失函数和交叉熵损失函数共同训练网络模型,使样本能够在高维特征空间中实现聚类,进一步提升模型识别准确性。所提出算法在Market1501数据集和CUHK03数据集分别进行实验,并在同等条件下和其他注意力模块算法进行比较。为进一步验证各模块作用,对算法进行消融实验,以验证各模块的有效性,实验结果表明,所提出方法可有效应用于行人重识别     

基于仿射不变块相似度量的BM3D图像去噪算法

针对使用规则的正方形块去噪可能产生伪影, 或图像受到仿射形变时使用正方形块寻找到的相似块数量将会减少的问题, 提出一种基于仿射不变块相似度量的BM3D(block matching and 3D filtering)图像去噪算法. 首先, 在块匹配过程中, 使用椭圆块代替规则的正方形块进行块匹配分组, 形成三维椭圆块组; 其次, 使用仿射不变块相似度量计算两个椭圆块之间的距离判断其相似度, 该度量通过自动调整块大小与形状进行块比较, 能寻找到更多的相似块, 将其用于图像去噪. 实验结果表明, 该算法可有效提高去噪效果, 获得良好的视觉效果, 与原始BM3D算法相比, 具有较好的峰值信噪比.     

融合多源数据的股指预测研究

金融市场中股票价格的变动受到多方面因素的影响,如何更好地利用更多的大数据为投资决策进行服务始终是各方研究的重点。本研究以沪深300指数为研究对象,采用图像化处理的方式融合财经新闻、市场交易数据和技术指标等多源异构数据,建立了卷积神经网络模型,对未来不同时间长度的股指图像数据进行涨跌预测。通过对模型结构的稳健性检验,使用60天融合新闻情绪、技术指标与股价三类图片的三层图片预测模型,预测股指未来5天后的涨跌样本外准确率可达65.2%。融合多源数据后的图片数据能够丰富单一的股价数据,从而提升了模型的预测准确率。通过与传统的线形模型、LSTM循环神经网络模型及其他经典卷积神经网络模型比较,本研究构建的预测模型在样本外预测效果最佳,表明本研究构建的基于多源异构数据的图片预测模型在股指预测中具有可行性和一定优势。     

基于NMF与CNN联合优化的声学场景分类

针对声学场景分类任务中复杂声学环境的特征表示问题, 提出一种联合训练特征提取和分类模型的优化算法。将非负矩阵分解与卷积神经网络的训练相结合, 利用网络的损失值实现对特征提取和网络参数的共同更新, 以学习到更具判别性的有监督特征。在TUT2017数据集上提取对数声谱图作为基础特征, 搭建深度卷积神经网络进行实验验证。仿真结果表明, 所提算法的识别准确率相比优化前提升3.9%, 且优于其他两种常用声学特征, 证明该算法能够有效提升整体分类效果。     

基于拉氏锐化算子的四阶偏微分方程图像去噪算法

采用拉氏锐化算子代替拉普拉斯算子,提出了一种基于四阶偏微分方程的图像平滑算法.该方法不容易产生二阶非线性扩散方程所造成的块效应,而且与一般四阶偏微分方程相比,收敛速度更快,同时在一定程度上避免了处理图像时常出现的不平整现象.     

新阈值函数及其小波去噪研究

小波阈值法是小波域去噪的主要方法之一,该方法通过选取合适的阈值,采用阈值函数对小波系数进行相应的非线性处理,可以在均方差意义下取得最优的去噪效果.其中,选取合适的阈值函数是该方法最基本的问题之一.文章在讨论了硬阈值函数、软阈值函数和半软阈值函数的特点及其不足的基础上,提出了一个新的阈值函数.该函数在整个小波域内连续并高阶可导,而且只需要确定一个阈值,算法相对简单.仿真结果表明,与硬、软和半软阈值方法相比,采用新的阈值函数可得到较为理想的去噪效果.     

改进的阈值法在毫米波目标辐射信号去噪中的应用

根据毫米波目标辐射信号小波变换的特征,使用非负小波系数作信号的小波系数,对于确定的阈 值,令小于阈值的小波系数为零,大于阈值的小波系数减去常数a ,利用信号的方差函数推导了a 的取值方 法,实验表明该方法有良好的去除毫米波目标辐射信号噪声的能力     

基于小波的信号Lipschitz指数分析和应用

奇异信号往往带有一些重要信息,一般用Lipschitz指数来描述信号的奇异性.在Mallat等人的基础上讨论了奇异信号Lipschitz指数定义和相关理论基础,同时研究了小波变换与信号奇异性关系和Lipschitz指数的计算.利用信号和噪声奇异指数不同的特点应用于去噪声,文中提出了一种对噪声模极大值对应点周围的小波系数进行非线性压缩后重构信号新方法,仿真实验结果表明,这种方法有着较好的去噪效果.