一种高效的自适应波束域变换方法及应用研究

波束域变换将阵元域数据投影到一个低维的波束域空间, 不仅能够减小信号处理算法的运算时间, 提高算法性能, 还能够抑制干扰. 本文针对常规自适应波束域变换方法需要在线调整波束变换矩阵、更新波束域导向矢量由此导致实时实现困难的问题, 提出一种高效的自适应波束域变换方法. 该方法将波束域协方差矩阵与导向矢量均表示成不依赖自适应波束变换矩阵的闭合形式, 省去在线调整与更新过程, 使运算效率得到了显著提高. 最后将该方法应用到波达方向(DOA)的估计之中, 仿真研究表明, 本文方法获得了比常规自适应方法更好的DOA估计性能. 此外, 本文方法还具有另一个非常突出的优点, 即它可以有效抑制运动强干扰. 这是因为本文方法无需训练波束变换矩阵, 其当前运算结果与历史快拍数据无关, 这样可以有效避免常规自适应方法中因目标运动所导致的训练数据与应用数据失配的问题.     

基于矢量夹角的三维物体识别

提出了一种基于局部描述符的物体识别算法.算法根据点云位置信息得到其矢量和曲率信息,根据形状索引提取特征点,在每个特征点根据矢量夹角把点云物体分割成不同的曲面片,每个矢量夹角曲面片通过一个二维直方图描述.该图显示了特征点与邻域之间法线矢量夹角对特征点法线矢量与特征点到邻域矢量之间夹角的出现频率.对于给定的一个物体,通过比对预测物体和模型物体的曲面片集描述,可得到潜在的对应模型物体,再通过迭代最近点算法,得到最终的识别结果.     

基于小波变换和矢量量化的语音压缩编码方案

对于一种新的语音压缩编码方法——基于小波变换和矢量量化的语音压缩编码方案进行了开发和研究。该方法先对语音进行小波变换和小波包变换,然后使用矢量量化来压缩数据．我们还研究了使用摘编码方法进一步降低比特率的算法,实验结果表明对于采样频率为８ｋＨｚ,每样本量化为８ｂｉｔ的６４ｋｂｉｔ／ｓ语音信号压缩到６ｋｂｉｔ／ｓ～８ｋｂｉｔ／ｓ时,具有良好的语音质量．同时该算法还具有低延迟的优点,其算法延迟只有８ｍｓ。     

基于相空间邻域的混沌时间序列自适应预测滤波器(Ⅰ)线性自适应滤波

提出了一种基于相空间邻域的线性自适应滤波算法，将时间域变换到高维重构矢量空间，使 得不可能实现的线性预测变成了可能.实验结果表明：这种基于相空间邻域的线性自适应预 测滤波器能够有效预测一些混沌序列，能够检测到一些混沌载波中的信号，具有去混沌噪声 的能力. 关键词： 混沌时间序列 重构矢量 自适应预测     

一种广义旁瓣相消的超声成像算法

针对最小方差和相干系数结合算法在超声成像对比度、分辨率和对噪声的鲁棒性方面存在的不足, 提出一种广义旁瓣相消的成像算法. 首先基于最小方差准则, 构造广义旁瓣相消器, 获得自适应与非自适应两部分加权向量, 然后根据接收信号的协方差矩阵构建特征阈值信号子空间, 并将获得的加权向量投影到此特征信号子空间的左奇异矢量空间中, 获得新的加权矢量. 通过Field II点目标和吸声斑仿真结果表明: 该方法获得的超声图像在对比度、分辨率和对噪声的鲁棒性上均优于传统延时叠加算法及最小方差和相干系数结合算法, 同时将广义旁瓣相消算法获得的加权向量与符号相干系数结合, 还能进一步提高超声图像质量. 最后通过geabr_0实验数据进行测试, 结果表明: 提出算法的分辨率和对比度及对噪声的鲁棒性上均优于传统延时叠加算法及最小方差和相干系数结合算法.     

基于半定规划和秩-1分解的稳健波束形成

针对标准Capon波束形成器在存在导向矢量失配时性能急剧下降问题, 提出了一种基于半定规划和秩-1分解的稳健波束形成算法. 该方法通过对实际导向矢量的估计提高自适应波束形成算法稳健性. 首先分别从干扰抑制和噪声抑制两个方面推导了新导向矢量应满足的约束条件, 并证明了利用矩阵滤波器构造约束条件的合理性; 构造了估计最优导向矢量的优化问题并将其转化为易于求解的松弛半定规划问题, 同时引入秩-1分解理论用于优化问题的求解. 仿真分析表明, 与目前较为常见的算法相比, 本文算法只需利用期望信号可能入射区间这一先验信息, 能获得更高输出信干噪比和功率估计精度. 关键词： 稳健自适应波束形成 半定规划 秩-1分解 导向矢量估计     

基于背景粗糙度估计的红外目标检测算法

在分析海天背景下目标红外图像特征的基础上,提出了一种基于背景粗糙度估计的红外目标自适应检测算法.该算法利用LOG算子进行目标基本轮廓检测,将目标的中心点作为区域生长的种子点,通过背景粗糙度估计自适应确定LOG算子参量,完成目标图像分割.与传统检测方法比较,采用该处理方法进行小目标检测及识别过程的预处理,可以有效地减少运算量,提高检测速度,抑制对不必要的种子点进行区域生长,提高了目标的检测概率.     

基于多帧参考的整帧丢失错误掩盖算法

为了解决视频传输中整帧图像丢失的误差扩散问题,提出了一种基于多参考帧运动矢量外推的整帧丢失错误掩盖算法.通过对多个参考帧的运动矢量外推得到丢失块的候选运动矢量集;采用多参考帧边界匹配准则进行丢失帧和其后续帧的误差估计,并选择丢失块的最优运动矢量;最后采用自适应的重叠块运动补偿方法重建丢失帧.实验结果表明,该算法在恢复整帧图像的同时,有效地降低了视频序列中整帧图像丢失的误差扩散影响,与已有算法比较,该算法恢复的视频序列平均峰值信噪比提高了0.5～1dB,具有更好的错误掩盖效果.     

基于Contourlet变换域的自适应量化索引调制数字图像水印算法

提出了一种新的基于Contourlet变换域的自适应量化索引调制数字图像水印算法.原始二值水印经过扩展置乱、降维和伪随机序列加密,嵌入到宿主图像经Contourlet变换后的低通子带系数中.根据低通子带能量分布特性,对分块低通子带的最大奇异值采用自适应量化索引调制,实现水印嵌入.实验结果表明,该水印算法不仅对嵌入的水印具有良好地视觉保真度,而且对JPEG压缩、低通滤波、加性噪声、重采样、剪切等多种攻击具有很强的稳健性.同时采用量化嵌入策略,水印提取时不需要宿主图像,即可实现水印网像盲提取.     

基于多帧参考的整帧丢失错误掩盖算法

为了解决视频传输中整帧图像丢失的误差扩散问题,提出了一种基于多参考帧运动矢量外推的整帧丢失错误掩盖算法.通过对多个参考帧的运动矢量外推得到丢失块的候选运动矢量集|采用多参考帧边界匹配准则进行丢失帧和其后续帧的误差估计,并选择丢失块的最优运动矢量|最后采用自适应的重叠块运动补偿方法重建丢失帧.实验结果表明,该算法在恢复整帧图像的同时,有效地降低了视频序列中整帧图像丢失的误差扩散影响,与已有算法比较,该算法恢复的视频序列平均峰值信噪比提高了0.5~1 dB,具有更好的错误掩盖效果.     

An adaptive VQ method used on interferential multi-spectral image lossless compression

In this paper, a high efficient adaptive LBG VQ (vector quantization) method is proposed, which is an improved version of the expansion LBG VQ method [1] (proposed in 2009)and exploits the shortest distance from a point to line segment. Moreover, the proposed method is used on the lossless compression of LASIS (Large Aperture Static Imaging Spectrometer) interferential multi-spectral images. Compared with the expansion LBG VQ method proposed in 2009, the experimental results showed that the adaptive LBG VQ method improved the compression performance obviously. And the experiment also showed that when using these LBG VQ methods above without Dual-Direction Prediction [2], the entropy generated by expansion LBG VQ method [1] sometimes will be larger than that generated by traditional LBG VQ method [3], and when using these LBG VQ methods above after Dual-Direction Prediction [2], CR (compression ratio) generated by expansion LBG VQ method [1] sometimes will be less than that generated by traditional LBG VQ method [3], while the entropy generated by the method proposed in this paper will be much less than that generated by either traditional LBG VQ method [3] or the expansion LBG VQ method [1], and CR generated by the method proposed in this paper will be much larger than that generated by either traditional LBG VQ method [3] or the expansion LBG VQ method [1].     

基于谱间DPCM和整数小波变换的超光谱图像无损压缩

分析了干涉成像光谱仪所获取图像的谱间和空间相关性,提出了一种混合无损压缩方案.首先进行谱间DPCM预测,再对残差图像采用整数小波变换,最后对小波系数进行二值自适应算术编码.实验结果表明,该算法可实现无损压缩,压缩比平均可达2.018,较二维整数小波变换算法提高40.3%.并且算法复杂度较低,只有加减和移位运算,易于硬件实现.     

基于运动估计和ROI编码的干涉多光谱图像压缩

根据干涉多光谱图像的谱间相关性和光谱分布特点,提出一种基于运动估计和感兴趣区域编码的干涉多光谱图像压缩方法.为了去除多光谱图像的谱间相关性,采用运动估计法,对补偿后的图像(即预测误差)进行小波变换及率失真优化截取内嵌码块编码.同时采用率失真斜率提升的感兴趣区域编码方法,更好地保护光谱信息,使图像在相同的光谱分辨率下具有更好的空间分辨率.实验结果与基于三维小波变换的压缩方法以及比特平面移位的感兴趣区域编码方法相比,本文所提方法能有效改善恢复图像质量,提高编码效率,更好地保护光谱信息.     

基于分布式信源编码的干涉多光谱图像压缩

根据干涉多光谱图像的特点.提出一种基于分布式信源编码的干涉多光谱图像压缩箅法.干涉多光谱图像序列的相邻图像之间具有明显的平移特性,编码端通过块匹配算法检测出相邻帧间的相对位移量,联合块匹配算法估计的边信息帧进行比特平面码率估计,采用基于率失真提升的感兴趣区域编码,调整图像不同区域的率失真斜率来进行更合理的码率分配.实验结果表明.该算法比传统算法更好地保护了多光谱图像的光谱信息,在不同压缩比的情况下.满足卫星干涉多光谱图像压缩系统要求.易于硬件实现,更适于星上环境的应用.     

实用型模块化成像光谱仪多光谱图像的信噪比估算及压缩方法研究

采用局部标准差法和去相关法对实用型模块化成像光谱仪多光谱图像的信噪比进行估算。这两种方法已将地物变化的影响降低到很低的程度。这样在大气订正后，图像的信噪比性能充分反映出遥感仪器的信噪比性能。针对图像压缩，提出控制各波段恢复图像的峰值信噪比刚好大于原始图像的信噪比，使由压缩算法本身所带来的噪声限制在原始图像的噪声范围之内。结合这种压缩思想，用基于离散余弦变换和基于离散小波变换的压缩算法，对实用型模块化成像光谱仪多光谱图像进行压缩。实验表明，利用这种方法，对于高信噪比的波段，图像信息得到了保真；对低信噪比的波段，压缩倍数提高迅速且恢复图像视觉无失真，对整幅成像光谱图像，压缩性能提升显著——当压缩比等于37．95倍时，峰值信噪比等于45．86dB。     

基于谱间和帧内差分脉冲编码调制的超光谱图像无损压缩

以超光谱遥感图像为研究对象,分析了干涉成像光谱仪获取图像的谱间和空间相关性,提出一种三维差分脉冲编码调制（ DPCM）无损压缩方案。首先进行了谱间DPCM预测;然后,对残差图像进行帧内DPCM预测;最后,对差分码流进行二值自适应算术编码。实验表明,该算法可实现无损压缩,压缩比平均可达1.662,较二维整数小波变换算法提高了15.6％,且算法复杂度较低,仅有加减和移位运算,易于硬件实现。     

一种适于空间多光谱TDICCD图像压缩算法

针对传统遥感图像压缩算法中小波变换和位平面编码没有考虑图像内容特点而导致多光谱各谱段图像边缘和纹理的模糊的问题,提出一种适于成像谱段数相对较少多光谱TDICCD图像压缩算法。提出的自适应提升DWT可以自适应的选择最佳的提升方向,同时根据图像局部特征使用拉格朗日插值策略进行预测,这种方法可以充分的利用图像的纹理信息。提出的码率控制算法可以根据图像纹理复杂程度进行自适应的码率分配。实验结果表明,提出的压缩算法具有良好压缩性能,对于平滑的图像与传统算法相当,对于边缘和纹理程度复杂的图像,性能高于传统算法,在正常工作压缩比为8∶1时,平均信噪比比传统方法平均提高了3.53 dB。有效的保护了多光谱图像的边缘和纹理信息,非常适于纹理复杂的空间多光谱CCD图像压缩应用。     

An efficient adaptive arithmetic coding image compression technology

This paper proposes an efficient lossless image compression scheme for still images based on an adaptive arithmetic coding compression algorithm. The algorithm increases the image coding compression rate and ensures the quality of the decoded image combined with the adaptive probability model and predictive coding. The use of adaptive models for each encoded image block dynamically estimates the probability of the relevant image block. The decoded image block can accurately recover the encoded image according to the code book information. We adopt an adaptive arithmetic coding algorithm for image compression that greatly improves the image compression rate. The results show that it is an effective compression technology.     

适于星上应用的高光谱图像无损压缩算法

针对常见基于预测、变换、矢量量化及其组合的高光谱无损压缩算法压缩比低、压缩算法整体耗时以及硬件实现困难的问题,提出一种适于星上应用的高光谱图像无损压缩算法。首先,沿光谱线的第一谱段图像采用中值预测器进行谱段内预测,其他谱段图像采用谱间预测。谱间预测采用两步双向预测算法,第一步预测采用双向二阶预测器得到参考预测值,第二步预测采用本文提出的改进LUT搜索预测算法得出4个LUT预测值,然后将参考预测值与其比较得出最终的预测值。最后,使用XX-X空间高光谱相机的压缩系统试验设备对该文提出的压缩算法进行了试验验证。结果表明,压缩系统能快速稳定地工作,平均压缩比达到3.05 bpp,与传统方法相比,平均压缩比提高了0.14~2.94 bpp。有效的提高了高光谱图像无损压缩比和解决了压缩算法整体实现困难的问题。     

基于分类和曲线拟合的干涉超光谱图像压缩

根据干涉超光谱图像的特点,提出了一种基于图像分类与曲线拟合的干涉超光谱图像数据分解算法,结合内嵌比特平面编码技术实现干涉超光谱图像的压缩。与JPEG2000一样,该算法实现了有损、无损压缩的兼容。将干涉超光谱图像数据分为主干涉区域与非主干涉区域两类,针对主干涉区域提出了一种相似匹配算法,而对非主干涉区域采用经验模式分解和二次曲线拟合方法进行数据分析,两种分析算法结合起来能够有效地对谱线数据进行分解,从而有利于取得更好的压缩效果。仿真结果表明,提出的算法可以使无损压缩的输出码率降低0.2~0.4bit/pixel,而近无损、限失真压缩的重建图像质量相应提高。