一种新的角点角度快速估计方法

在计算机视觉领域中角点特征的提取具有相当重要的地位。角点的角度是衡量角点特征的一个极为重要的指标 ,常作为阈值决定角点的取舍。文中提出一种新的角点角度估计算法 ,算法中通过对角点边缘链码采用不同的方差的高斯函数进行卷积 ,得到角点位置的偏移 ,并给出由此偏移量计算角点角度值的公式。此算法具有较小的计算量。实验证明此算法在一定场合下能有效地完成对角点角度的估计。最后给出了估计的误差分析。     

线性回归模型中方差变点的连续监测

The paper investigates the sequential observations’ variance change in linear regression model. The procedure is based on a detection function constructed by residual squares of CUSUM and a boundary function which is designed so that the test has a small probability of false alarm and asymptotic power one. Simulation results show our monitoring procedure performs well when variance change occurs shortly after the monitoring time. The method is still feasible for regression coefficients change or both variance and regression coefficients change problem.     

局部形状特征概率混合的半自动三维点云分类

三维激光扫描获取的点云数据可用于数字城市建设、三维模型获取、场景分析与物体测量等领域.但因遮挡和噪声的影响,加之扫描场景复杂,采样精度受限,使得不能直接运用经典的曲面和三维空间理论对点云数据进行有效分析和处理.分类是点云数据预处理的重要方式之一.提取近邻四面体体积、近邻法向量差异度、主方向差异度和主曲率值4个局部形状特征,采用概率混合策略构建了一种点云数据的半自动分类方法,可实现平面点集、柱面点集和其他点集的有效区分.其中,概率混合策略是依据近邻点平均距离和单指标类别一致程度估计每个特征推断形状的概率,通过混合加权,依据概率赋权函数最大值准则进行局部形状推断.可实现用户交互,以便处理不同扫描尺度和精度的点云数据.采用本文方法对模拟生成的点云、单棵树木点云、街道场景点云、旷野自然场景扫描点云以及航空机载扫描点云等多组数据进行了实验,结果表明,基于局部形状特征的概率混合方法对各种点云数据均具有良好的分类效果.     

基于高斯-拉普拉斯-伽玛模型和人耳听觉掩蔽效应的信号子空间语音增强算法

针对信号子空间语音增强算法中的子空间选择和线性滤波器中噪声功率谱和拉格朗日乘子的估计问题,用高斯、拉普拉斯和伽玛模型描述了语音的分布,提出了利用目标语音概率最大化来确定信号子空间维度的方法。在噪声子空间上,利用条件概率估计出噪声功率谱。接着,为了合理地折中增强语音中的残余噪声和语音畸变,提出了一种基于人耳听觉掩蔽效应的拉格朗日乘子估计方法。实验证明,在多项语音质量评价指标上,所提算法都取得了更好的结果。所提的信号子空间算法比传统的信号子空间算法更有效地消除了噪声,使得恢复的语音具有更好的质量。      

LAMOST类星体[OIII]线附近天光背景扣除

扣除天光背景的好坏是影响谱线信噪比很重要的因素,同时由于天光光纤数量有限以及光谱仪漂移等多方面因素的影响导致减天光是光纤光谱数据处理中公认的难点。目前已有的减天光方法主要是针对全谱的天光成分扣除,没有关注在特殊谱线位置上的局部天光情况,尤其是低红移类星体非常重要的[OIII]线附近的天光背景。探索了一种局部精细的天光背景扣除方法,解决了类星体中Hβ-[OIII]的宽线经常受到减天光精度干扰的问题。利用LAMOST减天光前的原始流量以及相对流量改正数据,根据同一观测天区的超级天光光谱对背景进行扣除。实验结果表明,在不同红移类星体中,该方法减天光后Hβ-[OIII]区间的光谱质量相对于原始LAMOST光谱批处理程序都有了明显的提高,这更有利于后续的谱线分析,同时为少部分LAMOST光谱批处理程序没处理好的特殊光谱提供了补充的解决方法。该方法目前已应用于搜寻双峰活动星系核候选体的预处理中。     

天体光谱信号去噪的小波域复合阈值新算法

利用谱线和噪声在小波域内的不同相关特性,提出了一种小波域复合阈值去噪算法。首先将小波系数作NeighShrink阈值处理,然后对得到的小波系数进行二值化,在此基础上定义了每一小波系数所对应的横向相关性指数和纵向相关性指数,最后确定出决定小波系数取舍的决策系数。由于该决策系数是通过多重判据得到的,因此该方法克服了简单阈值方法过保留或过扼杀的缺点,同时可以去除大脉冲噪声,实验结果表明了该方法的有效性。     

具有外生变量部分线性自回归模型的样条估计

考虑自回归模型Y_t=θ~TX_t g(Zt) ε_t,t=1,…,n,其中X_t=(Y_(t-1),…,Y_(t-d))~T,Z_t为实值外生随机变量,θ=(θ_1,…,θ_d)~T为待估参数向量,g为未知非参数光滑函数．基于多项式样条方法,在一定的条件下,给出了θ的估计的渐近正态性,得到了g的估计的收敛速度．模拟例子验证了所得的理论结果．