低秩稀疏分解下多尺度积的运动目标检测方法

针对基于矩阵分解的运动目标检测方法易受自然场景中背景的小幅抖动和摄像头抖动等因素影响的问题,提出了一种利用多尺度积的低秩稀疏矩阵分解算法。算法假设,静态背景视频序列中,每帧图像背景可近似视为处于同一低秩子空间中,图像前景则可视为偏离低秩空间的残差部分。首先对图像序列进行滤波、仿射变换等预处理得到视频序列观测数据矩阵;然后对数据矩阵进行低秩稀疏分解得到序列图像的低秩背景部分和每帧图像的稀疏前景部分;最后对稀疏前景部分采用小波变换模极大值与多尺度积方法检测目标边缘,并进行形态学处理,得到准确的运动目标。实验结果表明,算法检测到的运动目标清晰、完整,能有效地处理光照变化、摄像头小幅度抖动、图像背景局部小幅度变化等情况下的运动目标检测。      

阵列方向矩阵Moore-Penrose逆的波达方向估计

针对弱信号且源数未知情况下的波达方向估计问题,传统方法是先估计源数目再进行波达方向估计,但源数目估计的误差会造成波达方向估计精度下降。本文提出一种阵列方向矩阵的Moore-Penrose逆和MUSIC（MUltiple SIgnal Classification）算法的联合波达方向估计方法,充分利用Moore-Penrose逆的盲源数波达方向估计和MUSIC算法的高精度的优势。该方法无需预先估计源数目就可进行波达方向估计。通过仿真实验并与传统方法比较,表明本文提出的方法具有更高的精度,特别是在低信噪比情况下,具有更强的鲁棒性。      

基于RLS自适应算法的音频数字水印检测技术

实现了一种基于音频信号掩蔽曲线的水印嵌入方法，提出了一种基于RLS（递归最小二乘方）自适应滤波算法的水印检测算法，该算法在检测水印时无需原音频文件，实验结果表明，在不影响听觉效果的前提下，这种水印嵌入和检测方法对MPEG压缩，常规滤波，加噪等处理均具有很好的抗攻击性即鲁棒性。     

基于Turbo码的图像数字水印技术

在详细分析数字水印系统等效信道的基础上，提出了一种基于Turbo码的图像数字水印算法．该算法利用Turbo码的纠错性能和人眼视觉特性，以实现静止图像中数字水印的嵌入和提取；在水印嵌入之前，对水印序列进行Turbo码编码，然后利用人眼视觉特性进行水印嵌入，并采用了Turbo迭代译码算法进行水印提取，最后进行了数值仿真和算法比较．实验结果表明，该算法降低了水印在传输过程中的误码率，提高了水印的抗攻击能力，同时较好地解决了水印的鲁棒性和不可见性之间的矛盾．     

一种改进的SAR图像边缘检测方法

针对Ration边缘提取算法对弱边缘检测效果差，边缘定位精度低的缺点，提出了一种改进算法用于检测微弱边缘，并给出具有FCAR特性的阀值选取办法，实际应用中，将两种方法结合为一种综合处理方法，对真实SAR图像的处理结果表明，该综合处理方法具有较高检测正确率及较好的边缘定位精度。     

机载SAR图像中机场跑道的检测

提出了一种基于A／G系数边缘捡测的机场跑道检测方法，利用A/G系数作为参数来抑制SAR图像中speckle噪声的影响，采用非线性边缘检测技术和数学形态学来检测边缘，使用Hough变换检测平行直线确定跑道，结合灰度特征和边缘特征，通过区域生长成机场跑道的结构，实验结果表明在机载SAR图像中采用A/G参数检测边缘能够有效地抑制噪声的干扰，获得较好的图像边缘，同时通过Hough变换和区域生长能够较准确的检测出机场跑道的结构。     

基于区域的MRF模型用于SAR图像分割

本文提出了一种建立在流域算法过分割结果区域图上的马尔可夫随机场模型的SAR图像分割算法.由于将马尔可夫场随机场(MRF)模型建立在预分割的基础上,极大减少了计算复杂度,并利用SAR图像的分布模型建立多层MRF模型,采用模拟退火优化得到MAP估计的分割结果.实验证明较传统的基于像素的马尔可夫随机场分割算法,该方法极大提高了运算速度,并能取得较为满意的分割结果.     

一种改进的S-random随机交织器的设计

本文对Turbo码中的关键部件——交织器作了分析，阐明了交织器在Turbo码中的重要作用。同时，混沌理论是非线性科学中的研究热点，对现代科学产生了广泛而深远的影响。本文基于Henon混沌模型和S-random交织器的设计思想提出了一种改进的交织器设计方法，并将其应用于Turbo码中。通过Turbo码的距离谱和联合界对比，本文设计的S-henon交织器在改善Turbo性能上优于S-random交织器。     

鲁棒主成分分析的铝箔表面缺陷检测方法

为了准确检测铝箔表面的穿孔、污点、亮斑和刮痕等各种缺陷，提出了一种基于低秩稀疏分解的铝箔图像表面缺陷检测方法。铝箔材料生产过程中表面出现缺陷的概率较小，同时一幅铝箔图像中缺陷占整幅图像的比例较小，即铝箔图像背景之间是线性相关的，可近似视为处于同一低秩子空间中，同时图像表面缺陷是近似稀疏的。采用RPCA(Robust Principal Component Analysis)算法对铝箔图像序列组成的观测数据矩阵进行低秩稀疏分解，得到低秩的背景图像和稀疏的缺陷图像。分别对单幅铝箔图像以及由多幅铝箔图像组成的图像序列进行低秩稀疏分解实验，在铝箔图像表面缺陷检测应用中验证所提方法的有效性。实验结果表明，提出方法检测到的缺陷清晰、完整，处理一幅大小为880×540的铝箔图像平均耗时不超过0.7秒，能够实现铝箔表面缺陷的实时检测。同时，算法具有较好的扩展性，能够方便地应用到其他产品的表面缺陷检测中。      

一种基于非参数密度估计和马尔可夫上下文的SAR图像分割算法

在研究传统的基于参数的合成孔径雷达(SAR)图像统计模型基础上,为了精确估计高分辨率SAR图像的统计分布,该文提出了一种结合基于核函数的非参数估计和马尔可夫上下文的SAR图像分割算法。该算法首先采用基于核函数的非参数方法估计SAR图像的统计分布,然后将此统计量作为图像分割的似然函数,利用马尔可夫上下文约束进行SAR图像分割。该文通过软件仿真对新算法和基于参数的统计模型的算法的效果进行了比较。研究发现,基于核函数的非参数估计方法仅仅依赖实际数据,在无法准确获取分布函数解析式的情况下往往具有更好的效果。实验证明,基于核函数的非参数估计方法对高分辨率SAR图像中较为复杂的场景如城区的提取取得了更为满意的结果。