自适应字典改进Canny算子CT图像分割

算法的基本思路是: 首先寻找合适医学图像的自适应字典并利用稀疏矩阵理论进行图像降噪: 其次根据边缘的特点, 将降噪后的医学图像利用改进的Canny算子对图像进行边缘检测并利用差值把边缘点连接起来; 再次使用区域的连通性将相关区域合并起来; 最后我们将感兴趣区域提取出来. 本文通过介绍基于自适应学习的超完备字典训练算法, 并以此展开研究探索, 深入研究了基于KSVD算法的图像降噪方法, 通过MATLAB平台仿真, 验证了此方法的有效性.     

含山台综合视讯业务系统方案设计与应用

【】 在传统媒体向新媒体融合发展的形势下,广播电视传统业务受到前所未有的冲击和挑战。如何拓展广电媒体业务市场,占领广电舆论新阵地,是同仁们共同关心的话题。本文通过笔者在含山台综合视讯业务系统组建过程中的成功经验,全面阐述了系统组建的具体做法与体会。文章从含山台数字电视的网络环境入手,重点分析了视讯业务系统的技术架构、业务实现类型以及技术特点等。     

基于判别低秩矩阵恢复和稀疏表示的车标识别

针对现有的车标识别方法无法较好地处理阴影、遮挡、污损等情况下识别率低的问题,提出了基于判别低秩矩阵恢复和稀疏表示的车标识别方法。文中采用判别低秩矩阵恢复来纠正效果较差的训练样本,并通过学习一个低秩投影矩阵,将待测样本特征矩阵投影到相应低秩子空间来恢复干净的测试样本。并采用稀疏表示方式进行分类识别。同时,在Medialab LPR Database数据集上进行了对比实验,实验结果表明,该识别方法的性能要优于当前其他识别方法     

结合稀疏表示与匹配梯度分布的图像复原

针对基于稀疏表示的传统图像复原方法无法准确恢 复图像小尺度细节的不足,提出了一种结合稀疏 表示与匹配梯度分布的图像复原方法。首先在稀疏表示图像复原模型的基础上,利用参数化 的超拉 普拉斯分布估计原始图像的梯度分布;然后,通过对图像的梯度分布进行全局约束,利用梯 度直方图匹配 操作匹配图像梯度分布,使复原图像的梯度分布尽可能接近原始图像。仿真实验结果表明 , 本文算法能够取得较优的复原效果, 并且能以较高精度复原图像的细节信息。     

基于稀疏环决策的天空背景红外弱小目标检测算法

针对天空背景红外图像中弱小目标检测的难题,分析了红外目标检测的模型,提出了基于稀疏环决策的目标检测算法。利用数学形态学滤波目标增强方法对图像进行背景抑制,而后采用恒虚警检测方法对滤波后图像进行自适应分割,从而获得候选目标点,然后计算各个候选目标点的局部自相似性描述子,对自相似性描述子归一化、分块之后得到稀疏环表示,利用相应的判断准则可以判别目标点与虚警点。实验结果表明,该算法应用于复杂云层背景弱小红外目标图像能够得到较理想的结果,与移动管道滤波方法相比,能有效区别目标点与固定云层杂波干扰,并且虚警率低,易于实现。     

存在位置误差时的分布式雷达稀疏成像

建立了含有位置误差的分布式雷达稀疏成像模型,分析了位置误差对成像过程的影响,指出在系统参数确定后,位置误差最终等效为一个周期内的相位扰动.通过预先设置位置精确已知的辅助散射点,利用最大似然法对各通道中的误差相位进行估计,生成相位误差校正矩阵,最终实现精确的稀疏反演,仿真试验验证了该方法的有效性.     

稀疏阵列相干信号功率合成栅基仿真技术

稀疏阵列相干信号功率合成栅基仿真技术包括阵列功率合成数学建模、栅格尺度原则选定及计算机仿真实验设计实现等。文中从多点源稀疏阵列交汇区域相干信号的功率合成原理出发,建立其数学模型,设计了栅基实验流程,并对实验中重要参数栅格尺度的选定原则进行了推算分析,为利用计算机无失真地复现多点源功率合成能量分布规律打下了理论基础。     

基于加权l1最小化的低复杂度波达方向估计算法

基于阵列协方差矩阵的稀疏表征和阵列响应矩阵的Khatri-Rao积,提出了一种低运算复杂度的波达方向估计算法.所提算法在减少未知数个数的同时,通过线性变换降低约束方程的维数,可有效减少优化问题的计算复杂度.为充分利用阵列协方差矩阵中蕴涵的信息,使用Capon谱的倒数作为权值构建出了加权l1最小化问题,这使得所提算法在降低运算量的同时能够获得较好的估计性能.仿真实验验证了所提算法的有效性.     

基于分形特征和平均梯度的多聚焦图像融合

研究了基于分形特征和平均梯度组合加权的多聚焦图像融合方法。针对单一特征只能表达图像的部分属性,难以得到理想融合结果的问题,在多尺度变换的基础上,提出了基于分形特征和平均梯度组合加权的图像融合算法。对多聚焦图像进行了融合处理,实验结果表明,该算法优于一些基于单特征的融合算法,进一步提高了融合图像的质量。     

基于小波高频系数统计特征的电路故障诊断

对故障电路进行特征提取与分类是模拟电路诊断的两个重要环节。现有方法多对时域响应信号进行小波变换以提取故障特征,并用神经网络或支持向量机方法实现对故障进行分类。为提高模拟电路故障诊断率,提出一种新的特征选取方法:在模拟电路的时域响应中对其进行小波变换,并对变换得到的高频细节系数统计平均值、标准偏差、峭度、熵和偏斜度等统计特征,并建立以支持向量机为分类器的故障诊断系统。以两种常见电路为例,实验结果表明,提出方法对常见电路进行故障诊断,准确率得到提升,精度达到99%以上,优于传统单纯小波系数分析方法,适用于模拟电路的故障诊断。