The Regularized Low Pass Filter

In this paper the low pass filter is discussed in the noisy case. And a regularized low pass filter is presented. The convergence property of the regularized low pass filtering algorithm is proved in theory and tested by numerical results.

高斯感知约束空间异常的相关滤波目标跟踪

针对目标在复杂场景运动过程中容易出现跟踪丢失问题,提出一种高斯感知约束空间异常的目标跟踪算法。以高斯均匀分布为分布规律建立目标特征采样点,采用卷积结构提取目标的外观模型以及权重模型;为了约束空间异常,在目标函数中构建空间正则项,同时更新目标权重模型,减小空间过拟合的产生,增强跟踪器的空间异常适应性;应用加权最小二乘法思想,获得权重响应模型中心,确定目标中心,更新跟踪位置,增强跟踪器鲁棒性。使用OTB2015和UAV20L数据集,与其他主流相关滤波算法相比,该算法在目标运动导致低分辨率、遮挡等复杂条件下,跟踪成功率以及跟踪精度较高。

修正-联合正则化的冲击载荷识别与响应重构

针对传统结构响应重构中正则化方法对冲击载荷峰值识别精度低、非加载区识别结果振荡且识别精度易受噪声干扰等问题,提出基于修正-联合正则化的冲击载荷识别与结构响应重构方法.基于状态空间模型,推导冲击载荷及结构响应的重构方程.对测量响应降噪,利用降噪后响应与识别响应的差值修正L2正则化解.联合L1正则化解的稀疏性优势,在保证冲击载荷非加载区域识别稳定的同时,获得更高精度的峰值识别结果,实现结构动态响应的重构.通过数值和实验案例验证了所提方法的有效性,对比了传递矩阵法和粒子滤波法的响应重构效果.结果表明,所提方法具有良好的抗噪性,能够较准确地识别冲击载荷,有效地重构结构动态响应.

图像优化在红外热成像电机故障诊断中的应用

针对外界噪声造成红外图像不够清晰的问题,以红外热成像在电机故障诊断的应用为例,对采集的红外电机图片分别采用高斯滤波优化、中值滤波优化、TV正则法3种方法对原始图片进行优化,结果表明,3种方法都能很好地提高原始图片的清晰度,其中中值滤波的优化方法在提高清晰度上效果最佳。

动态时空异常感知的相关滤波目标跟踪算法

针对背景感知算法未与目标的时空域特性建立联系,以及无法准确处理遮挡、形变等异常跟踪情况的问题,提出了能够动态感知时空异常的目标跟踪算法。在相关滤波器训练过程中引入动态空间正则项,使其与样本的时空域特性建立联系;结合响应图的峰值唯一性和锐利信息,提出异常感知方法;利用历史滤波器具有不同置信度的特点以及目标在时域中的连续性,通过异常感知方法自适应选择高置信度的历史滤波器作为时间正则化的参考模板,降低滤波器退化的风险。在OTB50、OTB100和TC128测试基准上进行仿真实验,该算法能够适应外观变化、画面杂乱等复杂条件下的跟踪任务,具有较强的鲁棒性和实用性。

船体梁总纵弯曲载荷识别方法及试验验证

基于结构应变动态响应,采用时域反卷积算法建立了船体梁总纵弯曲载荷识别理论模型.结合Tikhonov正则化理论及FFT(快速傅里叶变换)滤波算法,有效提高了载荷识别精度.并采用系列箱型梁结构模型动载试验验证了载荷识别理论模型的有效性.结果表明:建立的载荷识别理论模型可以准确地反演得出施加载荷时程曲线,误差小于5%.

自适应正则化滤波化极方法研究

化极是消除磁力异常斜磁化影响的关键步骤,可以在波数域(频率域)和空间域中实现.相比于空间域,在波数域(频率域)进行化极简单且高效,但在低纬度地区存在不稳定性问题,因此明确低纬度地区的范围,研究稳定、实用、精度高的低纬度地区化极方法具有重要意义.本文通过理论研究得出化极因子振幅的最大值为2时,对应的磁化倾角的值为±45°,当磁化倾角在该范围内时,引起化极不稳定.因此采用正则化思想,提出了自适应正则化滤波化极方法(ARF-RTP),该方法利用化极因子振幅构建正则化滤波函数,并以振幅值等于2作为约束计算化极方法的参数值,从而实现自适应化极处理,提高了化极方法的稳定性及实用性.同时结合迭代算法提高了此方法的精度,有效地解决了低纬度地区化极的不稳定性问题.自适应正则化滤波这一思想不但可以解决化极的不稳定性问题,而且可以解决分量转换或者磁化方向转换的不稳定性问题以及类似数据处理中的不稳定性问题,具有广阔的推广应用前景.

一种基于Bloom Filter的正则表达式集合快速搜索算法

正则表达式搜索算法的性能与从非确定性有限状态自动机(NFA)的初始状态到终止状态的最短路径Lmin成正比,与正则表达式所表达的语言的前缀集合Pref(RE)成反比,而一般情况下Pref(RE)较大,确定Pref(RE)中的元素在目标文本中的出现位置比较困难.文中提出了一种基于Bloom Filter的正则表达式集合搜索算法,此算法利用BloomFilter集合查询时间与集合大小无关的特点,可以快速准备定位Pref(RE)的出现位置,使得搜索速度不受Pref(RE)的影响,如果采用多个Bloom Filter并行,还可以间接增大Lmin.分析与测试结果表明,该算法较大地加快了正则表达式的搜索速度,对于正则表达式集合,算法性能改善尤其明显,在Lmin较长、Pref(RE)较大时,搜索速度可以提高数倍至数十倍,适合大规模的多正则表达式的快速搜索.

基于Bloom filter的高效正则表达式匹配算法

针对确定有限自动机(DFA)的正则表达式匹配技术存在状态膨胀和一次状态转移只能处理单个字符的问题,提出了一种基于布鲁姆过滤器的正则表达式匹配算法。该算法将正则表达式中的每个确定字符串组成DFA的一个状态,添加比特向量完成匹配过程,并且在一次状态转移中根据确定字符串的匹配结果达到处理多个字符的目的。实验分析表明该算法有效降低了DFA状态的膨胀,提高了匹配速率。

基于Netfilter框架的L7-filter模块实现研究与应用

本文介绍了Netfilter框架的工作原理和Netfilter扩展匹配模块的实现机制。L7-filter是防火墙体系Netfilter的一个扩展匹配模块,其功能是利用正则表达式匹配技术基于数据流的应用层内容的过滤。本文分析了L7-filter的原理和实现,并举例说明了如何使用L7-filter匹配各种协议。

基于正则化与恒星日滤波的BDS多路径误差削减方法

在重构的载波相位单差残差基础上,利用分段思想估计北斗卫星的多路径重复时间,分别采用正则化方法和经典小波滤波方法提取载波相位单差残差的多路径信号,得到“干净”的单差残差序列。实验结果表明,利用Tikhonov正则化方法正确提取多路径信号是可行的,多路径信号比原始测量残差更具平滑性,并进一步优化了正则化参数的估计方法。利用优化后的Tikhonov正则化方法与恒星日滤波后,载波相位单差残差平均改进40.5%;坐标残差E、N、U方向分别改进24.8%、26.3%和42.7%。无论是观测值域还是坐标域,优化后的Tikhonov正则化方法较传统的小波滤波方法更具优越性。

基于改进DBSCAN的星载激光雷达数据多尺度滤波研究

星载激光雷达数据滤波过程易受复杂背景、粗差点、噪声点等问题的干扰,导致滤波效果大幅度下降,所以研究基于改进DBSCAN的星载激光雷达数据多尺度滤波方法。采用改进DBSCAN算法对星载激光雷达数据做聚类处理,并标记噪声点,通过半球形邻域算法提取点云数据特征。根据提取到的点云数据特征构建规则格网,通过格网的多路径效应剔除点云数据中的粗差点与噪声点,完成星载激光雷达数据多尺度滤波。实验结果表明,所提方法的星载激光雷达数据多尺度滤波误差较低、滤波效果好,实际应用价值较高。

声波反散射问题的正则化集合卡尔曼方法

集合卡尔曼滤波在处理反问题时存在稳定性不够、对初值集合依赖过大等不足,文章将集合卡尔曼滤波算法与正则化思想相结合处理声波反散射问题。在集合卡尔曼滤波框架中加入正则化思想,根据最大后验估计给出滤波过程的具体计算步骤,并进行仿真实验。仿真结果表明,该正则化集合卡尔曼滤波在处理声波反散射问题时滤波精度、稳定性都优于传统的集合卡尔曼滤波。

纵横比自适应的时空正则化相关滤波算法

在目标跟踪中,传统相关滤波算法无法感知运动目标尺度纵横比变化,且易受复杂环境影响导致跟踪失败。为此,提出了纵横比自适应的时空正则化相关滤波算法。首先,参考平均峰值相关能量(Average peak-to-correlation energy,APCE)和响应峰值对每个特征的响应图进行加权融合,以实现对目标的精确跟踪。其次,结合近正交性和空间正则化提出一种新的一维边界滤波器,通过定位目标包围框的四个边界位置实现对目标尺度和纵横比变化的自适应检测,有效抑制了边界效应带来的负面影响。最后,根据响应输出的峰值旁瓣比(Peak-to-sidelobe ratio,PSR)独立地调节各边界滤波器的学习率,防止模型退化。在OTB数据集上进行了测试,该算法表现出理想的跟踪效果,在各个挑战属性上相较于其他优秀算法均取得了更优结果。

A class of symmetric wavelets and regularity analysis

Presents the generation of wavelet functions using the filter H(ω)=(1+e -iω 2) N｜F(e -iω )｜F(z) is a rational function), and then a class of symmetric wavelets including orthogonal B spline wavelets, and finally the best estimation of regular order obtained by analysing their regularity.

自动全局上下文感知相关滤波器跟踪算法

在相关滤波器跟踪算法中引入正则化后可以有效提高跟踪效率,但需要花费大量精力调整预定义参数,此外还有目标响应发生在非目标区域会导致跟踪漂移等问题,因此提出一种自动全局上下文感知相关滤波器(Automatic Global Context Awareness Correlation Filter,AGCACF)跟踪算法.首先,在跟踪过程中利用目标局部响应变化实现自动空间正则化,将自动空间正则化模块加入目标函数,使滤波器专注于目标对象的学习;其次,跟踪器利用目标全局上下文信息,结合自动空间正则化,使滤波器能及时学习到更多与目标有关的信息,减少背景对跟踪性能的影响;接着,在滤波器中加入时间正则化项,来充分学习目标在相邻帧之间的变化,从而获得更准确的模型样本.实验结果表明,与其他跟踪算法相比,AGCACF跟踪算法在距离精度和成功率方面具备更好的跟踪效果.

畸变感知相关滤波目标跟踪算法

针对现有相关滤波跟踪算法在目标畸变情况下应对能力不足和滤波器模型更新存在误差累积易导致跟踪失败的问题,提出畸变感知相关滤波目标跟踪算法。首先,利用粒子采样构建强化目标信息的空间参考权值,适应相邻帧间目标外观变化,使滤波器专注于学习目标可信赖部分,抑制背景干扰信息;其次,采用交替方向乘子法以较少的迭代次数求解目标最优函数值,优化算法,降低计算复杂度;最后,为进一步增强滤波器的判别能力,设计目标畸变感知策略,通过分析平均峰值相关能量和响应图峰值时序约束来衡量目标受干扰因素影响后的畸变程度,判别当前跟踪结果是否可靠。当目标跟踪定位可靠性较低时,采用粒子滤波对目标进行选择性的重检测。并依据当前跟踪目标畸变程度,自适应地更新滤波器模型。在OTB50、OTB100和DTB70数据集上与多种代表性目标跟踪算法进行对比实验,实验结果表明,该算法的跟踪成功率和精确率较优,在面对实际场景中因多个干扰因素而产生畸变的目标时具有较强鲁棒性。

基于流形正则的堆叠胶囊自编码器优化算法

针对堆叠胶囊自编码器存在检测性能慢、不能更好挖掘图像局部特征的问题,本文提出基于流形正则的堆叠胶囊自编码器优化算法。采用Scharr滤波器对堆叠胶囊自编码器模型中的图像进行重建,加强图像目标检测的精度,并在损失函数中引入流形正则项,从而加强对原始数据空间局部特征的提取,最终使用基于流形正则的堆叠胶囊自编码器学习参数,选择出更加具有区别性的特征。在MNIST和Fashion MNIST数据集上的实验结果显示,该优化算法相比于原网络结构,图像分类准确率分别提高了0.26和9.23个百分点,且模型训练速度也得到较大提高。

自适应正则化稀疏表示的遥感图像SR重建

基于稀疏表示的单幅图像超分辨率(Super-Resolution, SR)重建近年来引起了广泛的关注,并取得了较好的效果.然而,低分辨率(Low Resolution, LR)遥感图像容易受到噪声及模糊的影响,从而导致SR重建结果会出现高频细节丢失的现象.针对这一问题,本文提出一种基于自适应正则化稀疏表示的遥感图像SR重建方法.该方法首先根据提出的步进式图像放大的方法将LR图像放大得到高分辨率(High Resolution, HR)图像的初始估计;然后,构建稀疏表示的SR重建模型,通过评估初始估计HR图像的噪声水平来自适应选择不同的正则项,即梯度直方图正则项或可控方向滤波全变分正则项,对重建图像进行约束;最后,利用迭代收缩算法对提出的模型进行求解得到稀疏编码系数,将学习的字典与稀疏编码系数相乘得到最终的HR图像.实验结果表明,本文提出的SR重建算法获得的结果无论是主观视觉效果还是客观定量评价,都优于一些主流的遥感图像SR重建方法.

基于样本可靠性的时空正则化自适应相关滤波目标跟踪

针对基于时空正则化相关滤波的目标跟踪算法,在解决边界效应时引入的空间权重矩阵无法自适应目标变化和时间正则项超参数固定无法自适应更新,容易引入背景噪声导致模型漂移等问题,提出了一种基于样本可靠性的时空正则化自适应相关滤波目标跟踪算法.首先,该算法通过图像的空间可靠性自适应调节空间权重参考矩阵,自适应空间正则项结合空间权重参考矩阵在一定程度上降低了边界效应的影响.然后,使用前后两帧响应图的变化程度确定时间正则项的超参数参考值,避免模型发生突变造成跟踪漂移问题.最后本文通过交替方向乘子法(ADMM)迭代求解目标函数,保证算法的运行效率.本文算法在OTB2013与OTB2015公开数据上进行了相关实验,大量实验表明:本文算法能够较好的处理复杂环境下的目标跟踪问题,其距离精度和跟踪成功率优于其他对比算法.