剪切波变换和条纹方向二值掩膜的相位解包裹方法

针对条纹投影轮廓术中相位解包裹问题,采用改进的加权最小二乘方法实现了带有阴影和相位不连续的条纹图相位解包裹。提出的方法是利用剪切波变换去除条纹图的背景和噪声,通过引入条纹方向二值掩膜来定义新的加权系数,该加权系数可以准确地区分包裹相位图中连续区域和不连续区域。将提出的新方法应用到模拟和实验获得的条纹投影静态和动态测量过程中,并与5种常用的相位解包裹方法进行比较。实验结果表明,本文提出的新方法能够有效地限制不连续引起的误差传递。

基于独立分量分析与二值掩膜的语音分离

针对欠定混合语音信号模型,提出一种基于独立分量分析和二值掩膜相结合的语音分离新算法.首先,由并列放置的两个全指向性麦克风采集混合声音信号,通过一阶差分麦克风阵列技术使得两路混合信号满足瞬时混合模型;然后,应用两输入两输出独立分量分析方法对两路信号进行分离并估计分离信号的二值掩膜,循环迭代进而提取目标语音信号;最后,合并同源语音信号,增强各独立声源.仿真结果表明:该方法不仅适用于瞬时混合模型,对卷积混合模型同样有效;在瞬时混合条件下信噪比增益平均达到12.41dB,在卷积混合条件下信噪比增益平均为5.28dB.试验结果表明:算法在半消音室环境下能准确分离来自不同方位的三个声源,提取的目标语音都具有较高的清晰度与可懂性.

随机初始化神经网络剪枝的稀疏二值规划方法

传统深度神经网络剪枝方法往往以预训练模型为初始网络并需要在剪枝后进行微调。受到近年来edgepopup等基于随机初始化网络的剪枝算法优异性能的启发,提出了一种基于稀疏二值规划的随机初始化网络剪枝算法。该算法将剪枝训练过程建模为一个稀疏二值约束优化问题。其核心思想是利用稀疏二值规划来学习一个二值掩膜,利用该掩膜可以从随机初始化的神经网络上裁剪出一个未经训练却性能良好的稀疏网络。与之前基于随机初始化网络的剪枝算法相比,该算法找到的稀疏网络在多个稀疏度下都具有更好的分类泛化性能。与edge-popup算法相比,在ImageNet数据集分类任务中,模型在稀疏度为70%时精度提升7.98个百分点。在CIFAR-10数据集分类任务中,模型在稀疏度为50%时精度提升2.48个百分点。

基于掩膜预处理的稀疏表示和压缩感知图像重建

近年来兴起的压缩感知(compressive sensing,or compressed sampling,CS)理论对信号稀疏性的要求,使信号的稀疏表示得到了前所未有的关注。考虑到现实信号往往是非稀疏性的,而压缩感知理论要求被测信号必须满足稀疏性或在某个规范正交基下满足稀疏性,因此信号的稀疏性表示变得十分重要。主要研究探索了二值掩膜预处理的稀疏表示方法。结合二值掩膜的算法去除人眼不敏感的DCT系数,在不影响图像主观质量的前提下提高测量系数的稀疏度。实验表明提出的预处理方法减少了CS的重建时间,并且提高了图像的重建质量。

视频目标检测跟踪程序在多核DSP上的并行实现

高性能多核DSP的通信以及并行执行是多核系统设计的关键。文章分析了视频目标跟踪算法各模块的资源消耗,对各部分算法提出了并行计算的思路;提出改进的二值化掩膜法提取背景图像;提出辅助并行结构以使负载均衡;研究了DSP多核通信的进程间通信(IPC)同步机制,运用流水线并行结构,实现三核同步并行处理系统。通过实验,测试了通信延迟时间,并把目标跟踪程序合理地划分到3个DSP核中,实现并行处理,达到了实时性要求。

视频序列中的背景建模及更新研究

背景建模是视频监控系统中的关键性技术，是实现运动目标检测及跟踪的基础。由于实际应用环境的不同和背景的多样性，难以建立良好的背景样本。本文提出了一种改进的二值化掩膜提取背景的建模方法，既能快速建立背景模型，又能对背景进行实时更新。实验结果表明，上述方法在视频监控系统的运动目标检测中取得了良好的效果。