划分系数与归一化型的比较研究

对J C .Bezdek提出的划分系数 ,基于样本最大分类信息的改进划分系数 ,以及二者的归一化形式的分类性能进行了实验分析 ,结果表明 ,归一化处理的分类性能有明显提高。

均值量化语音信息隐藏算法研究

提出了一种新的均值量化的语音信息隐藏技术.采用对量化区间进行分段调整的方法来减少对载体语音DWT系数的修改量,提高信息隐藏的不可感知性;采用对落在抗攻击能力弱的边界区域的均值进行调整的方法来提高信息隐藏的抗攻击能力.实验结果表明,该算法在信噪比(signal noise ratio,SNR)和归一化相关系数(normalized cross-correlation,NC)等性能指标上较当前的均值量化算法有一定的提高.

基于自适应加权算法的远聚焦超声成像

远聚焦像素(far-focused pixel-based,FPB)成像算法是对成像区域外进行聚焦,对成像区域内的每个像素点进行成像,因此在整个成像区域内均能保持较高的成像分辨率。然而,FPB一般采用直接叠加的方式进行成像,成像质量有待进一步提高。广义相干系数(generalized coherence factor,GCF)加权算法可以有效地改善成像的对比度和分辨率。本研究根据FPB在不同深度时像素点复合次数的不同,提出了基于深度可调节的广义相干系数(adjustable generalized coherence factor,aGCF),该系数可根据成像深度自主调节GCF的计算参数,从而提高该系数的远场性能。再将aGCF和归一化自相关系数(normalized autocorrelation factor,NAF)融合后,进行加权成像。仿真和实验结果表明,新加权算法相比于FPB算法可明显改善成像的分辨率和对比度,相对于传统的GCF算法可在成像区域的近场内提高横向分辨率,远场内改善对比度和背景成像质量。

基于GPU并行计算的智能体个性化信息系统研究

传统的智能信息系统通常使用FPGA混合串联架构进行设计,难以达到对数据进行有效采集和处理的设计要求,存在信息系统运行效果较差等局限。为解决上述问题对智能体个性化信息系统进行研究。利用GPU并行计算方法对信息系统数据进行处理,并创新了智能体个性化信息系统,在智能体个性化信息系统中有效利用GPU并行计算进行图形数据特征信号进行处理,提高对图形数据特征信息的采集和处理的能力,保障智能体个性化信息系统的有效运行。

颜色通道下的无参考图像质量评价

无参考图像质量评价是近年来的研究热点,目前常用的评价算法都是从灰度空间提取特征.为了增加颜色通道信息对图像质量的反馈,分别提取了RGB(Red,Green,Blue)、LAB(Luminosity,A,B)、HSV(Hue,Saturation,Value)颜色空间中各通道下的亮度去均值对比度归一化(MSCN)系数,并用非对称广义高斯分布模型(AGGD)拟合.对拟合得到的MSCN系数统计特征,用梯度提升回归算法训练,得到无参考图像质量评价模型,并将各颜色通道训练模型和灰度空间训练模型的预测分数与主观评分进行比较.结果表明,相比灰度空间,部分颜色通道下的无参考图像质量评价模型的单调性、主客观一致性、稳定性都有一定提升,用RGB_B通道下提取的特征训练的模型性能最好,Pearson相关系数从0.63提升到0.70.

图像模糊及抖动偏移的机器视觉位移监测方法

针对在利用计算机视觉方法进行变形监测时,因相机抖动导致监测结果出现较大偏差的问题,该文提出了一种抗抖动的视觉监测方法。首先,提出了一种通用图像质量评估方法,用以评估图像质量。利用高斯滤波提取出图像均值广义高斯模型提取均值减损对比度归一化系数矩阵,并计算其方差均值作为图像模糊评价指标,进而识别剔除模糊图像。进一步,在清晰图像中选取稳定参考目标,利用尺度不变特征转换特征匹配估计全局抖动参数,修正图像偏移。提出的方法可有效筛选出模糊图像,对图像抖动误差的计算精度较高,可以有效解决视觉监测过程中的相机抖动问题,满足工程变形监测需求。

四元数小波变换优化单目图的无参考立体图像质量评价

通过四元数小波变换分解立体图像的左右视图,获取不同尺度不同方向的幅值相位信息,并结合人眼视觉特性生成单目图;对左右视图和单目图作亮度去均值对比度归一化(MSCN)处理,获取MSCN系数图,采用广义高斯分布模型拟合MSCN系数和MSCN四方向邻域系数乘积,提取统计参数特征(联合峰度、偏度、标准偏差和能量),组成特征向量,通过XGBoost模型预测图像质量感知得分。结果表明,所提立体图像质量评价算法在LIVE3D图像库上优于其他方法,并且运行速度得到大幅度提高。