结合空间域与变换域特征提取的盲立体图像质量评价

针对立体图像质量预测准确性不足的问题,该文提出了一种结合空间域和变换域提取质量感知特征的无参考立体图像质量评价模型。在空间域和变换域分别提取输入的左、右视图的自然场景统计特征,并在变换域提取合成独眼图的自然场景统计特征,然后将其输入到支持向量回归(SVR)中,训练从特征域到质量分数域的预测模型,并以此建立SIQA客观质量评价模型。在4个公开的立体图像数据库上与一些主流的立体图像质量评价算法进行对比,以在LIVE 3D Phase I图像库中的性能测试为例,Spearman秩相关系数、皮尔逊线性相关系数和均方根误差分别达到0.967,0.946和5.603,验证了所提算法的有效性。

基于变换域特征的星空背景弱小目标检测算法

针对CCD光电序列探测图像中的弱小运动目标检测问题,提出了一种运动星空背景下的基于变换域特征的弱小目标检测算法。在变换域中以星点到参考恒星的变化距离为特征信息,根据恒星和目标的运动特性构建的相似性度量函数进行潜在目标点划分,通过轨迹关联最终完成弱小目标的检测。实验结果表明,该算法充分考虑了恒星、目标和噪声的灰度和运动特性,能有效的实现运动星空背景下的弱小目标检测。

子空间域相关特征变换与融合的语音识别方法

为了提高语音识别准确率,提出了一种子空间域相关特征变换与融合的语音识别方法(MFCC-BN-TC方法)。该方法提取语音短时谱结构特征(BN)和包络特征(MFCC)分别描述语音短时谱结构和包络信息,并采用域相关特征变换的形式分别对BN和MFCC特征进行特征变换;然后对这种变换进行泛化扩展提出子空间域相关特征变换,以采用不同的时间颗粒度(帧和语音分段)进行多层次区分性特征表达;最后,对多种区分性特征变换后的特征进行联合表征训练声学模型,并给出了区分性特征变换与融合的一般框架。实验结果表明:MFCC-BN-TC方法比采用原始BN特征方法和采用MFCC特征基线系统方法,识别性能各自提高了0.98%和1.62%;融合MFCCBN-TC方法变换以后的语音信号特征,相比于融合原始特征,识别率提升了1.5%。

基于图像化特征的雷达信号个体识别与工作模式识别方法

为解决传统复杂雷达信号特征参数提取困难而无法有效进行个体识别和工作模式识别的问题,提出一种基于图像化特征的雷达信号个体识别与工作模式识别方法.首先,利用变换域特征提取将雷达时域信号映射到图像域;然后,通过协同训练来对雷达信号进行个体识别;最后,在个体识别的基础之上,采用图像化特征重构方法和图像分类技术完成对工作模式的识别.实验结果表明,13类个体识别中,利用ResNet和BiLSTM网络协同训练的识别准确率能到82%以上;4类工作模式识别中,利用ResNet网络的识别准确率能到95%以上.

结合LBP和Brushlet的自适应图像检索

针对时域和频域纹理特征的优点和互补性,提出一种结合局部二值模式(LBP)和Brushlet域系数统计特征的自适应纹理图像检索方法。利用Brushlet变换得到各个子带的能量作为频域特征,提取图像的LBP直方图作为空域特征,并采用改进的Canberra距离进行度量,使用闭环反馈实现图像的自适应检索。实验结果表明,与LBP方法和Brushlet方法相比,该方法的平均检索率分别提高8.93%和18.66%。