基于纹理信息的图像自适应分块压缩感知算法

针对传统分块压缩感知算法中对各图像块分配相同采样率,限制图像重构质量的问题,本文提出一种基于纹理信息的采样率自适应分块压缩感知算法。在观测端将图像一维灰度熵和标准差作为纹理信息量的衡量标准,使用K-means++算法将图像块按照纹理信息的相似性分为3类;结合边缘信息为3类图像块分配自适应采样率,并进行采样率二次分配;在重构端为缓解重构图像产生的块效应,采用分层分块结构结合改进的平滑投影Landweber算法进行重构。实验结果表明:在不同的采样率下,本算法重构图像在客观重构质量和主观视觉效果上均有一定提升,重构图像的块效应也得到缓解。

SLAM精度的向量加权平均自适应调节研究

针对粒子滤波算法需要大量粒子以提高精度以及重采样导致的粒子多样性缺失的问题,提出一种自调INFO(向量加权平均算法)优化的粒子重组粒子滤波算法。首先,通过向量不同的加权平均规则,使得最优粒子引导粒子集向期望区域移动,以此提高估计精度;其次,实时计算最优粒子附近的粒子密度,当密度大于阈值时,自适应调整迭代次数,实时监测粒子密度,根据此指标引入次优粒子的作用自适应调整粒子集分布;最后,重采样阶段将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性。通过仿真实验检验改进算法在SLAM中的性能,结果表明该算法较标准算法相比,其位姿与路标估计精度更高且鲁棒性更佳。

基于模糊自适应反步算法的多电机同步控制

针对多电机系统中,参数摄动和负载转矩变化会影响整个系统的跟踪精度和速度同步问题,论文设计一种模糊自适应反步控制方法。三台电机采用平均偏差耦合的结构,将其速度进行均值处理,然后再通过速度误差补偿器进一步地增强系统速度的同步效果。将模糊自适应反步算法应用到控制结构中,对系统由于扰动所带来的速度误差进行精准调节。在仿真实验中与传统滑模算法、传统的反步算法进行对比分析,研究结果表明:模糊自适应反步控制策略具有精度高、同步误差低、抗干扰性能好等特点。

混合策略改进的减法平均优化算法

减法平均的优化算法(Subtraction-Average-Based Optimizer,SABO)是一种新的元启发式算法,具有参数少、易实现、结构简单等优点,为了进一步提高SABO算法性能,提出了一种混合策略改进的减法平均的优化算法(HSABO)。首先,在种群初始化时,通过引入Tent混沌映射,使初始化种群成员能够均匀分布;其次,在计算种群新个体位置时,加入了自适应惯性权重,提高了算法的局部搜索能力;最后,引入透镜成像反向学习策略,对新个体位置以一定的概率进行扰动变异,避免陷入局部最优,增强算法全局探索的能力。通过14个标准测试函数,对改进算法与其他优化算法进行测试比较。仿真结果表明,HSABO算法是可行有效的,相比于其他基本算法,其寻优精度和收敛速度都有了很大的提高。

基于自适应混沌粒子群算法的冷却剂平均温度预测控制

为提高核反应堆预测控制求解最优控制律的效率和准确性,将堆芯预测模型拓展为冷却剂平均温度预测模型,基于自适应混沌粒子群算法,结合反应性增量约束条件和在线参数辨识对预测控制系统进行滚动优化,最终实现冷却剂平均温度的预测控制。通过MATLAB平台进行模型仿真,实验结果表明,滚动优化过程中改进的混沌粒子群算法能够快速、准确地寻优;在负荷升、降过程中,该控制方法也保证了冷却剂平均温度快速、精准地跟踪设定值变化。

采用结构自适应块匹配的非局部均值去噪算法

该文提出一种具有图像结构自适应性的非局部均值去噪算法。通过采用图像块间的多尺度匹配来描述图像中局部结构的相似性,增强非局部均值算法对复杂结构特征的辨别能力,实现去噪性能的提高。算法首先引入变差系数(CV)特征并提出CV-Kmeans区域分类算法,将图像划分为包含边缘及纹理的结构区域和平坦区域;在结构区域进一步根据不同尺度下图像块间的平均欧氏距离来自适应选择块尺寸;在此基础上获得新的非局部均值算法,用以去除图像噪声。实验结果表明,相比经典的非局部均值算法,基于块间概率相似性的改进型非局部均值算法以及基于区域自适应的非局部均值去噪算法提出的新算法提高了去噪性能,尤其是在纹理图像的去噪上具有明显优势。

一种基于块分类的自适应数字水印算法

提出了一种采用可视模板作为水印信号,利用人的视觉系统特性,将图象块进行分类,通过在不同类图象块DCT域中修改中频系数来嵌入不同强度水印的算法,可分别应用于私有水印和公有水印。实验结果表明,应用所提出的算法实现的水印对常见的图象处理和噪声干扰具有较好的鲁棒性。

一种减少块效应的自适应后处理算法

针对在基于块变换的图像编码技术尤其在甚低速率视频编码技术中 ,块斑严重影响图像的主观质量问题 ,提出了一种复杂度低且效果比较明显的消除块效应的自适应后处理技术。模拟结果表明 ,该方法能够同时提高图像的客观峰值信噪比和主观视觉效果 ,具有较高的实用意义。

基于块特性与自适应搜索窗口的运动估计算法

提出了一种基于块特性与自适应搜索窗口的运动估计算法(Motion estimation algorithm based on blockcharacteristic and adaptive search window,MBC-ASW),该算法在充分利用视频图像的时间、空间相关性的同时,根据运动向量的统计特性,分别在帧层和块层进行自适应搜索窗口的粗调与微调,并且针对不同的块进行相应的编码处理。在PC上利用C语言实验验证了该算法的可行性,评估了其性能,并与经典的全搜索算法(Fullsearch motion estimation,FS)、三步搜索算法(Three step search,TSS)、新三步搜索算法(New three stepsearch,NTSS)和钻石搜索算法(Diamond search,DS)进行了详细的比较,该算法在性能和效率上均有较大程度的提高,对不同的序列具有较强的自适应性。

多解析度自适应零块判决算法

在视频会议等应用中,视频编码的速度是保证系统实时性的关键.为了减小视频编码的运算量并提高系统的整体性能,提出了多解析度的自适应零块发现判决算法.多解析度通过对图像的子采样从而大幅度降低了搜索最佳匹配块的次数;而自适应的零块判决算法使得运动搜索速度收敛的更快,在不影响图像质量的前提下提高了编码的效率,并且减少了后续模块(DCT、量化等)所占用的时间.利用H.263算法进行了测试,结果显示在图像主客观质量基本不变的前提下,编码时间最多减少了近40％.

基于平均熵的自适应人工蜂群算法

针对基本人工蜂群算法容易陷入局部最优和早熟等问题,提出一种改进的人工蜂群算法(ASABC)。利用平均熵机制初始化种群,增加种群的多样性,避免算法陷入早熟;同时,采用自适应调节邻域搜索步长的策略来提高算法的局部搜索能力,提升算法的计算精度;为了平衡算法的全局搜索能力和局部搜索能力,引入自适应比例选择策略来代替人工蜂群算法的适应度比例选择方法。对8个标准测试函数的仿真实验结果表明,与3种常见的智能优化方法相比,改进的算法具有显著的局部搜索能力和较快的收敛速度。

用逐级消除平均误差的LMS自适应算法检测瞬态信号

瞬态信号由于短时性、宽频带和相关性强之特点，实际的检测往往比较困难。本文是在LMS算法的基础上，以逐级消除平均误差为准则，对算法进行修正，并根据权向量的收敛过程和权向量误差的有关分析理论基础上，提出了反向滤波的方法。实验表明该滤波算法能有效地提高精度，反向滤波方法能有效地克服了正向滤波权向量不收敛现象。

自适应块匹配搜索算法研究

为从视频序列提取运动矢量,进行有效的视频检索,对现存的运动特征的提取算法存在的问题进行了分析,提出了基于自适应块匹配搜索的全局运动特征提取方法。实验表明该算法在大大提高搜索速度的同时,能够获得几乎与全搜索算法相同的峰值信噪比(PSNR)。

一种稳定的变步长块LMS自适应算法

针对LMS自适应滤波算法在输入信号高度相关时,收敛速度下降导致性能下降,本文从基本的块LMS算法开始,简要介绍了块LMS算法的实现方法,在此基础上重点分析了在变步长块LMS算法中,影响步长因子的要素。提出了一种新的变步长因子迭代算法(SVBLMS),该迭代算法充分考虑输入信号和误差信号对变步长因子的影响,并且迭代的结构简单,计算量小。通过Matlab仿真,仿真结果表明,该迭代算法较其它块LMS算法有更快的收敛速度,更稳定的收敛过程。当输入为有色信号或输入噪声较大时,本算法都能保持良好的性能。

适应度平均选择的离散差分演化算法

如何将差分演化算法用于离散领域是该领域的一个重要问题.提出一种适应度平均选择的离散差分演化算法,提出的算法中每个个体有均等的机会被选择用于引导算法的进化,这种选择方式有助于克服贪婪选择操作导致的种群多样性下降过快而使算法易陷入局部最优的问题.最后在多维背包问题上的实验结果表明提出的算法具有良好性能.

会议电视编码中的块自适应递归算法

本文提出了一种计算会议电视位移矢量D的新算法。这种新算法称为块自适应递归算法。模拟结果表明,这种新算法比现有的同类算法有更好的性能。

自适应图像分块压缩算法的实现和性能分析

自适应图像分块压缩算法是一种根据区域特征自动调整DCT变换尺寸提高编码效率的图像编码方法,该文提出了这种算法的快速实现方法,分析了这种编码方法的算法复杂度和编码效率,并用标准图像进行了测试。

基于块自适应滤波的核最小均方算法

核最小均方(KLMS)算法在非线性系统中收敛性能较好,但其使用瞬时梯度估计均方误差梯度,导致随机性较大。而块自适应滤波理论利用多个输入-输出的误差来估计均方误差梯度,可降低KLMS算法稳态误差。为此,将块自适应滤波理论运用到KLMS算法中,提出核块最小均方(KBLMS)算法,根据最陡下降法原理推导出KBLM S权矢量更新公式,使用核方法计算得到滤波器输出表达式,并通过并行处理减小算法计算复杂度。仿真结果表明,KBLMS算法可有效提高KLMS算法的稳态性能,并且相比块最小均方算法具有更低的误码率。

基于不规则子块的农作物图像自适应增强算法

在对直方图均衡化算法基本原理深入分析的基础上,结合图像灰度值分布特征,提出一种改进的直方图均衡化增强算法,该算法首先引入自适应维纳滤波算法,对所获取的降质农作物图像进行预处理,以尽可能排除随机噪声;然后提出一种基于图像灰度信息的自适应子块获取方法,通过图像中灰度值的分布特点来自适应确定子块,对各子块分别进行直方图均衡化处理,从而获得高清晰度的农作物图像。采用峰值信噪比及均方根误差等指标,将图像自适应增强算法与自适应维纳滤波算法、直方图均衡化算法及其改进算法对降质农作物图像的处理性能进行定量评价,结果表明,图像自适应增强算法在去除噪声的同时能够有效提高图像对比度,对于农作物图像处理具有一定的借鉴价值。

OFDM系统中基于最小平均误码率的自适应预处理算法的研究

提出了一种基于最小平均误码率的自适应预处理算法,并将该算法应用于自适应OFDM系统,在频率选择性衰落信道条件下,与等功率分配的OFDM系统相比,误比特性能有了很大程度的提高。