基于多方向光源的色纱织物密度图像检测

针对色纱织物存在不同颜色,密度检测具有较大难度的问题,课题组提出了一种基于多方向光源的色纱织物密度图像检测算法。利用织物的3D表面结构来弱化色纱织物的色彩信号,使用正方形分布的4个定向光源在特定的照射角度下对色纱织物进行照明及采样,再把4个图像进行融合,使融合后的图像集成了每张图像中较清晰的部分。对于局部加权回归算法中宽度系数不能因为织物改变而自适应的问题,提出了自适应算法,让不同织物具有适合的宽度系数去平滑其投影曲线。实验结果表明提出的算法准确率可达99. 17%,适合在色纱织物密度检测方面进行推广。

结合Powell-RWACO的图像边缘提取算法

针对蚁群算法在图像边缘提取中经常出现收敛速度慢、检测精度低、停滞等问题,提出一种结合Powell法的排序加权蚁群(rank weighted ant colony optimization,RWACO)图像边缘提取算法。该算法将RWACO与Powell法相结合,利用RWACO算法进行全局优化,然后将全局最优值作为Powell法的初始点进行局部优化。实验结果表明,该算法兼顾了全局优化和局部优化的优点,与蚁群算法和Canny算法相比,明显提高了图像边缘精度,计算效率比蚁群算法提高了两倍多,并克服了其停滞等缺点,能够高效地检测出图像的边缘,从而验证了该算法的可行性,对今后的图像边缘检测具有参考价值。

局部对比度先验下基于低秩模型的红外小目标检测方法

为了解决红外小目标检测算法容易在复杂背景边缘和拐点处误检的问题,本文提出了一种局部对比度与非局部低秩张量模型相融合的红外小目标检测算法。首先采用双窗口结构的局部对比度算法提取目标和背景的局部先验信息。然后在所获取的局部先验信息约束下,对标准的红外块张量模型进行重新构建,并通过引入加权张量核范数最小化来进一步抑制背景和提高迭代效率。最后,将目标和背景的分离问题,转化成了一个张量鲁棒性主成分分析问题,并用交替方向乘子法实现该问题的求解。实验表明,在不同的复杂背景下,本文方法的性能均优于现有的典型红外小目标检测方法。

一种可扩展的广义空移键控调制系统设计

5G车联网中的不同传输业务对高可靠、可扩展和低功耗的通信性能有较高要求,为此,设计一种新型高可靠、可扩展的广义空移键控调制(GSSK)系统。在发射端提出一种基于Butson Hadamard矩阵的广义空移键控调制(BHSSK)方案,通过引入具有正交性和可扩展性的Butson Hadamard矩阵,采用循环加权方法构造符号选择矩阵,将矩阵的列作为符号向量并调制到激活的天线组合上进行发送。针对检测复杂度对车联网下通信可行性的影响,在接收端提出一种基于方向夹角加权排序检测(DWOD)算法,通过设计发射天线组合的权重因子构造天线组合搜索空间,并设置判决收敛门限以减少信号检测的搜索范围,在保证可靠性的同时降低检测复杂度。Matlab仿真结果表明,BHSSK以较少的天线实现相对较高和可扩展的频谱效率,相比GSSK、GSM、MA-SM和HSSK分别达到约8dB、3dB、3dB和0.6dB的误码率性能增益。DWOD算法在达到近似最优误码率性能的同时,其复杂度减少了约40%~70%。

广义加权鲁棒主成分分析(GWRPCA)的模型与算法

文章基于加权鲁棒主成分分析(WRPCA)模型与广义鲁棒主成分分析(GRPCA)模型,构建了广义加权鲁棒主成分分析(GWRPCA)模型,增加了模型的鲁棒性,并运用随机排序的交替方向算法对新模型进行求解.数值实验结果显示,新的模型GWRPCA对混合噪声污染的图片不仅能够有效的分离出低秩部分,稀疏大噪声部分和稠密小噪声部分,而且GWRPCA的图像去噪效果更佳.客观标准上GWRPCA的PSNR值与ERR值也优于WRPCA与GRPCA模型.

一种结合空间与光谱信息的改进CVA变化检测方法

基于变化向量分析(CVA)的变化检测方法通过直接比较像素差异,能够快速提取多时相影像间的变化信息。尽管如此,由于忽略了像素领域的空间上下文信息及波段之间的差异性和互补性,导致检测结果中难以消除噪声等因素产生的"伪变化"。为此提出了一种结合空间和光谱信息的改进CVA方法。首先,采用主成分分析法对影像进行增强,继而通过构建一种新的多方向差分描述子来提取中心像素的空间上下文信息;在此基础上,提出一种基于相关性的加权融合策略,获得统一的变化强度差分影像;最后,采用EM算法求得变化像素的阈值,继而得到二值检测结果。实验结果表明:所提出的算法能够有效应对"伪变化"的干扰,显著提高变化检测的精度及可靠性。