基于稀疏差分调制的包装水印算法

在传统的包装印刷领域,印刷条码由于其易损坏、防伪能力弱、占用空间大以及解码时间长等缺点,影响了生产效率。针对这些问题,提出了一种基于稀疏差分调制(Sparse Differential Modulation,SDM)的高效包装水印算法。该技术采用人眼难以察觉但可以通过相机提取的水印嵌入到包装印刷图像中,具有抗破坏性、不易伪造和易于识别等特点。首先,对商品信息、生产日期、防伪标签等数字信息进行编码,生成水印块。通过在与设备无关的CIE Lab色彩空间中微调相应的像素来嵌入水印信息,从而实现了高度的不可感知性和安全性,同时采用了稀疏差分调制在嵌入阶段调制图像的单个通道,这在提取水印时有助于实现图像的精准配准和定位。实验结果表明该算法不仅适用于包装印刷图像的信息存储,也适用于版权保护等领域。

基于稀疏差分和Mean-Shift滤波的Retinex算法在人脸识别中的应用

为了提高在光照变化条件下人脸图像的识别率,针对Retinex算法处理人脸光照图像产生的识别率不高的问题,提出了一种基于稀疏差分和Mean-Shift滤波的Retinex算法。对人脸图像增加部分使用稀疏差分,利用Mean-Shift滤波代替高斯滤波对光照进行估计,通过采用Yale B人脸库、CMU-PIE人脸图像库和AR人脸图像库对算法性能进行测试,该算法具有很好的光照鲁棒性,有效地提高了人脸的识别率。

基于稀疏差分和典型相关分析融合的人脸图像识别

为了进一步提高人脸图像的识别率,提出了一种相关分析融合的人脸图像识别算法。首先通过采用压缩测量数据得到人脸图像,然后通过划分子模式的方法去除图像中的小样本,提取局部特征,采用成分分析提取人脸图像的整体特征,通过算法对人脸图像特征进行融合,从而消除人脸部冗余信息,最后通过3个人脸数据集对算法进行测试。仿真实验表明,本文的算法相对于参比算法,提高了人脸图像识别精度,具有很好的鲁棒性。

稀疏差分网络和多监督哈希用于高效图像检索

针对基于深度哈希的图像检索中卷积神经网络(CNN)特征提取效率较低和特征相关性利用不充分的问题,提出一种融合稀疏差分网络和多监督哈希的新方法SDNMSH(sparse difference networks and multi-supervised hashing),并将其用于高效图像检索。SDNMSH以成对的图像作为训练输入,通过精心设计的稀疏差分卷积神经网络和一个监督哈希函数来指导哈希码学习。稀疏差分卷积神经网络由稀疏差分卷积层和普通卷积层组成。稀疏差分卷积层能够快速提取丰富的特征信息,从而实现整个网络的高效特征提取。同时,为了更加充分地利用语义信息和特征的成对相关性,以促进网络提取的特征信息能够更加有效地转换为具有区分性的哈希码、进而实现SDNMSH的高效图像检索,采用一种多监督哈希(MSH)函数,并为此设计了一个目标函数。在MNIST、CIFAR-10和NUS-WIDE三个广泛使用的数据集上进行了大量的对比实验,实验结果表明,与其他先进的深度哈希方法相比,SDNMSH取得了较好的检索性能。

基于时间和空间方向差分稀疏约束的叠前AVO反演

在叠前AVO反演中,常规的吉洪诺夫正则化方法不能突出异常体在纵向上的边界,并且忽略了地层的横向联系,导致反演结果产生边缘模糊现象。为了解决这一问题,这里基于Zeoppritz方程的Fatti近似公式和贝叶斯理论框架,以模型参数柯西分布作为先验约束,通过引入时间和空间方向的差分稀疏约束保护地层边界,并最终采用迭代重加权最小二乘算法实现纵、横波阻抗的同时多道反演。模型反演结果具有明显的地层边界和分层特征,表明该方法能够解决边缘模糊问题、保护不连续体的横向边界,大大提高了油气预测的准确度。

高超声速滑翔飞行器再入轨迹快速、高精度优化

针对高超声速滑翔飞行器再入轨迹优化问题,提出一种基于稀疏差分法和网格细化技术的快速、高精度求解方法。该方法应用局部配点法将再入轨迹优化问题转化为非线性规划(NLP)问题,从两方面提高轨迹优化的效率和精度。一方面,引入一种高效的稀疏差分法计算NLP的一阶偏导数,提高NLP的求解效率;另一方面,提出一种基于新型广义二分网格的网格细化算法调整离散节点的数量和分布,使得方法能够采用较少的节点数目取得较高的优化精度,从而减小NLP的规模和计算量。应用该方法求解了高超声速滑翔再入轨迹优化问题,仿真结果表明所述方法能够快速生成一条严格满足各种约束的最优三维再入轨迹。在此基础上,研究了滑翔飞行器的再入落点区范围,进一步检验了该方法的有效性。

基于稀疏重建的航空货运量模型研究

压缩感知(Compressed Sensing CS)理论广泛应用于应用数学、图像重建、信道估计以及谱估计等不同领域.在理论方面,依据压缩感知基本理论建立差分稀疏凸优化模型,并推导差分稀疏重建限制子空间特征值的稳定性条件;在应用方面,研究此模型在我国航空货运量建模与预测中的应用,以1998-2007年我国航空货运量的统计数据为基础,利用凸优化理论建立我国航空货运量的差分稀疏模型.通过拟合误差指标的详细比较可知:相对于灰色理论模型、回归分析模型,航空货运量的差分稀疏模型具有更高拟合精度.实验证明,差分稀疏理论可以为航空货运量的短期预测以及航空货运业调控提供有效理论支持.