平移不变空间中信号的min-max插值重建方法

在一般平移不变子空间框架下讨论信号的有限非一致采样重建的问题.基于信号的子空间表示,本文给出一般信号在min-max插值准则下的最优插值方法以及相应的非迭代算法.该方法可以导出著名带限信号的Yen插值.数值实验表明所给方法能十分有效地重建信号.

可细分平移不变样条函数空间的性质和特征

从样条函数理论出发,通过对样条函数的研究,对样条函数可细分平移不变空间作了深入的研究,得到这一空间的线性无关性、稳定性、正交性和对称性等重要性质,及满足这些性质的这一空间的重要特征。

关于最小的α-Mbius不变子空间

根据Mbius不变空间的推广形式α-Mbius不变空间的概念,在由3个参数p,q,s描述的解析函数空间F(p,q,s)的范围内,回答了"最小的α-Mbius不变空间是怎样的空间"问题.

最小的M?bius不变空间到Bloch型空间的一个积分型算子

利用分析和构造检验函数给出了积分型算子Cgφ艺从最小的Mobius不变空间到Bloch型空间的有界性和紧性的一些新的等价条件.这些等价条件更加完整地刻画了Cgφ,也为其他积分型算子的研究提供很好的参考价值.

平移不变空间的非均匀采样

为了从采样值稳定和惟一地重建信号f(x),函数在采样集{xj,j∈Z}上的采样值{f(xj),j∈Z}要满足A‖f‖pLp≤∑j∈Z|f(xj)|p≤B‖f‖pLp.本文研究在平移不变空间Vp[φ]中使上式成立的条件,在几种情况下,得到了使上式成立的采样条件,并建立了由采样值重建f(x)的重建算法,该算法比一般的迭代重建算法收敛更快.

平移不变空间的局部化框架

对多生成平移不变空间VPM(Φ)={R∑I=1∑K∈ZDCIKI(.-K):CI=(CIK)∈LPM(ZD),I=1,…,R}的采样集合进行了研究,其中M是满足M(T+X)≤C(1+|X|)SM(X),T,X∈RD的权函数。证明了当生成元Φ=(1,…,R)的整平移{I(.-K),I=1,…,R,K∈ZD是V2(Φ)的R IESZ基,并且满足局部化条件|I(X)|≤C(1+|X|)-D-S-Ε,Ε>0,I=1,…,R,C为正常数,则其对偶生成元也满足相同的局部化性质,从而利用局部化框架的性质,得到当采样集X是V2(Φ)的稳定采样集时,一定也是VPM(Φ)的稳定采样集合,并且得到了相应的重建公式。

次子空间与不变次子空间的一些性质

本文给出了次子空间与不变次子空间的概念，并探讨了它们的一些性质。

次子空间与不变次子空间的一些性质

本文给出了次子空间与不变次子空间的概念，并探讨了它们的一些性质。

红外焦平面空间积分抽样噪声分析

在凝视型红外焦平面热成像系统的成像过程中,空间采样频率决定于探测单元的物理尺寸和间距。而被探测场景的空间频率往往要高于红外焦平面阵列探测单元重复频率的一半,这种情况称之为欠采样,由此产生的折叠混淆噪声严重损坏了图像质量。在分析凝视型焦平面阵列空间积分抽样理论的基础上,从焦平面阵列结构出发,讨论了探测单元物理尺寸、间距、形状、排列等对空间积分抽样噪声的影响,提出并推导了空间积分抽样噪声测试的中心布里渊区真假频谱积分比法和微位移相关法。

基于小波变换的三维网格物体盲水印方案

提出了一种基于小波变换的3D网格物体鲁棒性盲水印方案。首先将3D物体模型转换到仿射不变空间,抽取三维物体重心到顶点的距离生成一个一维的离散信号;将该离散信号进行小波变换,改变其高频系数以嵌入水印,然后经过小波逆变换生成带水印的3D物体模型。在仿射不变空间下,实现了3D物体模型对平移、旋转、比例变换的鲁棒性,采用小波变换使3D模型具有很强的水印不可见性以及一定的噪声鲁棒性。试验结果表明,该方法不仅对于旋转、平移、比例变换具有很强的鲁棒性,而且具有良好的水印不可见性。

图像不变矩的推广

该文提出了一种快速有效的推导不变矩的方法———三角函数生成法 ,建立了一种不变矩空间 ,总结出不变矩的一般构造规律 ,导出了 5个新的不变矩表达式C8～C12 ,其它高阶不变矩表达形式也可采用类似的构造方案 .在此基础上还得出多种高阶不变矩的表达通式 ,讨论了不变矩的反射变换特性 .并在实验中给出了离散情况下一些图像不变矩的稳定性比较 .利用扩充后的不变矩特征集能更准确地对图像进行分类和识别 .

基于异质特征解构的多模态识别方法

为了解决多模态识别模型因异构模态数据分布之间存在交叉重叠,造成在提取异质特征过程中容易出现特征冗余的问题,提出基于异质特征解构(heterogeneous feature deconstruction,HFD)的多模态识别方法,即构建异质特征解构模型,通过梯度下降的方式训练特性特征提取器,并以梯度反转的方式训练共性特征提取器,提取具有不同模态特质的模态特性特征,以及具有模态不变属性的模态共性特征,进一步利用共性特征增强损失,提高共性特征间的相似度,解决异质特征之间冗余度高的问题。在CMU-MOSEI数据集上的对比实验和消融实验结果验证了基于异质特征解构的多模态识别方法能够有效提升识别性能。

不变矩构造方法的研究

在 7个经典不变矩基础上 ,总结出基不变矩的一般构造规律 ,提出了一种新的推导不变矩的重要方法———三角函数分解法 ,导出了多个新的不变矩表达式 ,提出了不变矩空间的概念 ,讨论了不变矩在图像反转变换下的特性 .利用扩充后的基不变矩特征序列就可以更准确地对图像进行分类和识别 .

一种DCT变换的三维网格物体盲水印方法

提出了一种基于DCT变换的3D网格物体鲁棒性盲水印方案。首先将3D物体模型转换到仿射不变空间,抽取三维物体重心到顶点的距离生成一个一维的离散信号,将该离散信号进行DCT变换,改变其系数以嵌入水印。然后经过逆DCT变换生成带水印的3D物体模型。在仿射不变空间下,实现了3D物体模型对平移、旋转、比例变换的鲁棒性,采用DCT变换使3D模型具有很强的水印不可见性,而且具有一定的噪声鲁棒性。试验结果也表明该方法不仅对于旋转、平移、比例变换具有很强的鲁棒性,而且具有良好的水印不可见性。

Hu不变矩的构造与推广

为了更简洁高效地构造指定要求的不变矩,并判断矩组信息冗余性,推导了实复矩反演关系公式并提出了Hu不变矩构造定理。不变矩多项式和不变矩多项式空间概念的引入,可以赋予不变矩多项式空间代数结构特征。结合组合计数定理,列出了工程上非常实用且没有信息冗余的全部3阶4次不变矩,这是对7个经典Hu不变矩的推广。实验表明,与Hu不变矩的代数不变量构造方法和三角函数系构造方法相比,该构造方法更简洁高效且具有一般性,也更适合判断矩组信息冗余。所构造新不变矩具有较好的鲁棒性,用于图像描述取得了较好效果。

采用前向空间平滑分组的混合信号波达方向估计算法

针对混合信号在估计其波达方向时阵列孔径和信噪比损失严重的问题,提出了一种基于对称均匀线阵的波达方向估计算法。对于独立信号,利用旋转不变性子空间类算法估计出其波达方向;对于多径传播引起的多组相干信号,利用矩阵的差分以及斜投影分组估计出其波达方向。这种利用矩阵差分的算法不仅消除了独立信号对相干信源的影响,而且相比前向空间平滑算法减少了斜投影和空间平滑的次数,降低了阵列孔径和信噪比的损失。该算法还可以与多种平滑算法相结合,降低对阵元数的要求并提高仿真性能。在估计相干信号的波达方向时,利用旋转不变性子空间类算法思想代替多信号分类算法,避免了谱峰搜索,降低了运算时间。仿真结果表明:存在5个相干信源时,在-10dB的低信噪比的情况下,所提算法仅需7个阵元就可获得误差较低的估计结果,而且与多信号分类算法相比节约了大量运行时间。

错层嵌套的空间组合式住宅的设计原理及应用

基于传统标准层式住宅的空间与实用难以兼得的不足,错层嵌套的空间组合式住宅应运而生,较好地解决以上弊端,更加满足高品质生活中的各类需求,具有广泛的实际推广价值。

Laplace方程柯西问题的B样条方法

Laplace方程柯西问题极其不适定,需要有效的数值算法进行求解,本文提出一种B样条方法求解此问题。首先在三次B样条函数生成的平移不变空间中给出柯西问题逼近解的表达形式;然后借助B样条基函数导数可用低阶样条基函数表示及方程的性质,写出问题的变分形式;接着,为了降低噪音的影响,提出Tikhonov正则化方法,以获得稳定的数值解;最后分别对矩形区域和含非光滑边界的区域进行数值实验,证明此方法的有效性。

航空多重模糊图像的恢复

提出一种针对多重模糊图像的恢复算法,以解决航空成像中多重模糊同时作用时的图像恢复问题。对多重模糊的物理模型进行分析,通过分步去模糊对多重模糊图像进行恢复。对空间不变模糊的点扩散函数进行合并,减少多重模糊恢复过程的计算误差累计,通过一次解卷积运算实现多重空间不变模糊图像的恢复。对多重模糊图像在分步恢复过程中所产生的误差噪声进行分析,使用维纳滤波对阶段误差噪声进行抑制,使得恢复图像的峰值信噪比(PSNR)值提高7.76。实验结果表明基于点扩散函数合并的恢复方法能将多重模糊图像的PSNR值提高到28.09,有效地保障了图像的恢复质量。

采用等距二元矢量水听器直线阵的二维波达方向估计

为了减小传统四元矢量水听器阵的尺寸和减少冗余阵元,提出了采用等距二元矢量水听器直线阵的二维波达方向(DOA)估计方法。每个阵元(矢量水听器)由空间共点的一个声压水听器和一个振速水听器构成。其中声压水听器阵可以被划分为2个子阵,它们构成旋转对,旋转因子为包含某一轴方向余弦信息的相位延迟因子。振速水听器阵可以被划分为2个子阵,它与声压水听器阵构成旋转对,旋转因子为另一轴方向余弦。基于旋转子空间不变法(ESPRIT)的思想,采用并行总体最小二乘(TLS)矩阵束方法实现对旋转因子的估计和自动配对,从而实现二维DOA估计。计算机仿真实验结果证明了该方法的有效性。