基于张量分解的跑动行为检测

异常行为检测是智能安全监控的重要内容,而异常行为特征的提取是一个难点.张量作为高维数据的自然表现形式能有效保留数据的结构信息提取到运动目标.本文将张量分解应用于数字视频处理,然后对稀疏前景张量时间轴方向上的纤维束做频域处理进一步优化运动前景;最后使用多层卷积神经网络结构对运动目标的跑动行为进行识别.仿真对比实验证明了基于张量分解的方法比传统方法处理效果更好、在实测视频中本文跑动行为识别率达到81.4%.

高光谱图像稀疏信息处理综述与展望

高光谱成像技术具有光谱连续、图谱合一,能够以较高的光谱诊断能力对地物目标进行精细化解译,可以大幅增强地物信息的提取能力。充分利用高光谱遥感图像丰富的空间、谱信息,进行观测目标地物的精细化解译,成为近年来遥感领域的研究热点和前沿领域,并在多个相关领域具有巨大的应用价值和广阔的发展前景。本文结合高光谱图像成像特点,对基于稀疏表示理论的高光谱图像处理与分析方法进行综述,概括了高光谱图像处理与分析主要研究,并对各个研究领域与方向进行分析和评价,最后对各研究领域发展提出建议和展望。

一种基于L_1范数的目标源测向算法

在高维信号处理中,为了有效地估计信号的角度,提出了基于L_1范数的二阶锥规划算法(L_1-SVD).该算法将稀疏重构用于目标源测向技术,在窄带信号的模型基础上,引进稀疏域模型,将一个高维信号的角度估计问题抽象成欠定方程组求解问题.经Matlab仿真验证,与其他最小范数法以及经典多重信号分类算法相比,该算法在较大的信噪比范围内都能取得较低的重构误差和较高的成功概率,对相关性较大的信号也能进行识别.这证明了该算法能够有效地实现目标源测向.