基于三维混沌猫映射的数字图像加密算法

提出了一种新的基于3维混沌猫映射的图像加密方法。该方法采用改进的3维混沌猫映射来提高加密的置乱程度,并把耦合映像格子模型(Coupled map lattice,CML)映射引入加密的扩散过程,明显提高了加密系统的初始敏感性和安全性。仿真结果表明,该方法具有足够大的密钥空间和足够高的安全性,不仅能抵抗差分攻击、选择明文攻击、统计攻击等,而且取得了复杂度和速度的良好折中。

小波包熵在脑电信号分析中的应用

为研究不同脑功能状态下脑电动态非线性特征 ,利用小波包变换的频率划分特性 ,对非平稳脑电信号进行节律提取 ,并计算相对小波能量 ,反映脑电节律间的相对能量关系。结合小波包熵分析脑电在不同大脑功能状态下的脑电复杂程度。实验结果表明 ,小波包分解能更精确地提取特定的脑电节律 ,小波包熵可以准确反映大脑活动的复杂程度。

一种复合各向异性扩散的图像去噪算法

本文提出一种复合各向异性扩散滤波算法,将降斑各向异性扩散(Speckle reducing anisotropic diffusion,SRAD)模型中对边缘敏感的瞬态系数(Instantaneuos coefficient of variation,ICOV)算子运用到了非线性相干扩散(Nonlinear coherent diffusion,NCD)相干模型中,并基于统计学提出ICOV算子的相关系数矩阵对图像的相关度进行度量,系数矩阵的值是每个ICOV算子与其所在行与列的相关度,此相关度的值在边缘附近会取到极大值,这个对图像的边缘检测有很好的度量,根据每个像素与其周围像素的相关度对边缘附近的扩散的强度进行修改,对图像进行更为之有效、更准确的非线性去噪与边缘加强。实验结果表明,与其他各向异性算法相比,本算法可获得更好的性能指标,具有更好的去噪效果和保留边缘功能。

基于DTCW T方向信息的超声图像斑点噪声消除

针对一般的小波去噪方法在去除超声图像斑点噪声时不能有效保持图像边缘信息的问题,本文提出基于双树复小波变换(Dual tree complex wavelet transform,DTCWT)方向信息的超声图像斑点噪声消除算法。利用双树复小波变换6个方向复小波系数的相对方差来确定该点是否位于边缘或纹理上,对低于门限的像素高频复系数置零以实现超声图像DTCWT域的自适应滤波。实验结果表明,与Lee,Frost,Kuan滤波方法相比,本文算法具有明显的优势;在图像平滑效果接近的情况下,本文算法边缘保持度略优于Yu提出的各向异性斑点噪声抑制(Speckle reducing anisotropic diffusion,SRAD)方法。

基于复小波方向信息的SAR图像斑点噪声抑制

针对一般小波去噪方法在去除合成孔径雷达(Synthetic Aperture Radar-SAR)图像斑点噪声时不能有效保持图像边缘信息的问题,提出结合双密度双树复小波变换(Double-Density Dual Tree Complex Wavelet Transform-DD_DTCWT)方向信息进行边缘检测的SAR图像噪声抑制算法。本文对边缘检测指标进行改进,利用DD_DTCWT方向复小波系数的相对方差作为边缘检测指标,通过相对方差分布密度函数获取阈值处理的自适应门限,由此实现SAR图像的自适应滤波。实验结果表明,本文提出的边缘检测和主方向高频复系数提升方法可以有效保持并增强图像的边缘信息。与SRAD算法和基于DD_DTCWT的双变量收缩函数(Bivariate Shrinkage Function-BSF)算法相比较,本文算法具有更好的边缘保持能力。

基于HHT的脑电信号眼电伪差自动去除方法研究

眼电伪差的幅度远大于脑电信号的幅度,会严重影响对脑电信号分析,必须有效地去除。本文利用Hilbert-Huang变换的多分辨率分析特征,根据脑电信号中眼电伪差的时频特性,提出了根据固有模态函数统计特性确定阈值的Hil-bert-Huang变换阈值眼电伪差去除方法。对受到眼电伪差干扰的脑电信号进行经验模式分解,利用Hilbert变换计算不同固有模态函数的瞬时频率,将瞬时频率小于3 Hz固有模态函数的值置零,对瞬时频率小于16 Hz的固有模态函数进行阈值处理。利用处理后的固有模态函数重建脑电信号,实现眼电伪差的去除。实验结果表明该方法对去除脑电信号中的眼电伪差是非常有效的,而且对脑电信号影响很小。

基于Grouplet熵与关联向量机的断口图像识别方法研究

Grouplet变换是通过Haar变换实现的一种二维图像多尺度分析技术,拥有根据图像的纹理结构自适应改变基的能力,从而具有较好的稀疏性。与小波变换相比,Grouplet变换在针对纹理复杂的金属断口图像的识别方面具有更优越的性能;将Grouplet变换与关联向量机结合,采用Grouplet熵作为特征,关联向量机作为识别器,提出了一种新的基于Grouplet熵-RVM的航空构件断口图像识别方法。试验表明:该方法结合了Grouplet变换以及关联向量机的优势,在针对222张断口图像的训练与识别中,识别率达到了85.58%,相比Grouplet熵-SVM方法识别速率提高了5倍。

基于EnFCM的海量图像聚类分割算法的并行研究

图像分割的处理速度成为大规模图像数据处理的瓶颈。本文提出一种基于En FCM的图像聚类分割模型,直接对图像像素的灰度级进行聚类,能显著提高图像聚类分割的处理速度。为进一步提高处理速度,结合En FCM图像聚类分割模型特点,设计了三种并行优化策略——纯MPI并行方法、MPI+Open MP混合编程方法和CUDA并行架构方法 ,使其适合于大规模图像处理。实验结果表明,提出的三种并行优化策略都取得良好的加速效果。

基于斜坡边缘模型的图像插值新方法

基于斜坡边缘模型的经典插值方法把所有边缘归为强边缘,导致弱边缘过分增强而失真。针对该问题提出基于斜坡边缘模型的图像插值新方法(NIIBRED),对强弱边缘采用不同方法,考虑边缘宽度随图像放大而增大的情况,对放大图像进行修复。实验结果证明,NIIBRED使放大图像的边缘更自然且清晰,取得了更好的纹理效果。

高光谱图像压缩方法

针对压缩时不能充分利用图像普相关性、细节信息丢失等问题,提出一种自适应分组Karhun-Loeve变换/整数小波变换(APKLT/IWT)的高光谱图像压缩方法。对高相关性的谱段进行自适应分组,应用改进式KL变换和整数小波变换分别消除谱相关性和图像空间冗余,应用SPIHT算法进行压缩编码,对低相关性的谱段则直接采用三维整数小波变换/三维SPIHT(3DIWT/3DSPIHT)进行压缩编码。实验结果表明,相同压缩比条件下,PSNR值比非自适应的分组KL变换/整数小波变换/SPIHT(KLT/IWT/SPIHT)压缩算法提高了6dB,运算时间减少,压缩性能明显提高。

基于量子遗传的机械故障盲源分离方法研究

针对基于遗传算法的机械故障源分离(GA-BSS)方法存在的不足和量子遗传的独特优势,提出了基于量子遗传的机械故障盲源分离(QGA-BSS)方法,并与传统的GA-BSS方法进行了比较。仿真结果表明,提出的方法优于GA-BSS方法,尤其是在快速收敛性方面,避免了GA-BSS方法早熟收敛,同时也大幅度地减少了计算量。将提出的方法应用到轴承故障分离中,能很好地提纯出轴承故障特征。实验结果证明,提出的QGA-BSS方法是有效的。

基于Harmonic小波时变相干的人脸识别脑电特征提取

经典的相干分析是建立在信号平稳的假设基础上,反映两个随机过程在某一频率成分上的同步关系。在脑电研究领域,相干分析主要用于分析大脑不同区域活动的相关程度及驱动-响应关系。经典的相干分析可以刻画脑电不同区域活动在节律上的一致性,但不能提取大脑活动的瞬时特性。为了提取认知过程中脑电活动的空间-时间模式特征,本文引入脑电信号的时变相干性分析。被测者为10名健康的学生,脑电数据是从一个人脸照片认识或不认识的辨识认知过程中采集的,实验结果表明,在α频带两种辩识过程颞区与其他脑区的信息交流模式呈现明显的差异。

进化计算在复杂机电系统设计自动化中的应用综述

复杂机电系统设计自动化是知识自动化的一个重要分支,在机器人系统设计、高档数控机床设计、智能装备系统设计等方面具有重要的研究意义和应用价值.本文对进化计算在复杂机电系统设计自动化中的应用进行了综述.首先,介绍了几种常用进化计算方法及其优点;其次,对进化计算在电子系统、微机电系统和复杂机电系统三个领域的设计自动化进行了较为系统且全面的总结.然后,以一类典型的复杂机电系统—机器人系统的设计自动化为代表,对进化计算在机器人系统设计自动化的研究发展进行了讨论.最后,针对进化计算在复杂机电系统设计自动化中存在的共性关键问题进行了讨论与展望.

基于共识主动性的群体机器人目标搜索与围捕

群体机器人系统的目标搜索和围捕任务是智能机器人领域一个典型的复杂问题,大多数现有的解决这一问题的方法依赖于一些不现实的假设,如可靠的通信链接、全局坐标信息、已知的环境信息以及机器人之间的中央协调控制.为此,本文提出了一种基于共识主动性的群体机器人目标搜索与围捕框架.该框架对反蚁群算法进行了改进,加入了多种信息素来帮助群体机器人协作探索环境,并生成信息素地图.同时,该框架把在前一阶段生成的信息素地图和分层基因调控网络(hierarchical gene regulatory network,H-GRN)模型相结合,完成了群体机器人在环境信息未知且通信受限的场景中对动态目标的搜索和围捕任务.仿真实验表明,该方法相较于传统方法具有更好的性能表现.

基于三维基因调控网络的智能机器人群体聚合与控制方法

针对传统的基因调控网络模型会导致机器人群体聚合形态在三维空间中不具备泛化性的问题,提出一种基于三维基因调控网络的智能机器人群体聚合与控制方法,并针对集群围捕任务测试了该方法在三维空间复杂场景下的表现.在此基础上使用V-rep平台来模拟真实场景,验证了在加入物理特性后该模型的效能.仿真结果表明,该方法在复杂场景下具有良好的表现.

基于双谱边际谱的Φ-OTDR临近双振源定位方法

针对相位敏感型光时域反射仪(Φ-OTDR)系统无法分别定位间距小于其脉冲宽度的临近双振源的问题,通过分析临近双振源条件下Φ-OTDR信号的高次谐波特征及其在空间中的分布特性,提出一种基于双谱边际谱的定位方法。该方法在不改变硬件器件的情况下,可提高Φ-OTDR系统对临近双振源的分辨能力。实验测试表明:在200 ns脉冲宽度下(对应20 m空间分辨率),无论双振源以不同频率还是以相同频率振动,该方法均能分辨并分别定位相距5 m的2个振源。该研究工作将促进Φ-OTDR在管道安全监测以及结构健康监测中的应用。

基于合作自主定位的群体模式自动生成方法

传统的基因调控网络(Gene Regulatory Network,GRN)模型假设群体机器人具有对环境的全局认识能力,这就要求群体机器人所携带的传感器具有很强的性能.在实际中,由于群体机器人的传感器误差和外部干扰,群体机器人很难获得所在环境的全局信息.为此,我们提出一种基于合作自主定位的群体模式自动生成方法.该方法的优点是每个机器人事先在不知道自身和邻居的位置前提下,通过传感器测量出自身和邻居之间的距离,再利用三点定位方法确定群体机器人位置.所提出的方法是由一个三层基因调控网络模型所构成,即第一层负责群体机器人协作自组织定位.第二层是针对给定环境的自适应生成关于目标的群体模式.第三层是一个无中心化、分步式的控制机制,它驱动群体机器人机动到由第二层产生的群体模式上.最后,通过一些实验验证所提出的方法的有效性.

基于在线调整的群体聚合形态动态生成方法

目前大多数用于群体聚合形态生成的基因调控网络模型(GRN)不仅需要先验知识进行设计,而且在设计前假设环境是已知的。这些局限使在动态的、未知的环境下对GRN的设计往往是一个反复试错的过程。为此,本研究提出一种基于在线优化群体聚合形态动态生成方法。该方法将探测到的目标及其周围障碍物信息作为GRN的输入,通过在线调整策略动态生成适应当前环境的群体形态。首先,该方法设计一个基于在线优化的分层GRN,上层结构负责群体形态的自适应生成,下层结构负责引导群体机器人移到群体形态上。其次,该模型根据所检测到的环境信息,实时、自动地调用两种不同的围捕策略。具体而言,当检测到目标与障碍物距离大于等于预设的安全距离时,通过在线优化GRN的参数,生成自适应的群体形态对目标进行围捕。反之,则采用群体与障碍物合作的策略对目标进行围捕。最后,通过设计两个典型的仿真场景实验进一步验证了所提方法在受限环境下对动态目标围捕的有效性。

约束多目标进化算法修补算子的研究

为了避免约束多目标进化算法陷入局部最优,提出了一种新的边界修补算子.该边界修复算子受到反向学习的启发,把违法盒型约束的解修复到其对应的反向可行边界,以增强约束多目标进化算法的多样性.为了验证所提的修补算子的有效性,在经典的约束多目标基准测试问题CTP2-CTP8上进行了实验仿真,仿真的结果表明所提出的新型的修补算子在多样性和收敛性上均优于现有的边界修补算子.为了进一步验证所提出的新型修补算子,设计了一组约束多目标优化问题MCOP1-MCOP7,作为CTP测试问题的有效补充.在MCOP1-MCOP7上的仿真结果同样表明,所提出的新型边界修补算子同时在收敛性和多样性上要优于现有的修补算子.

结构纹理感知下的鲁棒光流估计及人脸活检应用

目的光流估计是计算机视觉研究中的一个重要方向,尽管光流估计方法不断改进,但光照变化条件下光流计算精度的提高仍然是一个尚待解决的挑战。人脸反欺诈方法对于确保人脸识别系统的安全性十分重要,光照鲁棒的脸部运动光流特征能为人脸活体检测提供有关运动和结构的可靠信息。为了获得对含光照变化视频中物体运动的理解能力并应用于人脸活体检测,提高系统性能,提出了一种基于结构纹理感知视网膜模型的鲁棒光流估计方法。方法基于Retinex理论,通过结构纹理感知方式将图像中的反射分量与光照分量充分解耦。由于反射分量具有丰富的纹理信息且光照分量中包含部分有用的结构信息,因此对所提取的光照分量进行滤波操作后再与反射分量一起融合到光流模型中,有效提高了光流估计的鲁棒性。为使模型所获光流具有更好的边缘保持性,采用光滑—稀疏正则化约束方式进行最小化求解。本文给出了求解优化问题的数值方法。结果采用MPI Sintel数据集图像序列,与PWC-Net、DCFlow+KF和FDFlowNet(fast deep flownet)等主流算法进行对比实验,本文方法在Clean和Final数据集中均得到最低的平均终点误差(end-point error,EPE),分别为2.473和4.807,在3个公开数据集上进行的评测进一步验证了本文方法的鲁棒性。最后,将所提取的脸部运动光流特征在人脸反欺诈数据集上进行了活体检测对比实验,对比实验结果验证了提出的光流估计算法更具鲁棒性,改善了人脸活体检测的效果。结论提出的光流计算模型,在不同光照变化条件下具有良好的鲁棒性,更适合于人脸活体检测应用。本项目代码链接为https://github.com/Xiaoxin-Liao/STARFlow。