融合边缘流和归一化割的岩心图像分割

提出一种融合多尺度边缘流和归一化割的图像分割方法。首先采用多尺度边缘流,检测在大尺度和小尺度上均存在的边缘,并在小尺度上定位边缘,再通过边缘连接,得到封闭的边缘;然后把多尺度边缘流分割得到的区域作为归一化割中图的顶点,区域间的相似性度量作为相似性矩阵的元素,大大降低了归一化割对内存的需求,提高了特征方程的计算效率,使归一化割得到实用,同时也降低了边缘流的过分割现象。实验表明,在岩心扫描图像的分割中,该方法能得到很好的效果。     

一种新的自动多阈值图像分割方法

本文提出了一种新的自动阈值图像分割方法.该方法选择二维灰度直方图的最佳一维投影作为输入信息,并利用了小波变换的多尺度特征分析此投影.在大尺度下抑制噪声并自动确定分割类数,在小尺度下精确定位阈值.实验表明新方法能够自动而快速地对图像进行分割而且有较强的抗干扰能力.     

基于最小距离的音频分类方法的研究

基于内容的音频分类是一个有趣并有重要意义的问题。音频分类技术包括音频特征抽取和分类器两个基本部分。如今,基于内容的音频自动分类技术已经有了很大的发展。然而,现有的基于内容的音频自动分类方法在分类的准确性、有效性和算法复杂度等诸多方面存在一定的不足,探索性能更佳的方法就成为了该领域的研究热点。提取了基于内容的音频分类所使用的音频特征,得到了基于帧的音频特征和基于片段的音频特征两个层次的特征,并提出了一种基于MFCC的简化的特征;选取了最小距离分类器中的最近邻分类器和K近邻分类器,对这几种典型的音频分类器进行研究,进行仿真实验,分析了实验结果;最后设计并仿真了经过改进的最小距离音频分类器,它的性能相对于原有的最近邻和K近邻分类器有一定的提高,并具有很低的系统复杂度和很短的分类时间。     

基于内容的数字音频快速检索技术综述

本文通过基于内容的数字音频快速检索专利技术申请文献的检索、统计和分析,依据音频检索流程分析了该技术领域的发展分支,特别针对特征提取、音频分割等技术进行阐述。     

基于小波散射卷积网络的纹理分割方法

针对物体的纹理特征进行图像分割的问题,提出一种基于小波散射卷积网络的纹理分割方法.首先利用小波散射卷积网络提取每个子图像块的散射能量分布特征;然后采用全局阈值处理的Ostu方法,对各层级散射能量特征值矩阵进行分类,得到粗分割结果;最后利用形态学方法消除粗分割中的虚假点,得到细分割结果,从而实现了无监督的纹理分割.实验结果表明,该方法用于纹理图像分割及车牌定位都能获得很好的效果.     

基于距离判断函数的钢轨扣件分割方法

数字化检测技术的不断发展使得点云分割成为三维点云处理的热门研究方向.区域生长算法广泛应用于点云分割,本文针对目前区域生长算法的局限性,提出基于距离判断函数的点云分割算法.使用八叉树构建拓扑关系,引入距离判断函数判断种子点的属性,计算种子点到其切平面的法向距离,将距离阈值作为依据划分平缓点和尖锐点;根据种子点与邻域点法线夹角筛选邻域点,合理设定曲率阈值,确定区域生长准则.选取钢轨扣件为试验对象,钢轨扣件是铁道线路关键连接件,实现钢轨扣件的精确分割有利于优化特征提取.点云分割的试验表明,基于距离判断函数的方法分割正确率增加4.20％,提高了钢轨扣件分割的稳定性和准确性.     

一种基于倒排索引的音频检索方法

传统的基于实例的音频检索算法采用顺序索引,检索时需遍历数据库并导致难以忍受的等待时间。针对传统的顺序的索引方法,该文提出基于倒排索引的音频检索算法。该方法首先利用多种音频特征构成的超向量,通过多层音频分割方法将连续音频流分割为特征数值波动幅度小的短时音频段;然后利用事先训练好的音频字典,将短时音频段序列转换为可以表征音频内容的音频字序列,并建立倒排索引;检索时,将用户提交的查询转换为音频字后利用倒排索引无须遍历数据库即可直接定位候选段落,并根据候选段落与查询的内容相似度大小对候选段落进行排序,将排好序的列表作为检索结果。仿真实验以匹配项排名、同类检索结果比例、定位准确性和检索用时4个方面作为评价指标,实验结果显示,该算法能够在平均1.101 s时间内实现92.58%的检索准确率。     

一种稳健的语立/音乐分类法

提出了一种把音频片段分类成语音或音乐的新系统.系统能自动选取在相应的信噪比下具有最高分类精度的特征参数.将从音频片段提取的特征参数值与门限值相比较进行语音/音乐的分类,其中的门限值与一定的信噪比相适应.介绍了一种新特征参数,即低频带能量率方差,在低信噪比环境下,它对分类精度有很大地提高.考察了系统在不同的信噪比环境下的分类性能.实验结果表明,所提系统分类性能良好.     

采用量子神经网络的音频水印新算法

提出了一种采用小波变换和量子神经网络的音频数字水印算法。首先对分帧的音频信号进行小波分解,利用量子神经网络将音频信号的小波低频系数映射为数字水印;然后利用分类准确小波低频系数替换少量分类模糊的小波低频系数,提高水印检测正确率。实验结果表明,通过合理选择替换门限,可以提高算法的鲁棒性,有效抵御噪声、低通滤波、重采样、重量化等攻击。在无门限条件下,相比BP神经网络的水印检测正确率平均提高约1%。      

基于像素相似性与Graph-Cut的图像自动分割

采用Graph cut的图像分割分为交互式分割与自动分割,为了弥补交互式分割需要用户的参与、分割结果依赖种子点的选取与模型的建立、需要用户的进一步修正才能得到满意结果等不足,介绍基于相似性的自动图像分割。该方法采用Mean-shift平滑图像、转换成YCbCr空间后将图像分割成若干区域块等方法,建立合适的能量函数后利用最大流/最小割定理求最小割。并通过实验证明,该方法在自动性、准确性、时间效率方面都获得较好结果。     

广播新闻语料识别中的自动分段和分类算法

该介绍了中文广播新闻语料识别任务中的自动分段和自动分类算法。提出了3阶段自动分段系统。该方法通过粗分段、精细分段和平滑3个阶段,将音频流分割为易于识别的音频段。在精细分段阶段,文中提出两种算法:动态噪声跟踪分段算法和基于单音素解码的分段算法。仿效说话人鉴别中的方法,文中提出了基于混合高斯模型的分类算法。该算法较好地解决了音频段的多类判决问题。在新闻联播测试数据中的实验结果表明,该文提出的自动分段和分类算法性能与手工分段分类性能几乎相当。     

基于EMGD_HMM的音频自动分类

音频自动分类是解决音频结构化问题和提取音频内容语义的重要手段之一,是当前基于内容的音频检索领域的一个研究热点。在考察音频数据特征的基础上,针对左-右密度隐马尔可夫模型(left-right DHMM)不能很好反映音频中状态反复的缺点,提出了一种基于各态历经混合高斯密度隐马尔可夫模型(EMGD_HMM)的分类器,并应用于语音、音乐和它们的混合声音的分类。实验结果表明,EMGD_HMM的分类精度要优于left-right DHMM。     

压缩域鲁棒音乐指纹算法研究

对互联网海量MP3格式音乐数据进行基于内容的有效检索是当前一个重要而又很少涉及的研究方向.本文提出一种基于MDCT频谱熵的压缩域音频指纹算法,对各种常规频域和时间域的音频信号处理失真具有较强的鲁棒性.模拟实验在包含100首不同中文流行歌曲的音乐数据库上进行.对经受各种严重信号处理失真的粒度为5s左右的查询片段,能够取得超过90%的首位正确识别率.     

An Efficient Time‐Frequency Representation for Parametric‐Based Audio Object Coding

Object‐based audio coding can provide new music applications with interactivity. To efficiently compress a lot of target audio objects, a subband‐based parametric coding scheme has been adopted for MPEG spatial audio object coding. In this letter, the time‐frequency (T/F) subband analysis structure is investigated. A reconfigured T/F structure is also proposed to enhance the generating performance of sound scenes such as ‘karaoke’ and ‘solo’ play in interactive music scenarios. From the experimental results, it was confirmed that the proposed scheme remarkably improves the SNR and sound quality.     

一种电子音响报警器的设计

基于核电站报警系统对电子音响报警器的需求,采用STC12C5608AD单片机和PHILIPS的音频功放芯片TDA1013B进行电子音响报警器的设计。传统的音响报警器一般采用专用音乐芯片来存储报警声音文件,电路构成复杂,若想更改音乐文件很麻烦。本文的报警音响器是采用单片机控制,音乐文件存储在单片机内部存储器中,更改起来很方便,重新烧写程序即可。且电路实现起来非常简单,且可以实现具有4个优先级的报警输入。产品通过了全性能试验,能可靠运行,达到了设计要求。     

基于非线性音频特征分类的频带扩展方法

提出了一种基于非线性音频分类的频带扩展方法,即利用递归图和定量递归分析将音频信号的时间序列分成4类,并分别采用4种方法恢复高频频谱细节,最终利用高斯混合模型和基于软判决的码书映射调整频谱包络和能量增益。主客观测试表明,该方法优于传统的盲目式频带扩展方法,且应用到ITU-T G.722.1编解码器时,音频质量优于同码率下的G.722.1C编解码器。     

基于极坐标域主成分分析的无线通信立体声参数编码技术(英文)

High efficiency audio compression is the basic technology in audio involved multimedia communications. Downmixing and parametric coding is efficient coding scheme with wide applications in some up-to-date audio codecs such as Parametric Stereo (PS) in EAAC+ and MPEG-Surround. Principle Component Analysis (PCA) stereo coding followed this idea to map two channels to one channel with maximum energy and parameterize the secondary channel. This paper investigates the conventional PCA method performance under general stereo model with multiple sound sources and different directions, and then proposes a Polar Coordinate based PCA (PC-PCA) stereo coding method. It has been proved that when multiple sound sources exist with different directions, PC-PCA is better than the conventional PCA method when Mean to Standard deviation Ratio (MSR) is large. A stereo codec based on PC-PCA is proposed to validate the performance improvement of proposed method. Objective and subjective tests show the proposed method achieves a comparative quality and saves 50% parameter bit rate comparing with conventional PCA method, and obtains a 4-8 MUSHRA scores improvement comparing with state-of-the-art stereo codec at the same parameter bit rate.     

基于信息量估计法的MIDI音频隐写分析

为了保障网络信息安全,提出一种针对MIDI格式的专用音频隐写分析算法具有重要的意义。分析了MIDI音频LSB替换机制,提取特征量力度值进行统计分析,采用信息量估计法针对MIDI音频进行LSB隐写检测分析。实验表明,信息量估计法在嵌入率较大时,漏检率和虚警率都较低,可以作为MIDI音频的专用隐写分析方法。