一种高重构质量低复杂度的高光谱图像压缩感知

针对高光谱图像谱间相关性较强的特点,提出了一种基于谱间预测的压缩感知算法.编码端通过线性预测算法,估计出相邻波段的预测系数作为辅助信息传送到解码端,再对图像进行独立地随机观测和量化.解码端根据预测系数和已重构相邻波段,估计出当前波段的预测波段,用来修正重构算法的初始值和收敛准则.最后用改进的重构算法解码当前波段.实验结果表明,在相同观测值数目下,该算法的PSNR提高了大约1.2 dB,解码复杂度明显降低,而且编码复杂度低、易于硬件实现.     

连续相位QPSK调制的简化接收机

针对连续相位QPSK(Continous Phase QPSK, CPQPSK)调制传统最佳接收机复杂度随整形脉冲长度呈指数增长问题,提出了基于劳伦特分解的简化接收机．通过将劳伦特分解应用到CPQPSK方案,推导出了CPQPSK信号PAM叠加的形式,得出了基于劳伦特分解的全响应CPQPSK最佳接收机．根据PAM信号被调制脉冲的特点,当仅选用其中部分滤波器,得到了降低复杂度的全响应CPQPSK接收机,并对接收机的性能进行了计算机仿真．仿真结果表明在信噪比较高的情况下,仅用3个匹配滤波器的简化接收机就可以达到用8个匹配滤波器的最佳接收机的性能．     

一种基于小波变换的序列图像中小目标检测与跟踪算法

该文提出了一种快速检测序列图像中低信噪比(2dB)小目标的算法。采用小波滤波器对每帧图像滤波,提高目标的信噪比,降低了低信噪比小目标检测算法的运算量;采用固定长度的假设检验算法,生成起始航迹,有效地避免航迹的漏检;采用截断序贯似然比检验,形成确认航迹。仿真结果表明应用此算法,可快速实现信噪比小于2dB的小目标(22)的检测与跟踪。     

基于JPEG2000的高精度整型小波变换

为了提高JPEG2000中的CDF-9/7整型小波变换的精度,分别分析了其中规整化乘运算和提升步两部分影响精度的因素。对于规整化乘运算,提出了有利于提高精度的一步式规整化乘的改进方案。同时,通过优化选取数据的扩展位数和乘法宽度,进一步提高了提升步精度。在JPEG2000中的测试表明使用该方法设计的整型小波具有较好的性能。     

CAMSHIFT与基于核的目标跟踪算法的比较与分析

CAMSHIFT和基于核的目标跟踪是两种经典的基于Mean Shift的目标跟踪算法,它们的实现过程有许多类似之处。为了说明在实际应用中如何选择合理的跟踪方案,从目标模型、候选模型、核函数、迭代过程等方面对二者进行了深入的比较和分析,指出了二者的特点和区别,对于正确理解和使用这两种方法将会有一定的帮助。     

自适应任意形状ROI编码

在率失真ROI编码算法的基础上结合传统比特平面提升ROI算法提出了一种新的自适应任意形状感兴趣区域编码压缩算法．该算法可根据目标图像的感兴趣区域大小和形状,进行自适应选择,分别对小波系数的低频子带和高频子带依据位于不同区域进行不同的编码,使得在保护特定目标图像信息的同时获得更高的压缩效率．试验结果表明,在16∶1和32∶1的压缩比情况时,该算法可很好满足军事卫星遥感图像压缩系统要求．     

一种基于低复杂度嵌入零块编码的遥感图像压缩编码方法

该文针对遥感图像的数据特点,提出了一种新的遥感图像编码方法。它基于一种改进的小波变换嵌入零块编码算法。新算法中改进了零块编码中四叉树分裂算法(quadtree),并设计亍新的链表生成和不重要集合排序策略。通过这些方法的改进,不仅提高了图像编码性能,同时还大大提高了运算效率。实验表明该文阐述的算法具有很低的复杂度和高的压缩率,PSNR和计算速度均超过SPIHT和SPECK。在1bpp下,该文方法的PSNR比SPIHT提高了0.3dB以上,计算速度比SPIHT提高了35％。     

加权顺序统计滤波器的新的表示与优化算法

给出了加权顺序统计滤波器(WOS)的一种新的表示形式,其重要性在于它使得WOS滤波器在MAE,MSE和LNE准则下的优化问题的求解非常容易．从这一表示形式出发,导出了WOS滤波器在MAE,MSE及LNE准则下的新的自适应优化设计算法,并进行了实验验证,比较圆满地解决了WOS滤波器的优化设计问题．     

一种快速自适应全局运动估计算法的研究

该文提出一种快速自适应全局运动估计算法。该方法从分析块匹配运动矢量统计特性出发,通过 引入一个可预设置参数,计算当前帧与参考帧之间的基本平移矢量,并自适应地采取混合全局运动、局部运 动估计的算法处理不同特征的源数据.仿真结果表明,与传统方法相比,该文算法复杂性低、处理延时小、 更利于硬件实现,在PSNR变化不大的情况下,编码效率有较大的改善.     

遗传算法性能与所求解问题关系的研究

遗传算法的性能与所求解的问题有什么关系,一直没有合理答案。文中采用Ｗａｌｓｈ多项式满足一定性质的函数,并对遗传算法的运行结果进行了分析。令适应度最大值对应的状态组成的集合为Ｈ０,与Ｈ０汉明距离为ｍ的状态组成的集合称为Ｈｍ。实验结果表明：如果之间的相对生存能力随着ｍｒ的增加而逐渐减小,则对应的问题采用遗传算法求解容易。