基于图像边缘度的零树压缩最优分解层的选择

在研究零树图像编码方案的基础上,分析了被压缩图像的空间冗余度(称为图像边缘度)与零树压缩结果的关系,提出了零树压缩存在小波最优分解层的概念,给出了不同压缩比、不同小波分解层与不同类型图像的零树压缩结果的关系,并对相应的压缩时间进行了分析。综合实验结果表明:在进行高比特率压缩时,提倡采用三层小波分解;而进行低比特率压缩时,应采用四层小波分解。这一结论可作为进一步研究具有自适应能力的改进零树算法的基础。     

一种新的车牌倾斜校正方法

车牌的倾斜对车牌的字符分割与识别带来不利的影响.本文分析了车牌的倾斜模式,提出了一种新的车牌倾斜校正方法.该方法采用水平和垂直彩色边缘检测结合旋转投影求取车牌的水平和垂直倾斜角度,对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正.实验结果表明,该方法简单实用,对光照、污迹等不敏感,抗干扰能力强.     

一种基于图像方向信息测度算法的自适应表格图像增强算法

图像增强是图像处理的重要任务.为了有效地增强对比度极低的表格图像,提出了基于图像方向信息测度算法的自适应图像增强算法.该方法首先在像素级利用图像方向信息侧度将图像像素分为平滑点和阶跃边缘点;然后针对表格图像特点,再对平滑点细分为平滑点和屋脊边缘点,同时,对不同类型的点设计不同的滤波方法,以便通过算法自适应来初步增强图像;最后,利用模糊增强算法来对图像进行对比度增强,以达到更好的增强效果.实验表明,该算法能有效地增强对比度极低的表格图像,并使得结果图像有很好的视觉效果.     

OFDM调制新方案及其脉冲成形滤波器的设计

本文提出一种新的正交频分复用(OFDM)调制方案,结合了两种OFDM系统的特点,既利用了脉冲成形技术的优势,又能采用保护间隔.分析了频率偏移存在时脉冲成形滤波器与载波间干扰的关系,并给出一个设计实例的仿真.数值分析和仿真结果表明,该设计能显著抑制载波间干扰.     

基于多通道注意力机制的人脸替换鉴别

基于深度学习的人脸替换技术取得快速发展,但由DeepFake自动生成的人脸替换图片有可能危害人们的隐私安全。针对DeepFake图片鉴别问题,建立一种基于多通道注意力机制的深度学习鉴别网络模型。将Xception网络作为基础特征提取器,在多通道注意力模块中通过矩阵相乘的思想融合全局和局部的注意力表示,以减少重要信息损失。设计损失函数时添加中心损失,从而提高特征区分度。在训练过程中利用注意力图来引导训练图像的裁剪和去除,以达到数据增强的目的。实验结果表明,相比Xception、B4Att方法,在FaceForensics++数据集上该网络模型对DeepFake的检测精度分别提高0.77和0.45个百分点,在Celeb-DF数据集上分别提高5.30和4.68个百分点。     

基于三维结构张量的图像模糊度评价方法

根据图像二维结构张量的特性和清晰图像及其模糊副本之间存在较大差异的特点,构造单幅图像的三维结构张量,其特征值大小反映了图像的局部几何结构信息,并与图像的清晰度有关,据此提出基于三维结构张量的图像模糊度评价方法。对输入图像进行不同尺度的低通滤波,得到输入图像的2个副本,并将其分成互不重叠的块。通过计算各块的三维结构张量得到模糊度参数,将各块的模糊度参数和关注度系数加权得到整幅图像的模糊度参数,以模糊度参数的指数函数形式计算图像的模糊度。实验结果表明,该方法计算出的模糊度相对于图像的模糊程度是单调的,具有良好的抗噪性,并且符合人眼视觉系统特性。     

一种新的面向字符分割的车牌图像预处理方法

首先进行图像增强以滤除噪声、校正不均匀光照,增强对比度,然后分析了车牌的倾斜模式,提出了一种新的车牌倾斜校正方法。该方法采用水平和垂直边缘检测结合旋转投影求取车牌的水平和垂直倾斜角度并通过垂直边缘检测进行上下位置精定位,对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正。实验结果表明,该方法简单实用,对光照不均、低对比度、污迹及倾斜等退化图像具有很好的鲁棒性。     

基于矢量的彩色图像边缘检测

在矢量算子的基础上,利用图像边缘在一定尺度下二阶导数的特性,提出了一种新的彩色图像边缘检测方法。试验证明,若对检测精度,边缘完整性等方面进行综合评价,该方法优于一般方法。     

基于蚁群算法信息素的异构案例集合构建策略

基于CBR智能推荐系统是大型科学仪器协作共用网的重要组成部分。根据蚁群算法信息素更新原理设计并实现了一个完全异构案例集合构建策略。分析了完全异构案例集合构建原理,重点论述了案例权重动态分配的解决原理及过程。根据实验结果,表明该方法能够有效地提高智能推荐系统推荐结果的精确程度。