回顾我区模拟微波网络技术的发展历程展望未来的微波数字化技术

微波通信资源具有无限的前景，本文通过最新数字微波传输技术的发展动向，对我区网络建设以及模拟微波的升级改造作了深入思考。同时根据社会发展的需求，阐述了未来网络的安全策略以及网络速率的划分方法。     

基于非下采样Contourlet变换的指纹图像超分辨率重建

非下采样Contourlet变换(Nonsubsampled contourlet transform,NSCT)采用非抽样金字塔结构和非抽样方向滤波器组构成,具有Contourlet变换所不具备的平移不变性、较高冗余度等优良特性,而且能够克服伪吉布斯现象。图像经过非下采样Contourlet变换后分解成多尺度、多方向的细节信息,这些细节信息代表了图像不同频带不同方向的特征,这就简化了系数之间的关系。基于学习的超分辨率重建算法具有整体的预测性,将非下采样Contourlet变换和基于学习的算法相结合,在一定程度上提高训练精度。针对指纹图像的实验证明该算法具有良好的性能,重建的图像纹理性细节信息较好,基本保持了原指纹图像的特征点,更接近于原始的高分辨率图像。     

基于密集反馈网络的单幅图像超分辨率重建

基于深度学习的单幅图像超分辨率网络模型体积庞大,导致参数利用率低且难以部署,对中间层特征利用不充分。提出一种密集反馈注意力网络（DFAN）模型。在同一特征图中通过多尺度残差注意力模块（MRAB）提取不同尺度的深层特征,以增加特征的多样性。同时将每个MRAB的输出均作为同组中其他残差模块的输入,使各层之间的信息流最大化,从而减小训练难度。实验结果表明,相比VDSR、DRRN、MemNet等模型,DFAN模型具有较优的重建效果,其在重建放大倍数为4的Set5数据集上计算复杂度仅为VDSR模型的0.14倍左右,而峰值信噪比提高了0.57 dB。     

基于量化的差错网络下高效多描述图像编码

将多描述标量量化与SPIHT编码联合起来,得到无线差错网络环境下的高效多描述图像编码。对两描述的多描述标量量化进行多维索引扩展,并对由粗量化边索引所形成的多个描述进行SPIHT编码,得到多个可独立传输的多描述码流。实验结果表明,该方法适合于无线差错网络环境中的图像传输,能够在较大的信道差错率和严格的带宽限制下,获得较好的图像传输差错鲁棒性。     

基于开关3-D中值滤波的视频序列去噪算法

为提高含噪视频序列的质量和效果,提出一种基于开关噪声检测与三维中值滤波相结合的开关3-D中值滤波算法。该算法通过判断视频序列的每一个像素点,对噪声点用3-D中值滤波处理,再对其进行二次判断,如果判为噪声点,则采用变型3-D中值滤波处理,直到去除所有噪声点为止。仿真实验表明,该算法对“雪花”噪声有较好的滤波效果,当处理加入25%的“雪花”噪声时,3-D开关中值滤波比三维中值滤波的信噪比平均提高了10 dB左右。     

感兴趣区域的非线性变换多描述编码

介绍一种基于感兴趣区域的非线性变换的多描述图像编码,能够与目前的标准图像压缩算法兼容,对图像的感兴趣区域进行更好的保护。由感兴趣区域的非线性几何变换产生冗余,对图像进行采样形成多描述编码。通过仿真实验,证实当图像在差错信道下传输而丢失描述时,该算法能够使图像感兴趣区域得到更好的恢复。     

基于ADL小波变换的图像压缩算法

提出一种基于自适应方向提升(ADL)小波变换的图像压缩算法。根据灰度共生矩阵角二阶矩的差异,将图像分割成平坦性不同的分块。对纹理信息较少的块,采用一般提升小波变换以减少变换时间。对纹理信息较多的块,采用方向提升小波以提高变换效果。结合多级树集合分裂编码和算术编码对变换系数和方向信息分别进行编码。实验结果表明,与ADL算法相比,该算法能有效减少方向小波变换时间。     

基于模块度优化的标签传播社区发现算法

标签传播算法（LPA）是一种快速高效的社区发现算法,算法无需社区数量等先验信息,但存在大量随机性,稳定性较差. 为了提高标签传播算法的稳定性,提出了一种改进的标签传播算法（LPAMP）. 该算法分为两个阶段,第一阶段以模块度贪婪为依据,进行节点粗聚类;第二阶段在粗聚类的基础上,进行节点标签传播. 实验结果表明,所提算法降低了标签传播算法的随机性,增强了稳定性,并且提高了准确率.     

一类新的知识型指纹图像非线性滤波方法

给出了基于小波变换的多尺度边缘表示方法及其对一般的图像信号表示的完备性 和相应重建算法的稳定性,然后在小波变换的多尺度极大值表示方法的基础上,提出在尺度 空间中基于多种知识的指纹图像非线性滤波方法.实验表明,这类滤波方法具有很强的自适 应性,能取得令人满意的效果.     

一种特征脸分析和小波变换相结合的人脸识别方法

摘要：提出一种特征脸分析和小波变换相结合的人脸识别方法(Eigenface wavelet transform)，利用小波变换对人脸图像进行分解，然后对低频分量和中频平均分量分别运用特征脸分析构造“特征子空间”，并做空间投影分别求得两个分量的相似度矩阵，最后使用它们的加权矩阵来判决识别。该方法综合利用了特征脸分析高效、准确的优点和小波变换多分辨率、多尺度的特点，合理使用两次加权增加了结果的可信度，实验表明它既能大量减少计算量，又具有更高的识别率。