基于NSST-DWT-ICSAPCNN的多模态图像融合算法

为了增加融合图像的信息量,结合非下采样剪切波变换（Non-Subsampled Shearlet Transform, NSST）和离散小波变换（Discrete Wavelet Transform, DWT）的互补优势,提出了改进的多模态图像融合方法。采用NSST对两幅源图像进行多尺度、多方向的分解,得到相应的高频子带和低频子带;利用DWT将低频子带进一步分解为低频能量子带和低频细节子带,并利用最大值选择规则融合能量子带;采用改进连接强度的自适应脉冲耦合神经网络（Improved Connection Strength Adaptive Pulse Coupled Neural Network, ICSAPCNN）分别融合细节子带和高频子带,并对能量子带和细节子带进行DWT逆变换,得到融合的低频子带;采用NSST逆变换重构出细节信息丰富的融合图像。实验证明,提出的算法在主观视觉和客观评价方面均优于其他几种算法,且能同时适用于红外与可见光源图像、医学源图像的融合。     

一种基于多重特征融合的信源个数估计方法

针对加权盖尔圆估计准则不能充分利用增广加权盖尔圆矩阵信息的不足,在该准则基础上提出一种融合多重特征的信源个数估计方法。利用阵列天线的接收信号构建增广加权盖尔圆矩阵,从中获取用于描述信源个数的盖尔圆心值、盖尔圆半径和加权盖尔圆半径等多重特征构建高维特征向量,并将其标记后代入支持向量机中,训练可进行信源个数估计的分类器数学模型。实验结果表明,该方法不仅能够在信源数只比阵元数少一个的情况下准确估计信源个数,其在低信噪比和小快拍数的环境下也同样具有良好性能。     

基于改进传感器模式噪声提取模型的源相机识别

针对当前基于传感器模式噪声(sensor pattern noise,SPN)提取模型处理压缩 视频来源检测的识别效果较差问题,提出一种基 于多尺度变换域自适应维纳滤波和一种加权最大似然估计的改进SPN提取模型。 首先干预视 频的编解码过程,在编解码器的环路滤波模块前提取视频帧,然后将视频帧输入双密度双树 复小波变换 自适应维纳滤波模型中提取噪声残差,最后使用加权最大似然估计从噪声残差中估计得到SPN。在公共视频源取证数据库VISION上进行测试比较,实验结果表明所提出的改进SPN提取 模型在ROC曲线和Kappa统计系数两种评价指标上的识别效果优于 传统SPN提取算法。     

一种基于IDS模型的各向异性高通滤波新算法

提出了一种基于独立强度传播（IDS）模型的各向异性高通滤波新算法,新算法采用IDS模型构建各向异性高通滤波器,同时将各向异性高通滤波器分解为水平方向和垂直方向的两个行列滤波器。实验证明,这种新的高通滤波算法在保持滤波性能的基础上使得计算复杂度大大降低。实时性增强。     

高效的水下无线通信方式：逆时通信*

结合经典实验详细介绍了逆时通信是如何有效减弱码间串扰及有效提高信息传输速率的。最后简要说明了逆时通信的研究现状和其他应用。     

关节点时空信息融合降维的人体动作识别方法

基于二维卷积神经网络(2DCNN)和三维卷积神经网络(3DCNN)的人体动作识别方法都存在运算量较大的问题,提出了关节点时空信息融合降维的人体动作识别方法(Joint-trajectory).首先,采用高分辨率网络(HigherHRnet)提取视频每帧图像中人体各个关节点的空间坐标信息,构建单帧图像中人体关节点空间信息...     

基于生物视觉同时对比现象的边缘检测模型研究

以生物视觉同时对比现象为基础,提出一种用于图像边缘检测的各向异性感受野模型.并对模型中边缘与算子中心长轴之间的角度关系对边缘检测效果的影响进行研究.实验表明,相对于各向同性感受野模型和一些传统的同方向各向异性边缘检测算子,所提出的感受野模型能够获得更加优越的边缘检测性能.     

一种基于小波变换和FIR神经网络的广域网网络流量预测模型

该文提出了一种基于小波变换和FIR神经网络的广域网网络流量预测模型,首先采用小波分解把网络流量数据分解成小波系数和尺度系数,即高频系数和低频系数,将这些不同频率成分的系数单支重构为高频流量分量和低频流量分量,利用FIR神经网络对这些分量分别进行预测,将合成之后的结果作为原始网络流量的预测。实验结果表明:采用该模型对实际的广域网网络流量数据进行预测,不仅可以得到较快的收敛效果,而且预测性能比现有的小波神经网络和FIR神经网络要好得多。