Tausworthe非相关均匀随机数的简单生成方法

为提高Tausworthe均匀随机数(TURN)的生成速度,提出了一种可快速配置、并行输出非相关TURN序列的简单生成方法。该方法利用线性反馈移位寄存器结构特点,采用优化的输出生成矩阵,可高速并行输出非相关TURN序列。在不增加寄存器等资源前提下,同时采取两组优化的输出矩阵,可生成满足应用质量要求的非相关TURN序列对,所需硬件资源仅为组合Tausworthe结构和一步多跳算法的27.4%和48.8%,该优势随输出非相关TURN序列个数的增多而更趋显著。     

基于噪声检测的置换混叠图像盲分离

置换混叠图像盲分离作为一类新型的单信道盲分离,在理论和方法上与传统的单信道盲分离有着本质的不同。针对一类置换区域含噪声的置换混叠图像,本文提出一种基于噪声检测的置换混叠图像盲分离算法。本文首先给出置换混叠图像的数学模型,对置换混叠图像用非零元个数约束的K-SVD算法进行训练得到其稀疏表示的字典,利用学习得到的字典对置换混叠图像去噪,然后利用去噪后的置换混叠图像与原图像作差运算得到差图像,通过检测差图像来确定出置换区域的位置和大小。并利用图像形态学运算优化置换区域,采用阈值化操作分离出置换图像。实验结果表明,本文算法能够较好的从置换混叠图像中分离出置换图像,并且不受置换图像的大小、位置、个数和置换图像所含噪声大小的影响。     

基于OpenCv的车道标识线检测识别算法的研究

由于路面结构、光照变化、阴影等因素的影响,传统的道路标识线的识别算法常常会出现道路标识线识别不准确的现象。针对这种情况,提出基于Open Cv的车道标识线检测识别算法。算法首先先对原始图像进行平滑处理和中值滤波处理,去除周围环境的影响,再使用canny算子进行边缘检测,得到车道标识线基本轮廓,最后再进行图像的二值化分割和Hough变换得到车道标识线参数。实验结果表明,该方法通过一系列的变换和处理后,能够消除路面结构、光照变化、阴影等的影响,清晰准确地识别出道路标识线,具有很好的准确性、鲁棒性和可靠性。     

基于差分进化的置换混叠图像盲分离

针对1类存在模糊差异的置换混叠图像,提出了1种基于差分进化的置换混叠图像盲分离算法。选择空域作为特征域,将置换混叠图像的梯度图像分成小块,并为每个小块设定个阈值,组成1个阈值向量。利用差分进化算法获得最优的阈值向量,将置换混叠图像阈值化为二值图像,利用图像形态学实现二值图像分离出置换图像。实验结果表明,与阈值法相比较,本算法能较好地把置换图像从置换混叠图像中分离出来,而不受置换图像位置、大小和个数的限制。     

比特交织串行级联MSK系统性能分析

研究了在接收端采用联合迭代解调和译码的比特交织的串行级联MSK系统.与采用简单相移键控载波调制的串行级联码相比,比特交织串行级联MSK系统可以获得更高的带宽效率.理论分析和性能仿真结果表明:比特交织器的类型对系统性能的影响非常大,伪随机比特交织是理想的选择方案,串行级联MSK系统的性能随着交织长度增加而提高;串行级联MSK系统的误比特性能随着迭代次数增加而提高;当迭代次数达到一定次数之后,继续增加迭代次数对系统性能的改善有限,通常迭代次数<12次;约束长度为3的卷积码是外码比较好的选择.     

基于JPEG双量化效应的图像盲取证

JPEG图像的双量化效应为JPEG图像的篡改检测提供了重要线索.根据JPEG图像被局部篡改后,又被保存为JPEG格式时,未被篡改的区域(背景区域)的离散余弦变换(DCT)系数会经历双重JPEG压缩,篡改区域的DCT系数则只经历了1次JPEG压缩.而JPEG图像在经过离散余弦变换后其DCT域的交流(AC)系数的分布符合一个用合适的参数来描述的拉普拉斯分布,在此基础上提出了一种JPEG图像重压缩概率模型来描述重压缩前后DCT系数统计特性的变化,并依据贝叶斯准则,利用后验概率表示出图像篡改中存在的双重压缩效应块和只经历单次压缩块的特征值.然后设定阈值,通过阈值进行分类判断就可以实现对篡改区域的自动检测和提取.实验结果表明,该方法能快速并准确地实现篡改区域的自动检测和提取,并且在第2次压缩因子小于第1次压缩因子时,检测结果相对于利用JPEG块效应不一致的图像篡改盲检测算法和利用JPEG图像量化表的图像篡改盲检测算法有了明显的提高.     

一种自适应压缩率的实时语音传输系统的实现

现存网络传输系统具有异构和时变的特点，提出了一种基于CCITT的G．726建议的自适应压缩率的实时语音网络传输系统的实现方法。发送方根据RTCP的接收者报告判断其网络状况，把用户分为4级，然后为不同级的用户提供相应的压缩率数据，在一定程度上减少了包丢失率和抖动，从而保证了实时语音传输系统的QoS。     

汉诺塔问题新解

计算机中对汉诺塔问题的求解,通常利用数学上的递归方法,编制出相应的递归子程序,将n个盘子的移动问题转化为(n-1)盘子的移动问题;本文从相反的思路出发,在已知(n-1)个盘子具体移动步骤的基础上,用递归互换法直接推出n个盘子的具体移动步骤.     

基于双通道卷积神经网络的图像超分辨率增强算法

针对单通道图像超分辨率方法难以同时实现快速的收敛性能以及高质量的纹理细节恢复的问题,提出一种基于双通道卷积神经网络的图像超分辨率增强算法。首先,网络分为深层通道和浅层通道,深层通道用于提取图像的详细纹理信息,浅层通道用于恢复图像的总体轮廓。然后,深层通道利用残差学习的优势,加深网络并降低模型参数规模,消除因网络过深导致的网络退化问题,构造长短期记忆块消除由反卷积层造成的伪影现象和噪声,采用多尺度方式,提取图像不同尺度的纹理信息,而浅层通道只需负责恢复图像主要轮廓。最后,融合两通道损失对网络不断优化,指导网络生成高分辨率图像。实验结果表明,相比基于深层和浅层卷积神经网络的端到端图像超分辨率算法（EEDS）,所提算法收敛更迅速,图像边缘和纹理重建效果明显提升,其峰值信噪比（PSNR）和结构相似性（SSIM）在Set5数据集上平均提高了0.15 dB、0.0031,在和Set14数据集上平均提高了0.18 dB、0.0035。     

基于两通道深度卷积神经网络的图像隐藏方法

现有的基于深度卷积神经网络(DCNN)实现的图像信息隐藏方法存在图像视觉质量差和隐藏容量低的问题。针对此类问题,该文提出一种基于两通道深度卷积神经网络的图像隐藏方法。首先,与以往的隐藏框架不同,该文提出的隐藏方法中包含1个隐藏网络和2个结构相同的提取网络,实现了在1幅载体图像上同时对2幅全尺寸秘密图像进行有效的隐藏和提取;其次,为了提高图像的视觉质量,在隐藏网络和提取网络中加入了改进的金字塔池化模块和预处理模块。在多个数据集上的测试结果表明,所提方法较现有的图像信息隐藏方法在视觉质量上有显著提升,载体图像PSNR和SSIM分别提高了3.75 dB和3.61%,实现的相对容量为2,同时具有良好的泛化能力。