一类广义中心(反)对称矩阵奇异值分解及其算法

研究了具有中心对称结构矩阵的奇异值分解,矩阵的奇异值分解公式及Moore-Penrose逆的快速算法,能极大地节省求该类矩阵奇异值分解和Moore-Penrose逆时的计算量和存储量。     

纹理谱描述符及其在图像检索中的应用

为了提高纹理谱描述符的性能并降低其特征维数,在中心对称局部二值模式纹理谱描述符的基础上,提出一种融合局部区域中心像素以及灰度均值的改进纹理描述模式.首先根据图像局部区域内中心像素与其邻域像素间的灰度变化关系,定义了新的局部纹理模式;然后通过比较局部区域内灰度均值与图像全局灰度均值的大小,对局部纹理模式进行了增强处理.采用不同纹理图像库及不同的性能评价准则进行实验的结果表明,文中方法在基于内容图像检索中取得了较好的效果.     

基于多级CS-LBP特征融合的人脸识别方法

通常,采用中心对称局部二值模式CS-LBP对人脸图像只进行一次特征提取,提取的纹理特征不够丰富。因此,本文利用CS-LBP多次提取人脸图像更丰富的纹理特征,提出了多级CS-LBP特征融合的人脸识别算法。首先,用CS-LBP对原始人脸图像进行特征提取;然后,对所得特征图像再进行相同方式的特征提取,这样能够得到原始人脸图像的多级CS-LBP特征图像;最后,将每一级特征图像的分块直方图特征进行融合并用于人脸识别。在ORL、Yale标准人脸库上的实验结果表明,相比人脸图像的一级CS-LBP特征,多级CS-LBP特征融合的方法能够显著提高识别精度。     

分数抽样率变换中线性相位FIR滤波器多相分解的对称性研究

为提高分数抽样率变换系统的计算效率, 在讨论其滤波器多相分解结构的基础上, 利用线性相位FIR滤波器的系数对称性, 构造多相分解系数的中心对称矩阵, 推导出适用于任意分数抽样率和任意滤波器阶数的高效实现方法, 并给出所需乘法与加法运算量的计算公式. 测试结果表明, 与直接计算相比, 采用本文方法可减少50%乘法运算和30%加法运算, 计算效率显著提高.     

一类Lyapunov型矩阵方程组的中心对称解及其最佳逼近

建立了求矩阵方程组AiXBi＋GiXDi=Fi（i=1,2）的中心对称解的迭代算法.使用该方法不仅可以判断矩阵方程组是否有中心对称解,而且在有中心对称解时,还能够在有限步迭代计算之后得到矩阵方程组的极小范数中心对称解.同时,也能够在矩阵方程组的中心对称解集合中求得给定矩阵的最佳逼近.     

矩阵方程AXB＋CXD=F的广义中心对称解的算法析

应用共轭梯度迭代算法求解方程AXB＋CXD=F的广义中心对称解及其最佳逼近．应用此迭代算法,在迭代过程中方程的相容性可以自动地判断．当矩阵方程AXB＋CXD=F有解时,在有限的误差范围内,对任意初始广义中心对称矩阵X1,运用迭代算法,方程的广义中心对称解可经过有限步迭代得到;选取适当的初始矩阵,可以迭代出极小范数广义中心对称解．并且,对任意的矩阵瓦,矩阵方程AXB＋CXD=F的最佳逼近解可以通过迭代求解新的矩阵方程AXB＋CXD=声的极小范数广义中心对称解得到．     

矩阵方程AX-BY=Z的最小二乘中心对称解及其最佳逼近

本文研究矩阵方程AX-BY=Z的最小二乘中心对称解,给出了AX-BY=Z的最小二乘中心对称解的表达式,导出了AX-BY=Z有中心对称解的条件。讨论了在AX-BY=Z的最小二乘中心对称解集合中求与给定矩阵最佳逼近的解,并将所得结果应用于研究一类中心对称矩阵的广义特征值反问题。     

定位销挤扁模结构改进

1.零件结构及原挤扁模分析 （1）零件简介简图及加工要求：某军工元器件电连接器中定位销如图1所示。材料：H62Y。加工要求：对定位销2.5-00.12mm左端进行挤扁,保证挤扁长度3mm和高度3.6mm尺寸合图,扁0.6±0.1mm对于法兰5-00.05mm中心对称,     

中心对称材料中二次谐波产生的影响因素

介绍中心对称材料二次谐波产生(SHG)的基本原理,通过数值模拟计算,分析研究影响中心对称材料SHG的因素.其中,光子晶体带隙(PBG)的影响最为关键,它决定了SH能否产生;激励波入射角与组成结构的耦合介质柱和填充因子对SHG强度大小也有较大影响,按文中结构,耦合介质柱有2排已足够,最佳入射角为20°～30°,填充因子为0.6.     

一种对亮度变化鲁棒的局部特征描述子及其快速生成算法

在不同的时间、从不同的视角、以不同的摄像机参数所拍摄的同一场景的图像间存在非线性亮度变化,这种非线性亮度变化给图像间的鲁棒匹配带来困难.为了解决这个问题,提出一种用于构建鲁棒局部特征描述子的新方法.该算法引入灰度相对次序的思想,在得到特征点归一化支撑区域以后,将区域内各点分割为多个组,并以区域中心和各点连线为Y轴,分别建立直角坐标系,计算中心对称局部二值模式,得到二维的统计直方图;据此,经归一化处理后可形成所需的兴趣点描述子.实验表明,本文算法构造的描述子在复杂亮度变化下的区分度更好,测试性能优于传统描述算子.同时,算法本身具有旋转不变性,并以插值计算替代了传统描述子构造过程中的梯度统计,具有描述子构造简单和快速的特点.