基于分形和神经网络理论的多尺度图象分割方法

特征空间聚类分割方法存在的关键问题是有效的特征参数提取和聚类方法的构造。针对这两个问题,本文采用小波变换的多尺度分析方法提取图象的多尺度分形维数作为分割特征参数,用Kohonen自组织特征映射实现特征空间聚类,获得了良好的分割效果。     

在低维空问实现的基于MP的图像稀疏分解

研究利用Matching Pursuit(MP)方法实现的图像稀疏分解算法，针对其中关键难题，提出利用在低维空间的搜索实现高维空间的搜索的快速方法。算法的有效性为实验结果所证实。     

基于GA和MP的信号稀疏分解算法的改进

信号的稀疏表示在信号处理的许多方面有着重要的应用,基于MP的稀疏分解是目前信号稀疏分解的最常用方法,也是几乎所有稀疏分解算法中速度最快的,但其存在的关键问题仍然是计算量十分巨大。基于利用MP（Matching Pursuit）方法实现的信号稀疏分解算法,采用遗传算法（GA）快速寻找MP 过程中每一步分解的最佳原子。并针对基本遗传算法存在的未成熟收敛和易陷入局部最优解的问题,提出了对基于GA和MP的信号稀疏分解的一种改进算法,实验结果证实了改进算法的有效性。     

一种降低OFDM信号峰均功率比的预编码方法

正交频分复用（OFDM）系统的一大缺点就是有较高的峰值平均功率比（PAPR）,大大降低了线性功率放大器的效率。提出了一种用预编码方法,通过引入预编码矩阵将映射后的数据进行功率分配,从而降低OFDM信号的PAPR。该方法不影响频谱效率,不需要进行附加运算以及收发两端的握手信息。计算机仿真表明对传统的64个子载波OFDM系统PAPR有将近9dB的改善。     

利用禁忌遗传和原子特性实现信号稀疏分解

阻碍信号稀疏分解运用于信号处理产业化的主要原因,是由于信号的稀疏分解的计算量十分巨大。利用基于Matching Pursuit（MP）方法实现的信号稀疏分解算法,采用遗传算法（GA）和禁忌搜索（TS）相结合,快速寻找MP过程中每一步分解的最佳原子,最后再利用原子的特性进一步的优化。实验结果表明,该算法提高了信号每一步MP分解中寻找最佳原子的能力,并由此提高了信号稀疏分解的速度。     

基于轮廓追踪的字符识别特征提取

字符识别是模式识别的一个重要分支,其关键是特征向量的选择与提取。小波分解和分形在图像处理方面有着广泛的应用,在结合二者特点的基础上提出了一种新的基于轮廓追踪的字符识别特征选取方法。即对于一个输入的字符图像经预处理提取其轮廓,并由轮廓追踪获得边缘点坐标序列,实现了从二维图像数据到一维数据的转化,对得到的一维曲线进行小波分解,计算少数几个分解得到的曲线的分形维数,以它们构成特征向量。并对有关字符做了实验,其效果是令人满意的。     

基于Curvelet的纹理方向自适应图像插值

为提高纹理复杂图像的插值放大质量,提出一种纹理方向自适应的图像插值算法。首先利用Curvelet变换提取图像的4个方向因子矩阵,然后对不同类插值点选择相应的2个方向因子构造权重系数进行线性插值,从而自适应地重建各类待插值点。分析比较了本文与现有插值算法对平滑与纹理复杂区域的插值重建质量。实验结果表明,本文算法能有效抑制传统插值方法重建图像时出现的边缘模糊和锯齿现象,重构的图像效果优于传统方法,纹理丰富图像的重构质量可提高2dB以上。     

图像分形压缩用于级进式传输和无损压缩

DCT域分形图像压缩编码方法,其压缩后恢复的图像具有很好的图像质量,文中提出一种新的基于DCT域分形图像有损压缩的图像级进式传输和无损压缩方案。实验结果证明了该方案的可行性。     

阵列信号特征空间分解及其在波束形成中的应用

首先建立了阵列信号基本模型,然后介绍了阵列信号特征分解原理及其在波束形成中的应用,分析了几种应用方法的特点,并给出了这些算法的计算机模拟结果,最后提出了有待研究的几个问题。     

图像稀疏分解中原子形成的快速算法

针对图像稀疏分解中原子生成速度慢的难题,本文提出了原子生成的一种快速算法。首先根据原子的尺度把原子分成两大类,一类是小原子,一类是大原子。在此基础上,对于小原子,由于其能量集中分布在一个小的范围,所以利用一个小范围生成的局部原子代替整个原子。对于大原子,先生成一个相对应的较小原子,然后通过插值方法生成大原子。实验结果表明,在重建图像的质量没有任何改变的条件下,当图像大小为256×256时,提出的算法使原子生成的速度提高了20多倍。