两类投影指标的小波核估计

投影寻踪的关键问题是优化一个投影寻踪指标的准则函数.本文提出了Cook指标和PPDA指标的小波核估计,给出了这两类投影指标小波核估计的渐近无偏性和均方收敛性,并对投影指标小波核估计与高斯核估计的结果进行了对比,结果验证了小波核估计方法的有效性.     

基于参数化最小割方法的SAR图像区域分割

由于SAR图像中存在大量的相干斑噪声,最小割准则(Minimum Cut Criterion)倾向于分割出小的孤立点集,因此最小割准则难以直接应用于SAR图像分割中。本文给出了一种可以根据需要来控制分割区域大小的参数化最小割准则(Parametric Minimum Cut Criterion),由此减少小的孤立点集的产生。该准则通过构建参数化割树(Parametric Cut Tree)得到理论最优解。为了参数化最小割准则更有效地应用于SAR图像分割,结合了区域分割方法中的四叉树分裂合并技术,给出了一种基于图论的SAR图像区域分割算法。在利用四叉树技术分裂图像时,根据SAR图像的统计特性,给出了一种新的区域一致性度量,有效地抑制了相干斑噪声的影响。实验结果表明了本文方法的有效性。     

基于偏最小二乘的SIFT误匹配校正方法

针对尺度不变特征变换（SIFT）描述子仅利用特征点的局部邻域信息而对图像内具有相似结构的特征点易产生误匹配的现象,提出一种基于偏最小二乘的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配,得到初始匹配对,然后利用偏最小二乘方法对匹配后初始匹配点的空间分布信息进行重新描述,并通过定义影响函数,剔除影响程度大的特征点对,最后得到精确匹配点对,对图像进行配准。实验结果表明,该方法能够有效地剔除误匹配点,提高图像配准的精度。     

非线性时间序列建模的混合自回归滑动平均模型

提出了一类用于非线性时间序列建模的混合自回归滑动平均模型(MARMA).该模型是由K个平稳或非平稳的ARMA分量经过混合得到的.讨论了MARMA模型的平稳性条件和自相关函数.给出了MARMA模型参数估计的期望极大化(expectation maximization)算法.运用贝叶斯信息准则(Bayes information criterion)来选择该模型.MARMA模型分布形式富于变化的特征使得它能够对具有多峰分布以及条件异方差的序列进行建模.通过两个实例验证了该模型,并和其他模型进行比较,结果表明MARMA模型能够更好地描述这些数据的特征.     

图像分割的自适应交互核图割模型

为了克服图割模型算法在实现图像分割时需要人为选定参数,以及图割模型可能会陷入局部最小值的不足,考虑到交互图割是一种灵活的全局最优算法,提出了基于EM方法的交互核图割算法。数据映射到核空间,构造了新的目标函数,这样可以更有效地解决分类分割问题;为了估计交互图割所需要的参数以及图割算法所需要的各种阈值,采用EM算法来估计这些参数,避免人为随机选取可能造成的不利影响,因而该方法是一种自适应的分割算法。实验结果表明,相对于交互图割算法,该算法分割合成图像时具有更低的误分率,处理光学等图像时,分割结果更准确,保留图像细节信息的能力更强。     

互联网+时代下包装一物一码新玩法——数字全息防伪新技术的特点及应用形式

正在各行业纷纷触网之时,一枚小小的二维码作为互联网的直接入口,开始频繁出现在产品包装上,将消费者与品牌商进行了有效连接。目前,市场上二维码在包装上的实现方式主要有贴标式和码袋一体式两种。其中,贴标式二维码结合了物理防伪手段,在实现二维码查询、防窜货、     

遥感图像分割中的信息割算法

提出了一种改进的信息割（MIC）算法。首先证明了信息割（IC）模型与Cauchy-Schwarz cut（CScut）等价,并通过图谱方法给出IC目标函数优化问题的最优解;其次利用 图像中像素点间的灰度和空间关联性,在IC算法的基础上提出一种MIC算法,该算法首次使用联合灰度信息和空间位置信息的Parzen窗函数来估计概率密度函数,降低了图像中灰度 变化对图像分割的影响。加噪合成图像及遥感图像分割实验结果表明MIC算法较IC算法具有更好的抗噪性能,且与图谱方法相比计算复杂度显著降低。     

立体视觉中基本矩阵的改进投影M估计方法

在立体视觉与图像运动分析中，需要排除特征误配点的影响进而得到精确的基本矩阵估计。针对EIV(Error In Variables)模型中基于投影的M估计方法存在的核密度估计和正常点与异常点阈值确定的局限性，提出一种改进的投影M估计算法：首先给出新的用于搜索极值点的自适应核密度估计函数，然后改进了正常点的确定方法。对模拟及真实数据进行了实验，验证了改进投影M估计方法的有效性及稳健性。     

基于多尺度谱特征的SAR图像分割

该文结合多尺度技术与谱分析方法,提出了基于多尺度谱特征的图像分割方法,并将之用于SAR图像分割。该方法在多尺度框架内,提取每个像素在不同尺度下的局部谱特征(AR模型参数),并组合各尺度的谱特征为一多尺度谱特征向量,作为该像素的分类特征,利用一基于二元假设检验的分类器对该像素分类。与单一尺度的谱特征分割方法相比,多尺度谱特征分割保留了算法简单的优点的同时,在小窗口情况下,仍能给出较平滑的分割结果,从而减小了计算复杂度。     

图像处理的多分辨随机模型的研究进展

多分辨随机模型是近几年发展起来的信号与图像多分辨分析模型和方法,已经成为各领域关注的焦点。从多分辨随机模型的产生、演变、模型的估计理论、计算方法、模型的应用等方面对该模型的研究现状给予介绍和分析;最后对该模型进行展望,并提出一些值得研究的方向。