摘要： 現(xiàn)實(shí)生活中由于光照、天氣等原因,所獲取的圖像都在一定程度上出現(xiàn)了質(zhì)量低下的情況,嚴(yán)重影響人們的視覺(jué)效果,因此有必要對(duì)此類(lèi)圖像進(jìn)行增強(qiáng)。該文基于MATLAB圖形界面GUI開(kāi)發(fā)工具設(shè)計(jì)了一款空域圖像增強(qiáng)系統(tǒng),該系統(tǒng)嵌入了分段線性變換、直方圖均衡化、指數(shù)變換和對(duì)數(shù)變換四種圖像增強(qiáng)算法。所設(shè)計(jì)的系統(tǒng)操作簡(jiǎn)單,界面友好,能同時(shí)展示四種算法的增強(qiáng)結(jié)果,可以幫助圖像愛(ài)好者更切實(shí)地掌握有關(guān)圖像增強(qiáng)的內(nèi)容。

摘要： 針對(duì)空間域圖像融合存在不同圖源差異性信息提取、融合權(quán)重選取困難等問(wèn)題,提出了一種新的空間域圖像融合算法。利用矩陣相似的基本原理,對(duì)紅外圖像矩陣進(jìn)行對(duì)角化變換,計(jì)算可見(jiàn)光圖像矩陣在主要特征向量上的映射,采用加權(quán)融合的方法處理特征值矩陣,對(duì)融合矩陣進(jìn)行對(duì)角化逆變換重構(gòu)融合圖像。實(shí)驗(yàn)結(jié)果表明,算法在充分保留源圖像有效信息的同時(shí),融合圖像的整體灰度得到了明顯的改善,具有良好的圖像質(zhì)量評(píng)估指數(shù)和更加優(yōu)秀的視覺(jué)效果。

摘要： 以π/2相移間隔的結(jié)構(gòu)光照明顯微圖像為輸入,通過(guò)圖像差分、數(shù)學(xué)推導(dǎo)及簡(jiǎn)化構(gòu)建一個(gè)數(shù)學(xué)模型,在空間域直接解析得到超分辨圖像。理論驗(yàn)證該模型可將傳統(tǒng)顯微的橫向分辨率提高1倍,并可減少離焦背景干擾。在基于數(shù)字微鏡器件的結(jié)構(gòu)光照明顯微系統(tǒng)中,對(duì)熒光微球及牛肺動(dòng)脈內(nèi)皮細(xì)胞進(jìn)行空間域超分辨重建實(shí)驗(yàn),驗(yàn)證了算法的有效性。獲得的超分辨效果與頻域重建法相近,但圖像重建速度快約5倍。該研究有助于擴(kuò)展結(jié)構(gòu)光照明顯微的應(yīng)用范圍,對(duì)活細(xì)胞和組織的長(zhǎng)時(shí)間在體監(jiān)測(cè)具有良好的應(yīng)用潛力。

摘要： 隨著互聯(lián)網(wǎng)和計(jì)算機(jī)信息技術(shù)的不斷發(fā)展,圖神經(jīng)網(wǎng)絡(luò)已成為人工智能和大數(shù)據(jù)處理領(lǐng)域的重要研究方向.圖神經(jīng)網(wǎng)絡(luò)可對(duì)相鄰節(jié)點(diǎn)間的信息進(jìn)行有效傳播和聚合,并將深度學(xué)習(xí)理念應(yīng)用于非歐幾里德空間的數(shù)據(jù)處理中.簡(jiǎn)述圖計(jì)算、圖數(shù)據(jù)庫(kù)、知識(shí)圖譜、圖神經(jīng)網(wǎng)絡(luò)等圖結(jié)構(gòu)的相關(guān)研究進(jìn)展,從頻域和空間域角度分析與比較基于不同信息聚合方式的圖神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),重點(diǎn)討論圖神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)技術(shù)相結(jié)合的研究領(lǐng)域,總結(jié)歸納圖神經(jīng)網(wǎng)絡(luò)在動(dòng)作檢測(cè)、圖系統(tǒng)、文本和圖像處理任務(wù)中的具體應(yīng)用,并對(duì)圖神經(jīng)網(wǎng)絡(luò)未來(lái)的發(fā)展方向進(jìn)行展望.

摘要： 為發(fā)揮深度學(xué)習(xí)算法特征自學(xué)習(xí)及其在圖像處理領(lǐng)域的優(yōu)勢(shì),避免當(dāng)前小電流接地系統(tǒng)單相接地故障選線中人工提取故障特征信息缺失的問(wèn)題,提出了一種通過(guò)生成故障電流全信息空間域圖像,再利用圖像識(shí)別與分類(lèi)算法實(shí)現(xiàn)故障選線的方法.所提方法首先使用三相電流構(gòu)建三維空間域圖像,并分別在3個(gè)平面上進(jìn)行投影得到多幅投影圖像,解決了獲取二維圖像的關(guān)鍵問(wèn)題;然后對(duì)投影圖像進(jìn)行二次像素級(jí)圖像融合,得到了相應(yīng)的RGB彩色圖像,最后使用深度學(xué)習(xí)算法對(duì)圖像進(jìn)行識(shí)別與分類(lèi)從而實(shí)現(xiàn)故障選線.將所提方法與已有方法的故障選線結(jié)果進(jìn)行對(duì)比,結(jié)果表明所提方法在多種因素影響下,均不損失故障信息,圖像故障特征更明顯、分類(lèi)準(zhǔn)確率更高,且具有抗噪聲能力,證明其用于小電流接地系統(tǒng)單相接地故障選線具有可行性.

摘要： "所謂隱喻是用始源域的一個(gè)概念去表達(dá)目標(biāo)域中的一個(gè)概念","小"表示"不及一般,同大相對(duì)",它的詞義發(fā)展就是在這個(gè)基礎(chǔ)之上慢慢擴(kuò)展的,最基本最先產(chǎn)生的是中心義項(xiàng)也就是"小"的基本義,其他義項(xiàng)是從中心義項(xiàng)引申轉(zhuǎn)化而來(lái)的,具有某種關(guān)聯(lián),比如隱喻.我們以認(rèn)知語(yǔ)言學(xué)的隱喻投射理論,對(duì)隱喻域進(jìn)行分析,從而歸納人們的認(rèn)知方式.

摘要： 介紹了腦結(jié)構(gòu)和功能連接網(wǎng)絡(luò)的構(gòu)建和應(yīng)用,闡述了頻域和空間域圖卷積神經(jīng)網(wǎng)絡(luò)(graph convolutional neu-ral networks,GCN)的基本原理和模型,綜述了頻域和空間域GCN在腦疾病中的應(yīng)用研究進(jìn)展,指出了影像模態(tài)與網(wǎng)絡(luò)構(gòu)建差異、影像與非影像特征對(duì)GCN研究的影響,展望了未來(lái)GCN在腦網(wǎng)絡(luò)研究中的發(fā)展趨勢(shì).

摘要： 為提高嵌入水印后的圖像質(zhì)量,提出一種空間域自適應(yīng)低失真防篡改圖像數(shù)字水印方案.該方案的水印嵌入位置由混沌密鑰確定,以使水印能均勻、隨機(jī)嵌入到圖像的各個(gè)部位;采用S-LSB算法將水印嵌入到圖像像素的次低位,使其能夠抵抗一些非惡意的圖像水印攻擊.該嵌入算法下水印圖像的峰值信噪比(peak signal-to-noise ratio,PSNR)由水印長(zhǎng)度和混沌位置密鑰決定.為提高水印圖像的質(zhì)量,在給定水印的情況下,自適應(yīng)地調(diào)整水印位置密鑰,使水印圖像的PSNR達(dá)到給定的要求;為降低算法的運(yùn)算量,快速完成混沌位置密鑰的自適應(yīng)調(diào)整,進(jìn)一步提出分段自適應(yīng)水印算法.實(shí)驗(yàn)表明,該算法能夠獲得滿足應(yīng)用需求的PSNR,且對(duì)一些常用篡改操作能給出篡改率和篡改位置.

摘要： 圖像作為信息的主要載體,人們可從圖像中獲取更多后期決策的依據(jù).由于獲取圖像的條件不同,導(dǎo)致在進(jìn)行多幅圖像融合時(shí)采取的方法不盡相同.如何從同一場(chǎng)景的不同圖像中獲取更為豐富的信息成為圖像融合的關(guān)鍵問(wèn)題.首先,對(duì)各種類(lèi)型的圖像融合進(jìn)行總結(jié)得出圖像融合的具體概念.其次,概述圖像融合的經(jīng)典理論及方法,根據(jù)處理對(duì)象將融合方法分為基于變換域的方法和基于空間域的方法并對(duì)其進(jìn)行對(duì)比分析.接著,分析表征融合圖像質(zhì)量的主要評(píng)價(jià)標(biāo)準(zhǔn)特點(diǎn)和選取依據(jù).最后,從醫(yī)學(xué)診斷、遙感觀測(cè)、攝影技術(shù)和監(jiān)測(cè)應(yīng)用等領(lǐng)域綜述圖像融合技術(shù)取得的突破,并重點(diǎn)對(duì)比分析各領(lǐng)域所用方法的優(yōu)勢(shì)與不足,探索現(xiàn)有融合方法的改進(jìn)策略以及圖像融合應(yīng)用領(lǐng)域的推廣.

摘要： 針對(duì)當(dāng)前弱饋線路的研究成果較少,一旦發(fā)生斷線故障則嚴(yán)重威脅電網(wǎng)安全的問(wèn)題.采用空間故障樹(shù)理論,提出一種面向弱饋線路的斷線故障識(shí)別方法.設(shè)定時(shí)間與溫度作為配電網(wǎng)弱饋線路工作狀態(tài)的主要影響因素,構(gòu)建空間故障樹(shù)的空間域,獲取斷線故障發(fā)生后各元件的貢獻(xiàn)程度,根據(jù)斷線故障與各元件故障間的相關(guān)性,聯(lián)立相關(guān)性排序中前列元件與割集組合中各事件間的匹配關(guān)系,實(shí)現(xiàn)斷線故障定位;依據(jù)線路某相下游電壓向量與無(wú)線鏈路控制層協(xié)議回路輸入電壓向量之間的夾角,通過(guò)對(duì)比夾角絕對(duì)值與識(shí)別閾值的大小,完成斷線故障識(shí)別.仿真實(shí)驗(yàn)結(jié)果表明,所提方法較好地抑制了影響因素的干擾程度,識(shí)別結(jié)果具有一定的有效性與可信度.

摘要： 毫米波汽車(chē)?yán)走_(dá)是智能駕駛輔助系統(tǒng)中的重要傳感器,在ACC和AEB系統(tǒng)中為車(chē)輛決策提供目標(biāo)的距離、速度和方位角信息.本文針對(duì)毫米波汽車(chē)?yán)走_(dá)在對(duì)目標(biāo)定位時(shí)用傳統(tǒng)奈奎斯特采樣定理導(dǎo)致采樣率過(guò)高、利用MUSIC算法計(jì)算目標(biāo)到達(dá)角(DOA)快拍數(shù)要求高的問(wèn)題,以及傳統(tǒng)方法中使用匹配濾波器造成目標(biāo)速度和距離計(jì)算分辨率不高,提出空間域中基于壓縮感知的方法,實(shí)現(xiàn)對(duì)目標(biāo)距離-速度-角度的聯(lián)合定位.文章用MATLAB仿真空間域中基于壓縮感知方法定位目標(biāo)的過(guò)程,仿真結(jié)果表明在空間域中利用壓縮感知技術(shù)可以提高雷達(dá)對(duì)目標(biāo)距離和速度的分辨率并且在計(jì)算目標(biāo)DOA時(shí)相比MUSIC算法可以降低對(duì)快拍數(shù)的要求同時(shí)達(dá)到更好的分辨率,并且利用壓縮感知方法可以省略傳統(tǒng)雷達(dá)上用到的匹配濾波器.

摘要： 孔隙介質(zhì)理論能準(zhǔn)確地描述實(shí)際地層,尤其是含油氣流體的儲(chǔ)層性質(zhì).為了適應(yīng)越來(lái)越精細(xì)的油氣勘探與開(kāi)發(fā)的實(shí)際需求,孔隙介質(zhì)理論一直是地球物理學(xué)理論與應(yīng)用研究的前沿課題之一,其主要包括兩種力學(xué)機(jī)制:Biot流動(dòng)機(jī)制和Squirt 流動(dòng)機(jī)制,而B(niǎo)ISQ模型就是將兩種機(jī)制有機(jī)地結(jié)合在一起.基于BISQ模型的雙相各向異性(VTI)介質(zhì)彈性波波動(dòng)方程是一個(gè)復(fù)變系數(shù)偏微分方程,精確的數(shù)值模擬方法應(yīng)該在頻率域進(jìn)行.本文建立了該方程的25點(diǎn)頻率-空間域有限差分?jǐn)?shù)值解法,對(duì)理想相界情況下,在Biot流動(dòng)和噴射流動(dòng)共同作用下的雙相VTI介質(zhì)中的波傳播進(jìn)行了數(shù)值模擬,通過(guò)與僅受Biot流動(dòng)作用下的波場(chǎng)模擬結(jié)果的對(duì)比,分析了兩種機(jī)制耦合作用對(duì)彈性波傳播的影響.rn 數(shù)值模擬結(jié)果表明:在Biot流動(dòng)和噴射流動(dòng)耦合作用下，雙相介質(zhì)中傳播的快qP波的速度和振幅都小于僅考慮Biot流動(dòng)的雙相介質(zhì)中的快qP波，且慢qP波由于強(qiáng)烈的衰減無(wú)法觀測(cè)到;盡在Biot流動(dòng)作用下，慢qP波呈現(xiàn)傳播模式可以清晰地觀測(cè)到;而兩種模型的qS波的波速和振幅則無(wú)明顯差異。這表明局部噴射流動(dòng)對(duì)qP波的衰減和頻散具有重要影響。該研究結(jié)果也表明，頻率一空間域有限差分法在基于BISQ模型的雙相介質(zhì)中波傳播數(shù)值模擬中的正確性和有效性，可以為雙相孔隙介質(zhì)全波形反演問(wèn)題的研究提供研究基礎(chǔ)。

摘要： 本文嘗試在空間域進(jìn)行濾波器的設(shè)計(jì)，并將該方法運(yùn)用到美國(guó)堪薩斯州地下水儲(chǔ)量變化的研究中，結(jié)果顯示，由GRACE星數(shù)據(jù)計(jì)算得到的地下水的變化和實(shí)際的原位井測(cè)量的數(shù)據(jù)在發(fā)現(xiàn)兩者在2003年至2009年中符合較好。結(jié)果還體現(xiàn)了GRACE衛(wèi)星用于干旱地區(qū)地下水量變化監(jiān)測(cè)的能力，另一方面也說(shuō)明了基于空間域的GRACE時(shí)變重力場(chǎng)去噪方法的可行性和有效性。

摘要： 本文論述一種以空間域,"啞音對(duì)應(yīng)互動(dòng)"技術(shù)為基礎(chǔ)、綜合運(yùn)用現(xiàn)代數(shù)字音頻信號(hào)處理以及媒體矩陣和網(wǎng)絡(luò)控制等技術(shù)組成的多話筒會(huì)議擴(kuò)聲系統(tǒng)設(shè)計(jì)方案,近年在許多重點(diǎn)會(huì)議室中應(yīng)用類(lèi)似方案獲得良好效果.本文講述該系統(tǒng)的基本結(jié)構(gòu)和特點(diǎn),并舉出工程實(shí)例.

摘要： 本文分析了已有的一些應(yīng)用于單頻PPP的消電離層方法。同時(shí)，基于非差非組合觀測(cè)模型，考慮了電離層延遲的時(shí)間域和空間域特性，附加了相關(guān)約束，提出了一種兼顧函數(shù)模型和隨機(jī)過(guò)程的電離層參數(shù)化方法，并且利用傅里葉分析，精化了函數(shù)模型部分，利用全球分布的IGS站的數(shù)據(jù)，驗(yàn)證了電離層延遲可以被分解為一個(gè)確定性的函數(shù)模型部分和一個(gè)隨機(jī)部分。

摘要： 化學(xué)地層學(xué)是一門(mén)將地層學(xué)、地球化學(xué)和數(shù)學(xué)地質(zhì)融為一體的邊緣交叉學(xué)科,它是以地層體為研究對(duì)象,以地球化學(xué)原理為理論依據(jù),以周期表中的化學(xué)元素為研究?jī)?nèi)容,借助數(shù)理統(tǒng)計(jì)及電子計(jì)算機(jī)來(lái)研究元素在時(shí)間域和空間域中的演變規(guī)律,并以化學(xué)階段和化學(xué)域作為化學(xué)地層學(xué)的兩個(gè)主要核心內(nèi)容,來(lái)衡量元素時(shí)空結(jié)構(gòu)特征.地球化學(xué)自從誕生后得到廣泛的關(guān)注,常量元素、微量元素、有機(jī)地化及同位素地化等在化學(xué)地層的研究中有著重要意義.本次工作對(duì)皖南新元古代晚期地層(休寧組、南沱組、藍(lán)田組、皮園村組)測(cè)制了26條地球化學(xué)剖面：共采集樣品452件。樣品利用分光光度計(jì)，等離子體質(zhì)譜儀，等離子體光譜儀、X射線熒光光譜，發(fā)射光譜儀分析21個(gè)元素?；瘜W(xué)地層單元的劃分由兩步完成。首先，對(duì)49個(gè)巖性段樣品的21個(gè)微量元素作R型因子分析，按特征值>1．17作為選取因子原則，得到6個(gè)因子，它們貢獻(xiàn)了總方差的76％。然后用正交因子得分為變量，進(jìn)行Q型群分析，按距離系數(shù)<10為分組原則，將49個(gè)巖性段劃分為4個(gè)化學(xué)地層單元和1個(gè)異常單元層。

摘要： 核輻射條件下通過(guò)光學(xué)感知手段獲取圖像數(shù)據(jù),射線與設(shè)備的核心器件CCD發(fā)生相互作用,導(dǎo)致圖像質(zhì)量下降,直接制約所獲取圖像數(shù)據(jù)的精確性.國(guó)內(nèi)外正積極研制各種形式的抗輻射加固的攝像或照相設(shè)備,但是對(duì)于現(xiàn)有的多數(shù)承載平臺(tái),這些設(shè)備的應(yīng)用會(huì)受到一定程度的限制.另外,有些情況下只能拿到退化的圖像數(shù)據(jù),此時(shí),對(duì)退化圖像進(jìn)行處理,最大限度地復(fù)原出原始圖像顯得尤為必要.本文分析了γ射線輻照CCD引起圖像退化的機(jī)理,研究了退化圖像的噪聲特點(diǎn),并從空間域角度采用標(biāo)準(zhǔn)中值濾波算法針對(duì)實(shí)測(cè)的退化圖像進(jìn)行了去噪處理.為克服標(biāo)準(zhǔn)中值濾波算法的固有缺點(diǎn),進(jìn)一步利用自適應(yīng)中值濾波算法對(duì)退化圖像進(jìn)行去噪處理.結(jié)果表明,自適應(yīng)中值濾波算法在有效去噪的同時(shí),盡可能地保留了圖像的細(xì)節(jié).

摘要： 獲取車(chē)牌圖像的稀疏成分，有利于計(jì)算機(jī)對(duì)車(chē)牌圖像進(jìn)行高速、有效的處理。車(chē)牌圖像稀疏表示的基本思想是從車(chē)牌圖像的空間域（或變換域）表示中選擇出來(lái)一些基函數(shù)，在這些基函數(shù)的基礎(chǔ)上，對(duì)圖像實(shí)施線性展開(kāi)，實(shí)現(xiàn)利用較少的特征數(shù)據(jù)表示圖像。本文的創(chuàng)新點(diǎn)是在SVD 基礎(chǔ)上提出針對(duì)Ek的一種補(bǔ)償辦法，保證X（表示信號(hào)的系數(shù)）是稀疏的。最后形成基于圖像稀疏表示的車(chē)牌圖像去噪處理的算法。

摘要： 數(shù)字水印技術(shù)是隨著數(shù)字化的進(jìn)程而發(fā)展起來(lái)的信息安全的前沿技術(shù)。在地理空間數(shù)據(jù)尤其在矢量地理空間數(shù)據(jù)方面，水印技術(shù)的研究還較薄弱，水印基本理論和關(guān)鍵模型、算法尚未很好建立，許多技術(shù)難點(diǎn)有待于突破，應(yīng)用還處于起步階段。本文總結(jié)了目前國(guó)內(nèi)外矢量空間數(shù)據(jù)數(shù)字水印研究進(jìn)展，分析了矢量空間數(shù)據(jù)在表示及使用方式上的特點(diǎn)和矢量空間數(shù)據(jù)嵌入數(shù)字水印的要求。探討了矢量空間數(shù)據(jù)水印的典型的空間域、變換域方法及特點(diǎn)，最后對(duì)矢量數(shù)字水印技術(shù)存在的問(wèn)題以及對(duì)未來(lái)的研究方向和重點(diǎn)進(jìn)行了展望。

摘要： 本發(fā)明公開(kāi)了一種fMRI數(shù)據(jù)空間源相位從實(shí)數(shù)域到復(fù)數(shù)域的映射方法，屬于生物醫(yī)學(xué)信號(hào)處理領(lǐng)域。首先，對(duì)fMRI實(shí)數(shù)域相位數(shù)據(jù)進(jìn)行空間ICA分離，根據(jù)感興趣成分的空間參考網(wǎng)絡(luò)對(duì)ICA得到的源成分做極性校正，選取感興趣成分；接著，選取感興趣成分的空間源相位，對(duì)其做取正值和空間平滑預(yù)處理；然后，估計(jì)空間源相位值的分布直方圖，生成對(duì)稱化的數(shù)據(jù)點(diǎn)，并求取擬合這些數(shù)據(jù)點(diǎn)的函數(shù)；最后，將擬合函數(shù)的值域變換到[0,π]得到映射函數(shù)，并將其用于空間源相位從實(shí)數(shù)域到復(fù)數(shù)域的映射。本發(fā)明將復(fù)數(shù)域空間源相位的消噪優(yōu)勢(shì)推廣到了實(shí)數(shù)域，克服了傳統(tǒng)閾值消噪法的性能劣勢(shì)，為fMRI數(shù)據(jù)分析的后處理消噪提供了新的手段。

摘要： 本發(fā)明公開(kāi)了一種fMRI數(shù)據(jù)空間源相位從實(shí)數(shù)域到復(fù)數(shù)域的映射方法，屬于生物醫(yī)學(xué)信號(hào)處理領(lǐng)域。首先，對(duì)fMRI實(shí)數(shù)域相位數(shù)據(jù)進(jìn)行空間ICA分離，根據(jù)感興趣成分的空間參考網(wǎng)絡(luò)對(duì)ICA得到的源成分做極性校正，選取感興趣成分；接著，選取感興趣成分的空間源相位，對(duì)其做取正值和空間平滑預(yù)處理；然后，估計(jì)空間源相位值的分布直方圖，生成對(duì)稱化的數(shù)據(jù)點(diǎn)，并求取擬合這些數(shù)據(jù)點(diǎn)的函數(shù)；最后，將擬合函數(shù)的值域變換到[0,π]得到映射函數(shù)，并將其用于空間源相位從實(shí)數(shù)域到復(fù)數(shù)域的映射。本發(fā)明將復(fù)數(shù)域空間源相位的消噪優(yōu)勢(shì)推廣到了實(shí)數(shù)域，克服了傳統(tǒng)閾值消噪法的性能劣勢(shì)，為fMRI數(shù)據(jù)分析的后處理消噪提供了新的手段。

摘要： 本發(fā)明公開(kāi)了一種基于時(shí)間域?空間域特征聯(lián)合增強(qiáng)的步態(tài)識(shí)別方法，對(duì)待檢測(cè)步態(tài)序列，先使用卷積神經(jīng)網(wǎng)絡(luò)提取序列特征表達(dá)，再自適應(yīng)地捕捉顯著的空域特征，最后分別進(jìn)行空間域與時(shí)間域的建模。自適應(yīng)顯著性特征生成模塊可靈活地提取來(lái)自不同身體區(qū)域的突出特征，有效地豐富特征的多樣性與顯著性?；谶@樣的多區(qū)域顯著性特征，本發(fā)明，分別對(duì)輸入步態(tài)序列進(jìn)行空間域與時(shí)間域的建模，通過(guò)聯(lián)合優(yōu)化，輸出空間域?時(shí)間域聯(lián)合增強(qiáng)的步態(tài)特征。本方法在不同場(chǎng)景下的精度高、魯棒性強(qiáng)，能有效克服由于行人攜帶不同物品或穿著不同衣物產(chǎn)生的外觀變化所導(dǎo)致的不利因素。本發(fā)明還提供了相應(yīng)的基于時(shí)間域?空間域特征聯(lián)合增強(qiáng)的步態(tài)識(shí)別系統(tǒng)。

摘要： 本發(fā)明提出一種結(jié)合空間域和頻率域的顯著性檢測(cè)方法，在自然圖像中，利用線性顏色特征RGBY和非線性顏色特征LAB，基于兩個(gè)顏色特征各生成兩幅顯著圖，通過(guò)顯著圖的顯著聚合值來(lái)選取優(yōu)秀的顯著圖實(shí)現(xiàn)線性權(quán)重融合；在多光譜圖像中，利用光譜角和光譜絕對(duì)差異兩個(gè)互補(bǔ)的光譜特征進(jìn)行光譜顯著檢測(cè)。本發(fā)明所述顯著性檢測(cè)方法簡(jiǎn)單，容易實(shí)現(xiàn)，檢測(cè)效果精確。

摘要： 本發(fā)明公開(kāi)了一種空間域與極化域聯(lián)合的全雙工自干擾消除方法，屬于無(wú)線通信技術(shù)領(lǐng)域，包括利用空間域的天線隔離進(jìn)行初步自干擾消除，其次結(jié)合數(shù)字域的極化處理，將自干擾信號(hào)的乘性相位噪聲干擾轉(zhuǎn)化為加性噪聲干擾，利用重構(gòu)自干擾信號(hào)通過(guò)估計(jì)補(bǔ)償消除自干擾，最后通過(guò)極化匹配接收恢復(fù)期望信號(hào)。同時(shí)，本發(fā)明聯(lián)合考慮該消除方法中的空間特性與極化特性對(duì)全雙工自干擾的影響，在不受相位噪聲影響的情況下實(shí)現(xiàn)全雙工自干擾消除，并且可以提高自干擾消除量性能與系統(tǒng)數(shù)據(jù)速率性能。

摘要： 本發(fā)明公開(kāi)了一種高光譜分類(lèi)中光譜域空間域聯(lián)合相關(guān)約束的特征抽取方法，其特征在于，包括采用主成分析方法對(duì)原始高光譜圖像數(shù)據(jù)進(jìn)行降維去噪，并抽取原始高光譜圖像數(shù)據(jù)的主成分，得到主成分分析后的樣本及其標(biāo)簽；根據(jù)主成分分析后的樣本的標(biāo)簽，將樣本分裂成類(lèi)內(nèi)樣本和類(lèi)外樣本；分別對(duì)類(lèi)內(nèi)樣本和類(lèi)外樣本進(jìn)行構(gòu)建光譜域相關(guān)性約束；選擇一個(gè)主成分分析后的樣本為中心樣本，得到對(duì)應(yīng)其預(yù)設(shè)空間位置的鄰域樣本集合，求取中心樣本與其鄰域樣本集合內(nèi)樣本的相關(guān)系數(shù)，構(gòu)建空間域相關(guān)性約束；采用光譜域相關(guān)性約束和空間域相關(guān)性約束直接結(jié)合的方法，構(gòu)建光譜域和空間域混合相關(guān)性特征向量，獲得高光譜圖像的光譜域空間域聯(lián)合相關(guān)約束的特征向量。

摘要： 本發(fā)明公開(kāi)一種極化域和空間域非互易性超表面裝置，包含：多個(gè)相同的超表面單元；每個(gè)超表面單元包含輻射貼片、介質(zhì)基板和金屬背板三層結(jié)構(gòu)；超表面單元，用于在前向頻率轉(zhuǎn)換和后向頻率轉(zhuǎn)換時(shí)，通過(guò)改變饋電點(diǎn)正交相位差值，調(diào)控超表面裝置極化域的極化狀態(tài)，每個(gè)所述超表面單元的饋電點(diǎn)正交相位差值均相同，饋電點(diǎn)正交相位差值是同一超表面單元的輻射貼片的正交軸對(duì)應(yīng)的饋電點(diǎn)間加載的時(shí)變調(diào)制信號(hào)的相位差；在前向頻率轉(zhuǎn)換和后向頻率轉(zhuǎn)換時(shí)，通過(guò)調(diào)整不同超表面單元的第一相位值，實(shí)現(xiàn)波束指向的非互易性。本發(fā)明還公開(kāi)一種極化域和空間域非互易性超表面控制方法，使用所述裝置。本發(fā)明實(shí)現(xiàn)了高集成度的非互易性器件，尤其適用點(diǎn)對(duì)點(diǎn)通信。

摘要： 本發(fā)明公開(kāi)了一種基于時(shí)間域?空間域特征聯(lián)合增強(qiáng)的步態(tài)識(shí)別方法，對(duì)待檢測(cè)步態(tài)序列，先使用卷積神經(jīng)網(wǎng)絡(luò)提取序列特征表達(dá)，再自適應(yīng)地捕捉顯著的空域特征，最后分別進(jìn)行空間域與時(shí)間域的建模。自適應(yīng)顯著性特征生成模塊可靈活地提取來(lái)自不同身體區(qū)域的突出特征，有效地豐富特征的多樣性與顯著性?；谶@樣的多區(qū)域顯著性特征，本發(fā)明，分別對(duì)輸入步態(tài)序列進(jìn)行空間域與時(shí)間域的建模，通過(guò)聯(lián)合優(yōu)化，輸出空間域?時(shí)間域聯(lián)合增強(qiáng)的步態(tài)特征。本方法在不同場(chǎng)景下的精度高、魯棒性強(qiáng)，能有效克服由于行人攜帶不同物品或穿著不同衣物產(chǎn)生的外觀變化所導(dǎo)致的不利因素。本發(fā)明還提供了相應(yīng)的基于時(shí)間域?空間域特征聯(lián)合增強(qiáng)的步態(tài)識(shí)別系統(tǒng)。

摘要： 本發(fā)明公開(kāi)了從空間域差分信息轉(zhuǎn)換為觀測(cè)域差分信息的方法和設(shè)備，其中方法包括獲取空間狀態(tài)域信息、獲取觀測(cè)域差分信息、獲取虛擬觀測(cè)距離信息、電離層與對(duì)流層延遲信息的獲得，本發(fā)明實(shí)現(xiàn)了一種從空間域差分信息轉(zhuǎn)換為觀測(cè)域差分信息的轉(zhuǎn)換算法，轉(zhuǎn)換出的觀測(cè)域差分信息遵循國(guó)際標(biāo)準(zhǔn)協(xié)議，能夠?yàn)榇蟛糠諫NSS接收機(jī)所接收；以及基于該方法完成轉(zhuǎn)換設(shè)備的研發(fā)，可以實(shí)現(xiàn)將觀測(cè)域差分信息轉(zhuǎn)發(fā)給GNSS接收機(jī)，使其能夠獲得高精度的定位結(jié)果。

摘要： 本發(fā)明提供的空間域與變換域相融合的噪聲圖像重構(gòu)方法，在對(duì)空間域雙邊濾波和變換域小波變換收縮分別改進(jìn)優(yōu)化的基礎(chǔ)上，將改良后的二種方法相融合，不僅能夠很好的去除圖像噪聲，還能夠保留圖像的細(xì)節(jié)信息和邊緣特征，同時(shí)不會(huì)產(chǎn)生振鈴現(xiàn)象。經(jīng)過(guò)多次試驗(yàn)論證，3次迭代是算法最佳迭代次數(shù)，本發(fā)明算法得到的結(jié)果取得了比BM3D算法更好的圖像去噪效果，并且存在更少的低頻噪聲，算法實(shí)現(xiàn)更加簡(jiǎn)單，在保留圖像邊緣特征信息的同時(shí)增強(qiáng)了圖像細(xì)節(jié)信息，大幅提高了圖像的辨識(shí)度，噪聲圖像得到高質(zhì)量的去噪重構(gòu)，重構(gòu)圖像有更好的視覺(jué)效果。