下载排行
2015, 30(2):289-298.
DOI: 10.16337/j.1004-9037.2015.02.006
摘要:
光声成像是一种低功率、非电离的成像方式，既具有声学方法对深层组织成像分辨率高的优点，又具有光学方法在功能成像、分子成像方面具有高对比度的优势。本文回顾了近年来，光声成像技术在生物医学领域的研究进展，介绍了光声成像的基本成像原理。以此为基础，本文介绍了光声成像的两种主要成像方案：光声断层成像和光声显微镜，并且讨论了光声成像在获取生物组织化学成分信息和微结构信息方面的优越性；最后，本文对光声成像技术的优点和应用前景进行了总结。
光声成像是一种低功率、非电离的成像方式，既具有声学方法对深层组织成像分辨率高的优点，又具有光学方法在功能成像、分子成像方面具有高对比度的优势。本文回顾了近年来，光声成像技术在生物医学领域的研究进展，介绍了光声成像的基本成像原理。以此为基础，本文介绍了光声成像的两种主要成像方案：光声断层成像和光声显微镜，并且讨论了光声成像在获取生物组织化学成分信息和微结构信息方面的优越性；最后，本文对光声成像技术的优点和应用前景进行了总结。
2014, 29(5):677-682.
摘要:
压缩感知中，测量矩阵在信号的获取和重构过程中起着重要的作用。传统的随机测量矩阵在采样率较高的情况下，能够获得比较好的重构效果，但在低采样率下的重构效果不够理想。确定性测量矩阵自身存在一些限制因素，与随机测量矩阵相比，重构效果有所降低。基于广义轮换矩阵（GR），提出了两种结构随机矩阵：广义二进制轮换矩阵（GBR）和伪随机广义二进制轮换矩阵（PGBR）。仿真结果表明，相对于传统的测量矩阵，新的测量矩阵在二维图像重建方面效果较好，所需重构时间相差不大，在较低的采样率下能够获得更加精确的重建。
压缩感知中，测量矩阵在信号的获取和重构过程中起着重要的作用。传统的随机测量矩阵在采样率较高的情况下，能够获得比较好的重构效果，但在低采样率下的重构效果不够理想。确定性测量矩阵自身存在一些限制因素，与随机测量矩阵相比，重构效果有所降低。基于广义轮换矩阵（GR），提出了两种结构随机矩阵：广义二进制轮换矩阵（GBR）和伪随机广义二进制轮换矩阵（PGBR）。仿真结果表明，相对于传统的测量矩阵，新的测量矩阵在二维图像重建方面效果较好，所需重构时间相差不大，在较低的采样率下能够获得更加精确的重建。
2014, 29(5):704-712.
摘要:
基于传统的变分水平集方法的图像分割，水平集函数必须周期性地重新初始化使之保持为符号距离函数，这存在如何选择重新初始化的时间和方式的难题。Li模型通过在能量泛函中引入一个内部约束能量，去除了水平集函数在演化过程中需重新初始化的难题。通过对Li模型的分析，提出了一个新的变分水平集的分割模型。该模型通过在能量泛函中加入一个较简单的内部约束能量，同样可以实现水平集演化过程中的无需重新初始化。并且通过对边缘停止函数的重新定义，引入了新的外部能量，使得本文模型对噪声图像的分割更具鲁棒性。实验表明无论是在收敛速度上，还是在对噪声图像的分割质量上，本文模型和Li模型相比都具有一定的优势。
基于传统的变分水平集方法的图像分割，水平集函数必须周期性地重新初始化使之保持为符号距离函数，这存在如何选择重新初始化的时间和方式的难题。Li模型通过在能量泛函中引入一个内部约束能量，去除了水平集函数在演化过程中需重新初始化的难题。通过对Li模型的分析，提出了一个新的变分水平集的分割模型。该模型通过在能量泛函中加入一个较简单的内部约束能量，同样可以实现水平集演化过程中的无需重新初始化。并且通过对边缘停止函数的重新定义，引入了新的外部能量，使得本文模型对噪声图像的分割更具鲁棒性。实验表明无论是在收敛速度上，还是在对噪声图像的分割质量上，本文模型和Li模型相比都具有一定的优势。
2012, 27(6).
摘要:
2015, 30(5):915-932.
摘要:
生物医学信号处理在生命科学研究、保健、疾病的预防、治疗 以及医疗仪器产业中具有重要的意义。由于生物医学信号来自于人体，受生理、心理的影响 ，信号具有多样性和复杂性的突出特点，加之其特殊的应用目的，因此生物医学信号处理需 要多学科的理论。本文较为全面地讨论了生物医学信号处理的主要内容，即生物医学信号的 种类、特点和对其处理的主要环节，生物医学信号处理所涉及的理论内容，并以心电和脑电 为例介绍了生物医学信号处理的应用。然后介绍了生物医学信号 处理的新进展，简要回顾了现代信号处理近十年来的热点内容，即Hilbert Huang变换、 压缩感知及信号的稀疏表达。最后对生物医学信号处理研究方向进行了展望。
生物医学信号处理在生命科学研究、保健、疾病的预防、治疗 以及医疗仪器产业中具有重要的意义。由于生物医学信号来自于人体，受生理、心理的影响 ，信号具有多样性和复杂性的突出特点，加之其特殊的应用目的，因此生物医学信号处理需 要多学科的理论。本文较为全面地讨论了生物医学信号处理的主要内容，即生物医学信号的 种类、特点和对其处理的主要环节，生物医学信号处理所涉及的理论内容，并以心电和脑电 为例介绍了生物医学信号处理的应用。然后介绍了生物医学信号 处理的新进展，简要回顾了现代信号处理近十年来的热点内容，即Hilbert Huang变换、 压缩感知及信号的稀疏表达。最后对生物医学信号处理研究方向进行了展望。
2022, 37(3):512-541.
DOI: 10.16337/j.1004-9037.2022.03.004
摘要:
域适应主要应对跨不同数据分布的相似任务决策问题。作为机器学习领域的一个新兴分支，域适应受到了众多的研究和关注。随着近年深度学习的兴起，深度学习和域适应相结合的深度域适应研究得到了更多的关注。尽管已有各种深度域适应方法被提出，却鲜有系统的综述工作发表。为此，本文重点对现有的深度域适应方法进行全面回顾、分析和总结，为相关研究人员提供借鉴和参考。本文主要贡献包括以下方面：首先，对域适应的背景、概念和应用领域进行概括总结。其次，根据模型是否涉及对抗训练机制，将现有深度域适应划分为深度对抗域适应和深度非对抗域适应两大类方法，并逐类回顾和分析。然后，对常用的实验基准数据集进行归类和总结。最后，对现有深度域适应工作存在的问题和不足进行了归纳分析，并讨论了将来的可行研究方向。
域适应主要应对跨不同数据分布的相似任务决策问题。作为机器学习领域的一个新兴分支，域适应受到了众多的研究和关注。随着近年深度学习的兴起，深度学习和域适应相结合的深度域适应研究得到了更多的关注。尽管已有各种深度域适应方法被提出，却鲜有系统的综述工作发表。为此，本文重点对现有的深度域适应方法进行全面回顾、分析和总结，为相关研究人员提供借鉴和参考。本文主要贡献包括以下方面：首先，对域适应的背景、概念和应用领域进行概括总结。其次，根据模型是否涉及对抗训练机制，将现有深度域适应划分为深度对抗域适应和深度非对抗域适应两大类方法，并逐类回顾和分析。然后，对常用的实验基准数据集进行归类和总结。最后，对现有深度域适应工作存在的问题和不足进行了归纳分析，并讨论了将来的可行研究方向。
2022, 37(3):471-487.
DOI: 10.16337/j.1004-9037.2022.03.001
摘要:
随着大数据的持续发展，数据已经成为国家的重大战略资源，对社会影响日益明显。为了更深入地挖掘和研究大数据背后所蕴藏的基本科学问题，新的研究领域——数据科学被提出。本文从大数据的发展历程出发，介绍了数据科学的兴起和内涵；分析了大数据和数据科学的研究现状，以及数据在各行业中的应用；简述了为探索数据科学本身的内涵和规律而建设的大数据试验场；讨论了数据科学的关键问题，以及在研究数据时应具有的新思维和新观念，以推动数据科学的发展，促进现实世界向数字世界的转型，最终实现社会生活的真正智能化。
随着大数据的持续发展，数据已经成为国家的重大战略资源，对社会影响日益明显。为了更深入地挖掘和研究大数据背后所蕴藏的基本科学问题，新的研究领域——数据科学被提出。本文从大数据的发展历程出发，介绍了数据科学的兴起和内涵；分析了大数据和数据科学的研究现状，以及数据在各行业中的应用；简述了为探索数据科学本身的内涵和规律而建设的大数据试验场；讨论了数据科学的关键问题，以及在研究数据时应具有的新思维和新观念，以推动数据科学的发展，促进现实世界向数字世界的转型，最终实现社会生活的真正智能化。
2022, 37(3):502-511.
DOI: 10.16337/j.1004-9037.2022.03.003
摘要:
大规模多输入多输出（Multiple input multiple output， MIMO）技术的演进是第6代（The sixth generation， 6G）无线通信系统性能进一步提升的重要支撑。随着天线阵列规模的持续扩大，频分复用（Fvequency division duplexing， FDD）大规模MIMO系统获取下行信道状态信息（Channel state information， CSI）面临着严峻挑战。深度学习具有强大的学习及处理高维数据的能力，能够为解决这一挑战提供新的方案。本文综述了基于深度学习的FDD大规模MIMO下行CSI获取技术，包括CSI反馈和预测技术。首先给出了基于深度学习的CSI反馈和预测的原理框架，其次分析比较了国内外相关研究成果的优越性能，为解决面向6G的FDD大规模MIMO系统获取下行CSI问题提供了可行的参考方案。最后讨论了FDD大规模MIMO下行CSI获取的有待进一步解决的开放性问题以及所对应的潜在研究方案。
大规模多输入多输出（Multiple input multiple output， MIMO）技术的演进是第6代（The sixth generation， 6G）无线通信系统性能进一步提升的重要支撑。随着天线阵列规模的持续扩大，频分复用（Fvequency division duplexing， FDD）大规模MIMO系统获取下行信道状态信息（Channel state information， CSI）面临着严峻挑战。深度学习具有强大的学习及处理高维数据的能力，能够为解决这一挑战提供新的方案。本文综述了基于深度学习的FDD大规模MIMO下行CSI获取技术，包括CSI反馈和预测技术。首先给出了基于深度学习的CSI反馈和预测的原理框架，其次分析比较了国内外相关研究成果的优越性能，为解决面向6G的FDD大规模MIMO系统获取下行CSI问题提供了可行的参考方案。最后讨论了FDD大规模MIMO下行CSI获取的有待进一步解决的开放性问题以及所对应的潜在研究方案。
2022, 37(3):597-608.
DOI: 10.16337/j.1004-9037.2022.03.010
摘要:
传统视觉同步定位和地图构建（Simultaneous localization and mapping， SLAM）算法建立在静态环境假设的基础之上，当场景中出现动态物体时，会影响系统稳定性，造成位姿估计精度下降。现有方法大多基于概率统计和几何约束来减轻少量动态物体对视觉SLAM系统的影响，但是当场景中动态物体较多时，这些方法失效。针对这一问题，本文提出了一种将动态视觉SLAM算法与多目标跟踪算法相结合的方法。首先采用实例语义分割网络，结合几何约束，在有效地分离静态特征点和动态特征点的同时，进一步实现多目标跟踪，改善跟踪结果，并能够获得运动物体的轨迹和速度矢量信息，从而能够更好地为机器人自主导航提供决策信息。在KITTI数据集上的实验表明，该算法在动态场景中相较ORB-SLAM2算法精度提高了28%。
传统视觉同步定位和地图构建（Simultaneous localization and mapping， SLAM）算法建立在静态环境假设的基础之上，当场景中出现动态物体时，会影响系统稳定性，造成位姿估计精度下降。现有方法大多基于概率统计和几何约束来减轻少量动态物体对视觉SLAM系统的影响，但是当场景中动态物体较多时，这些方法失效。针对这一问题，本文提出了一种将动态视觉SLAM算法与多目标跟踪算法相结合的方法。首先采用实例语义分割网络，结合几何约束，在有效地分离静态特征点和动态特征点的同时，进一步实现多目标跟踪，改善跟踪结果，并能够获得运动物体的轨迹和速度矢量信息，从而能够更好地为机器人自主导航提供决策信息。在KITTI数据集上的实验表明，该算法在动态场景中相较ORB-SLAM2算法精度提高了28%。
2022, 37(3):586-596.
DOI: 10.16337/j.1004-9037.2022.03.009
摘要:
针对小样本学习标注训练样本过少，导致特征表达力弱的问题，本文结合有监督主题模型（Supervised LDA， SLDA）和动态路由算法提出一种新的动态路由原型网络模型（Dynamic routing prototypical network based on SLDA， DRP-SLDA）。利用SLDA主题模型建立词汇与类别之间的语义映射，增强词的类别分布特征，从词粒度角度编码获得样本的语义表示。提出动态路由原型网络（Dynamic routing prototypical network，DR-Proto），通过提取交叉特征利用样本之间的语义关系，采用动态路由算法迭代生成具有类别代表性的动态原型，旨在解决特征表达问题。实验结果表明，DRP-SLDA模型能有效提取词的类别分布特征，且获取动态原型提高类别辨识力，从而能够有效提升小样本文本分类的泛化性能。
针对小样本学习标注训练样本过少，导致特征表达力弱的问题，本文结合有监督主题模型（Supervised LDA， SLDA）和动态路由算法提出一种新的动态路由原型网络模型（Dynamic routing prototypical network based on SLDA， DRP-SLDA）。利用SLDA主题模型建立词汇与类别之间的语义映射，增强词的类别分布特征，从词粒度角度编码获得样本的语义表示。提出动态路由原型网络（Dynamic routing prototypical network，DR-Proto），通过提取交叉特征利用样本之间的语义关系，采用动态路由算法迭代生成具有类别代表性的动态原型，旨在解决特征表达问题。实验结果表明，DRP-SLDA模型能有效提取词的类别分布特征，且获取动态原型提高类别辨识力，从而能够有效提升小样本文本分类的泛化性能。
12 图像超分辨重建算法综述
2020, 35(1):1-20.
DOI: 10.16337/j.1004-9037.2020.01.003
摘要:
图像超分辨重建是一种提升图像分辨率的图像处理技术，而超分辨问题是一个难解的欠定问题，近些年来研究人员主要采用基于学习的方法，从大量数据中学习图像先验信息，以实现对解空间的约束。本文介绍了近20年来主流的图像超分辨重建算法，主要分为基于传统特征的方法和基于深度学习的方法。对于传统的超分辨重建算法，阐述了基于邻域嵌入的方法、基于稀疏表示的方法以及基于局部线性回归的方法。对于基于深度学习的超分辨重建算法，详细总结了网络模型结构设计、上采样方式、损失函数形式以及复杂条件下的算法设计4个方面。此外，本文简要分析了超分辨重建技术在视频超分辨、遥感图像超分辨以及在视觉高层任务方面的应用。最后，本文展望了图像超分辨重建技术的未来发展方向。
图像超分辨重建是一种提升图像分辨率的图像处理技术，而超分辨问题是一个难解的欠定问题，近些年来研究人员主要采用基于学习的方法，从大量数据中学习图像先验信息，以实现对解空间的约束。本文介绍了近20年来主流的图像超分辨重建算法，主要分为基于传统特征的方法和基于深度学习的方法。对于传统的超分辨重建算法，阐述了基于邻域嵌入的方法、基于稀疏表示的方法以及基于局部线性回归的方法。对于基于深度学习的超分辨重建算法，详细总结了网络模型结构设计、上采样方式、损失函数形式以及复杂条件下的算法设计4个方面。此外，本文简要分析了超分辨重建技术在视频超分辨、遥感图像超分辨以及在视觉高层任务方面的应用。最后，本文展望了图像超分辨重建技术的未来发展方向。
2022, 37(3):633-642.
DOI: 10.16337/j.1004-9037.2022.03.013
摘要:
分类学习效果与有限训练样本的分布情况密切相关。支持向量数据描述（Support vector data description， SVDD）作为单一边界求解模型，不能良好刻画数据实际分布特征，从而导致部分目标对象落在超球以外。为了提高其分类能力，本文提出一种基于粒计算的支持向量数据描述（Granular computing-driven SVDD， GrC-SVDD）分类方法，构造多粒度层次的属性集合以及相应的多粒度超球。首先通过邻域自信息对当前粒度层的属性集合重要度进行计算，然后选择最佳属性集合对上一粒度层未达到纯度阈值的超球再训练，直到所有超球满足条件或者属性耗尽。实验部分讨论了算法参数对分类性能的影响，并通过学习获得超参数。结果表明，与SVDD及流行的分类算法相比，本文方法具有较好的分类性能。
分类学习效果与有限训练样本的分布情况密切相关。支持向量数据描述（Support vector data description， SVDD）作为单一边界求解模型，不能良好刻画数据实际分布特征，从而导致部分目标对象落在超球以外。为了提高其分类能力，本文提出一种基于粒计算的支持向量数据描述（Granular computing-driven SVDD， GrC-SVDD）分类方法，构造多粒度层次的属性集合以及相应的多粒度超球。首先通过邻域自信息对当前粒度层的属性集合重要度进行计算，然后选择最佳属性集合对上一粒度层未达到纯度阈值的超球再训练，直到所有超球满足条件或者属性耗尽。实验部分讨论了算法参数对分类性能的影响，并通过学习获得超参数。结果表明，与SVDD及流行的分类算法相比，本文方法具有较好的分类性能。
2012, 27(1).
摘要:
指纹图像分割是自动指纹识别系统的关键步骤之一。通过分析指纹图像的灰度级数、位移量及相对方向与其灰度共生矩阵的二次统计特征之间的关系，提出了一种基于灰度共生矩阵的指纹图像分割算法。该算法先将指纹图像分割成矩形块，得到每个矩形块在不同相对方向上的灰度共生矩阵的对比度，然后将其对比度方差与预设阈值进行比较，完成前景或背景区的快速判断。分析和实验表明，该算法分割指纹效果较好，并且对不同的采集环境和图像质量都体现出较强的健壮性。
指纹图像分割是自动指纹识别系统的关键步骤之一。通过分析指纹图像的灰度级数、位移量及相对方向与其灰度共生矩阵的二次统计特征之间的关系，提出了一种基于灰度共生矩阵的指纹图像分割算法。该算法先将指纹图像分割成矩形块，得到每个矩形块在不同相对方向上的灰度共生矩阵的对比度，然后将其对比度方差与预设阈值进行比较，完成前景或背景区的快速判断。分析和实验表明，该算法分割指纹效果较好，并且对不同的采集环境和图像质量都体现出较强的健壮性。
2014, 29(3):341-350.
摘要:
随着无线终端数目的急剧增加以及无线网络的开放性，无线通信的安全问题面临着严重的挑战。与传统加密方法不同，无线通信物理层安全方法从信息论的角度出发，旨在实现无条件安全。本文回顾了Shannon建立的无线通信物理层安全模型，并着重回顾了由Wyner引导的无密钥安全和由Maurer引导的基于无线信道密钥的两大物理层安全分支的发展。其中前者通过波束形成或人工噪声的方法增加合法信道和窃听信道之间的差距；后者则利用无线信道的特性，将其作为产生密钥的天然随机源。在第五代移动通信方式下，物理层安全可以实现轻量级的加解密技术，解决传统加解密延时过长的问题。然而虽然物理层安全的理论研究已日趋成熟，该领域在实际应用中仍有很多问题亟待解决。
随着无线终端数目的急剧增加以及无线网络的开放性，无线通信的安全问题面临着严重的挑战。与传统加密方法不同，无线通信物理层安全方法从信息论的角度出发，旨在实现无条件安全。本文回顾了Shannon建立的无线通信物理层安全模型，并着重回顾了由Wyner引导的无密钥安全和由Maurer引导的基于无线信道密钥的两大物理层安全分支的发展。其中前者通过波束形成或人工噪声的方法增加合法信道和窃听信道之间的差距；后者则利用无线信道的特性，将其作为产生密钥的天然随机源。在第五代移动通信方式下，物理层安全可以实现轻量级的加解密技术，解决传统加解密延时过长的问题。然而虽然物理层安全的理论研究已日趋成熟，该领域在实际应用中仍有很多问题亟待解决。
2013, 28(1).
摘要:
网络舆情演化建模及在此基础之上的趋势预测已成为网络舆情研究的热点内容。针对短期趋势预测方法忽略演化过程统计特性的动态变化性，致使模型选择盲目、预测效果较差的问题，本文提出一种自适应网络舆情演化建模方法（AEMIPO）。首先，动态跟踪网络舆情演化过程的平稳性、周期性和自相似性等统计特性；其次，选取能够描述上述统计特性的ARMA、ARIMA、SARIMA、FARIMA模型构建备选模型库；最后，通过制定模型选择规则，从备选模型库中选择合适的模型对当前时刻的演化过程进行自适应建模，并预测其演化趋势。实验表明，与现有方法相比，AEMIPO具有更高的预测精度与更好的预测稳定性，更适合对网络舆情演化过程进行短期建模及趋势预测。
网络舆情演化建模及在此基础之上的趋势预测已成为网络舆情研究的热点内容。针对短期趋势预测方法忽略演化过程统计特性的动态变化性，致使模型选择盲目、预测效果较差的问题，本文提出一种自适应网络舆情演化建模方法（AEMIPO）。首先，动态跟踪网络舆情演化过程的平稳性、周期性和自相似性等统计特性；其次，选取能够描述上述统计特性的ARMA、ARIMA、SARIMA、FARIMA模型构建备选模型库；最后，通过制定模型选择规则，从备选模型库中选择合适的模型对当前时刻的演化过程进行自适应建模，并预测其演化趋势。实验表明，与现有方法相比，AEMIPO具有更高的预测精度与更好的预测稳定性，更适合对网络舆情演化过程进行短期建模及趋势预测。
2012, 27(3).
摘要:
为快速获得高品质彩色图像，提出一种适合嵌入式机器视觉系统处理的Bayer GWR白平衡算法。根据Bayer CFA的结构特点，改变原GWR 法输入参数。用红、绿、蓝三分量像素均值代替GWR法GW假设公式中像素总值，用近白点三分量像素均值代替GWR法Retinex假设公式中三分量像素最大值。测试表明：该算法能够有效的减小色温差异，数据计算量小。在主频为600MHz的智能相机中，对大小为640?480的Bayer图像数据的处理运行时为34ms，能够满足实际应用对实用性及实时性的要求。
为快速获得高品质彩色图像，提出一种适合嵌入式机器视觉系统处理的Bayer GWR白平衡算法。根据Bayer CFA的结构特点，改变原GWR 法输入参数。用红、绿、蓝三分量像素均值代替GWR法GW假设公式中像素总值，用近白点三分量像素均值代替GWR法Retinex假设公式中三分量像素最大值。测试表明：该算法能够有效的减小色温差异，数据计算量小。在主频为600MHz的智能相机中，对大小为640?480的Bayer图像数据的处理运行时为34ms，能够满足实际应用对实用性及实时性的要求。
2012, 27(1).
摘要:
压缩感知理论是针对采样率和计算复杂度问题的一种新的信号处理模式，它以远低于奈奎斯特频率对信号进行采样，并能准确重构出原始信号。随着宽带高分辨雷达技术发展，目标相对于背景的高度稀疏，与复杂的雷达系统、海量数据呈现极度的不平衡，压缩感知是有效地减弱这种不平衡的可能技术之一。以雷达稀疏信号的压缩测量及重构为主线,本文综述了压缩感知理论在雷达目标探测与识别中的研究进展，分析了压缩感知理论在PD雷达、穿墙雷达、MIMO雷达、雷达目标参数估计、雷达成像，以及目标识别等潜在应用，描述了国内外的相关研究进展。并对研究中现存的难点问题进行了探讨,展望了未来的研究方向。
压缩感知理论是针对采样率和计算复杂度问题的一种新的信号处理模式，它以远低于奈奎斯特频率对信号进行采样，并能准确重构出原始信号。随着宽带高分辨雷达技术发展，目标相对于背景的高度稀疏，与复杂的雷达系统、海量数据呈现极度的不平衡，压缩感知是有效地减弱这种不平衡的可能技术之一。以雷达稀疏信号的压缩测量及重构为主线,本文综述了压缩感知理论在雷达目标探测与识别中的研究进展，分析了压缩感知理论在PD雷达、穿墙雷达、MIMO雷达、雷达目标参数估计、雷达成像，以及目标识别等潜在应用，描述了国内外的相关研究进展。并对研究中现存的难点问题进行了探讨,展望了未来的研究方向。
2022, 37(4):725-726.
DOI: 10.16337/j.1004-9037.2022.04.001
摘要:
在线投稿
在线审稿
编辑管理
读者登录
快速检索
友情链接
