一、基于离散余弦变换的空间归一化方法(英文)（论文文献综述）
张弓[1]（2021）在《心血管疾病鲁棒分类算法研究与平台研制》文中研究表明心血管疾病严重威胁人类生命健康,为社会和家庭带来沉重的负担。早期准确诊断心血管疾病对于挽救患者生命至关重要。心电图（Electrocardiogram,ECG）由于其无创性和低成本的优点,已成为最常用的心血管疾病诊断工具。通常情况下,心血管疾病在早期阶段没有明显的症状,ECG上的形态变化和病变特征不甚明显,需要专家的仔细甄别。然而,现阶段医疗资源有限,专家处理长期的心电图记录将是一项非常耗时且困难的任务。在此背景下,心血管疾病自动分类研究应运而生。本文结合心电信号特点,分别从泛化能力、抗噪、抗数据倾斜性以及平台实用性四个方面展开心血管疾病分类系统研究。本文研究工作归纳如下:1.传统机器学习方法通常泛化能力较弱,识别准确率不高。而传统卷积神经网络（CNN）具有提取抽象泛化特征的能力,缺点是调参复杂,训练周期长。针对上述问题,提出格拉姆主成分网络的心肌梗塞识别算法。算法核心思想是通过主成分分析网络（PCANet）提取主要特征,该网络具有泛化能力强、调参方便以及训练时间短的优点。同时,为充分发挥PCANet在图像处理上的优势,采用格拉姆角场（Gramian Angular Difference Fields,GADF）方法将一维心电信号转成单通道图片。该转换方法既可保留心电信号的幅值信息,又可保留信号对于时间的依赖性。转换后的图片通过PCANet挖掘出特异性信息,最终采用线性支持向量机完成识别分类。在无去噪的条件下,实现高准确率的心血管疾病分类算法。2.现实生活中,由于个体间年龄、心率、心跳模式等差异影响,现有算法在不同病人间的测试效果不佳,算法泛化性能亟待提高。针对此类问题,提出离散余弦残差网络的心肌梗塞识别算法。算法首先采用离散余弦变换方法获取心拍的时频域信息,利用残差网络强大的特征提取能力,进一步对时频特征进行优化,提取到关键的类别差异性特征,最终实现较强泛化能力与良好抗噪声鲁棒性的心血管疾病分类算法。3.为实现鲁棒性多疾病识别算法,传统方法通常将心电数据单一映射至时频域、抽象域或统计域,并基于此探索疾病间的差异性特征。这些单一的映射方法忽略了其他特征域信息对心血管疾病识别的关键影响。针对此种问题,提出离散小波密集网络的心血管疾病识别算法。信号经多次二维离散小波变换得到多层时频域特征,且每层特征都与之前所有层特征进行密集连接,在不丢失转换信息的前提下多层次融合时频域信息,最后与深度网络提取的抽象域特征进行特征通道的拼接,深度融合后的特征丰富了疾病判别依据,提高了心血管疾病识别的泛化与抗噪能力。此外,对于倾斜数据采用Borderline-SMOTE采样算法和Focal损失函数相结合的方式,分别从增加代表性少数类别样本与动态调整模型损失的角度,提高算法的抗数据倾斜能力。4.为实现算法原型的平台应用,构建基于深度学习的大数据平台。结合Spark机器学习算法库与Tensorflowonspark框架实现经典算法的分布式计算。通过将心血管疾病识别算法部署在分布式集群之中,提高其运行效率。同时原始数据、运行结果则存储于Hadoop集群的分布式存储文件系统中,以保证数据的完整与可靠性。使用此平台可降低了用户学习和开发算法的难度,为用户提供算法实现的快速解决方案。
董武[2]（2021）在《基于剪切波变换的图像质量评价方法研究》文中进行了进一步梳理图像失真会使图像丢失信息,并使图像的质量下降,从而影响使用者的主观视觉感受。对于图像处理系统来说,进行图像质量的识别和客观量化评价是一项必不可少的工作。本文基于剪切波变换的特点并结合人眼视觉的感知特性,从四个方面对图像质量的评价进行了深入的研究。论文的主要工作如下:1.提出了一种在剪切波域中基于多尺度多方向感知差值（Multiscale and Multidirectional Perceptual Error,MMPE）的全参考自然图像质量评价方法,该方法能够解决现有的全参考方法中方向特征不明显的问题。该方法使用剪切波变换,并结合人眼的多个底层心理视觉特性,能够提高评价精度。首先,为了模拟人眼视觉的多通道机制,使用剪切波变换对图像进行分解,得到多个尺度和多个方向的子带。然后,在子带中定义局部方向带限对比度和视觉恰可感知差异门限。在处理视觉隐藏问题时,同时考虑了对比度隐藏效应和熵隐藏效应起到的作用。最后,把所有子带的多尺度多方向感知差值组合在一起作为图像质量的评价结果。实验结果表明,该方法比目前主流的评价方法具有更好的质量评价性能。2.提出了一种在剪切波域中基于子带结构相似性（Shearlet Transform Subband Structural similarity,STSS）的全参考自然图像质量评价方法,该方法能够解决严重失真的图像中空间结构特征受到破坏的问题。在该方法中,首先使用剪切波变换分别把参考图像和失真图像进行分解,得到多个不同尺度和不同方向的子带;然后,计算参考图像和失真图像每个子带之间的结构相似性;最后,根据人眼视觉的感知特性,对不同尺度和不同方向子带的结构相似性使用不同的权值进行加权求和,作为失真图像质量的评价结果。实验结果表明,此方法对于严重失真的自然图像具有更好的质量评价性能。3.提出了一种在剪切波域中基于区分归一化变换系数统计特征（Statistical Features of Divisive normalization transform coefficients in the Shearlet domain,SFDS）的部分参考自然图像质量评价方法,该方法能够解决现有的部分参考方法中线性变换子带系数之间存在着较强统计相关性的问题。首先,对图像剪切波域中子带的系数进行区分归一化变换,其目的是减少剪切波变换系数之间的统计相关性。然后,使用高斯分布近似描述归一化系数的统计分布,同时计算高斯分布和实际分布之间的差值,并把此差值和实际分布的统计特征作为图像子带的特征。最后,根据人眼的视觉感知特性,对不同尺度不同方向子带的特征设置不同的加权值,并把失真图像和参考图像在子带特征之间的相似性组合在一起,作为失真图像质量的评价结果。实验结果表明,该方法能够获得较好的质量评价效果。4.提出了一种基于分区域结构特征（Regionalized Structural Features based Evaluator,RSFE）的无参考屏幕内容图像质量评价方法,该方法能够解决屏幕内容图像中图像区域和文本区域具有不同特点的问题。首先,使用剪切波局部二值模式提取图像区域在剪切波域的多尺度多方向纹理特征,同时使用局部微分模式提取图像区域在空间域的纹理特征。对于图像区域,使用纹理特征作为它的结构特征,同时使用亮度特征作为它的辅助特征。对于文本区域,使用从多阶微分值中提取出来的方向梯度直方图作为它的结构特征。然后,把图像区域和文本区域各自的特征分别提供给支持向量回归,得到这两部分各自的质量评价结果。最后,使用活动性加权策略,把这两部分的质量评价结果组合在一起,作为屏幕内容图像整体内容质量的评价结果。实验结果表明,此方法比已有的屏幕内容图像评价方法获得了更好的质量评价效果。
王明庆[3]（2021）在《全光时域线性正则变换器的理论和应用研究》文中研究说明基于全光时域线性正则变换器（temporal linear canonical transformer,TLCT）的光模拟信号处理技术,具有动态可调、功能多样、速率高等优势,相对于传统谐振型、多波导耦合型以及空域傅里叶变换型光模拟信号处理技术,可有效规避波长失准、分光耦合误差和空时耦合误差等瓶颈难题。在国家自然科学基金项目的资助下,本学位论文面向光通信物理层加密、光脉冲序列重复率倍频和光微分三个应用领域,以TLCT系统新结构的开发、新功能的挖掘以及性价比的提升为着眼点,开展深入的理论和仿真研究工作。所取得的主要创新成果如下:（1）类比几何光学中体光学元件或系统的射线矩阵、ABCD矩阵或传输矩阵,提出时频矩阵——光模拟信号时频平面的变换矩阵,用于简化对复杂级联时域光学系统的分析,包括对线性系统宏观积分表达式的确定,和对非线性系统微观时频分量坐标变换过程的分析。定义窄带色散元件和抛物线时间透镜两个时域光学元件的时频矩阵,利用矩阵左乘运算,简化由多个窄带色散元件和抛物线时间透镜级联构成理想TLCT的积分表达式推导过程,确定相应系统转化为时域夫琅和费变换器（time-domain Fraunhofer transformer,TFh T）、时域菲涅尔变换器（time-domain Fresnel transformer,TFr T）、频率到时间映射器、时间到频率映射器、时域成像器、时域分数傅里叶变换器和时域傅里叶变换器（time-domain Fourier transformer,TFT）等常用时域变换系统的条件。除具有常数元素和单位行列式值（正则）的理想TLCT时频矩阵外,还定义时间棱镜、时域光栅、时间反射镜等时域光学元件和非理想或变形TLCT的非常矩阵元、非正则的时频矩阵,并分析所描述元件和系统对光模拟信号时频分量的作用过程。研究成果为TLCT系统新结构的开发、新功能的挖掘和性价比的提升等研究,提供坚实的理论基础。（2）根据中心位置不同的但部分重叠的时域区间与方向不同的但空间范围重叠的平行线簇之间的相似性,提出空域柱面透镜的时域类似元件,即变形时间透镜（anamorphic time lens,ATL）。将ATL嵌入到两个相同的色散元件之间,提出一种新型TLCT系统,即变形TLCT（anamorphic TLCT,ATLCT）系统,动态性和随机性强,适用于光模拟信号加密应用。用ATLCT替换传统时域双随机相位编码（double random phase encoding,DRPE）和相位截断的DRPE（phase truncated DRPE,PTDRPE）光加密系统中的TFT,提出ATLCT-DRPE和ATLCT-PTDRPE两种时域光加密系统。相对于经典时域DRPE光加密系统中的TFT,ATLCT不具有解析和固定的特征信号,使得ATLCT-DRPE和ATLCT-PTDRPE系统能有效抵抗选择明文攻击和相位提取攻击。ATLCT中的ATL只能为暴力攻击所破解,而ATL的密钥空间可以有效限制暴力攻击。对非法接收者暴力攻击过程进行模拟仿真和分析评估,结果表明,ATL为ATLCT-DRPE和ATLCT-PTDRPE两种加密系统提供的密钥空间至少分别为2914和21277,远大于抵抗暴力攻击所需的密钥空间的下界2128。（3）结合梳状时域调制,提出基于TFT的相位码序列重复率倍频器和基于TFr T的扫频脉冲序列重复率倍频器,可分别突破传统重复率倍频器难以保持输入光信号局部细节相位特征和全局啁啾特征的限制。所提出的相位码序列重复率倍频器,与光外差技术结合,在提高脉冲压缩雷达的敏捷性和适应性方面具有重要应用价值。所提出的扫频脉冲序列倍频器,可调节相邻扫频光脉冲时间以及频率间隔,在5G无线通信领域的光辅助相控阵列天线方面具有独特的应用价值。研究成果是对TLCT处理相位编码光模拟信号潜力的深入挖掘。（4）提出基于TLCT的光微分器,突破传统全光微分器微分阶数可调范围狭小的限制。将时域幂函数调制嵌入到两个互逆TLCT之间,使微分阶数实时可调;采用级联调幅和调相的复值调制方法,实现任意整数和分数阶微分。阶数任意且可调全光微分器,在中继通信上有独特应用价值,可提高通信码元的切换灵活性,从而增强通信系统对信道质量的适应性。将TLCT具体化为TFh T,从而允许复用同一根线性啁啾光纤布拉格光栅实现互逆的TLCT,进而提高系统的结构紧凑性;用余弦而非抛物线时间透镜提高TFh T的时频映射分辨率,进而提高系统的性价比。采用复用低阶微分的反馈级联方法,缓解微分波形精度随阶数升高而恶化的光微分器共性问题。研究成果也为提升TLCT时频映射性价比提供一个可行方案。
罗一帆[4]（2021）在《基于媒体特征分析的自适应音视频水印关键技术研究》文中认为随着多媒体技术、网络技术的发展,多媒体数字产品的复制与传播变得非常便捷。相应的,盗版行为也日益猖獗,给版权商带来了不可估量的经济损失。因此,急需有效的版权保护措施来遏制盗版行为。在这一背景下,学者们提出了数字水印技术,经过近年来的快速发展,已成功应用于多媒体数字产品的版权保护,挽回了盗版带来的经济损失。因而,研究数字水印技术,进一步提升其版权保护效果,是一项具有重要理论意义与应用价值的工作。音视频作为视听媒体的代表,其版权保护是数字水印研究的重点,研究者们已提出了多种音视频数字水印方法。但现有方法对音视频信号在时-频域中的变化特征缺乏充分的研究与应用,导致水印抗时域同步攻击、几何变换等攻击能力不足,水印鲁棒性和不可感知性均有待提升;同时,对新发展起来的无损压缩音频、3D视频研究不足,少有针对性数字水印算法。为解决这些问题,本文基于音视频特征信息分析,从以下两个方面提出解决思路。第一,分析音视频信号时-频域变化规律,根据规律构建特征信息作为信号自适应分段标志、确定水印嵌入位置;水印嵌入位置随特征信息变化而改变,而各类攻击对特征信息影响小,水印抗同步攻击、几何攻击等攻击鲁棒性得到提升。第二,将水印嵌入与提取过程同音频信号变化特征、编解码特征、视频角点特征、3D视图渲染特征相结合,充分运用特征信息来提升水印不可感知性和抗各类攻击的鲁棒性。根据解决思路,本文提出了以下解决方案:依次构建在各类攻击下鲁棒性更强的音频节拍、音频显着状态、视频角点、视频对象动作等特征信息作为信号分段、水印嵌入位置选择或水印认证标志,实现水印抗同步攻击鲁棒性的提升。针对有损压缩、无损压缩音频,2D、3D视频,将特征信息构建与水印嵌入、提取方法相结合,分别设计双通道音频水印算法、双域音频水印算法、与无损压缩编码相结合的无损音频水印算法、与视觉密码相结合的2D视频‘零水印’算法、与3D渲染模式相结合的3D视频水印算法,各有侧重地提升水印鲁棒性和不可感知性。根据解决方案,具体算法实现如下:一、提出了基于信号自适应分段与嵌入强度优化的双通道音频水印算法。利用自相关检测法对音频信号进行自适应分段,作为水印嵌入位置选择标志,提高水印抗同步攻击鲁棒性。构建音频信号双通道特征信息,设计水印双通道嵌入与提取方法,降低水印嵌入强度,提高水印不可感知性。二、提出了基于离散小波包变换的双域音频水印算法。设计更具鲁棒性的音频信号自适应分段方法,水印具备更强的抗同步攻击能力;引入心理声学模型,将音频信号划分为听觉掩蔽域和被掩蔽域,设计符合掩蔽效应的双域水印嵌入位置选择方法、水印嵌入强度自适应控制方法,在双域中同时进行水印嵌入与提取,既提高水印的鲁棒性,又能保障其不可感知性。三、提出了针对MPEG-4 SLS格式的无损压缩音频水印算法。构建MPEG-4 SLS（Scalable Lossless Coding）编码整型修正离散余弦变换（Integer Modified Discrete Cosine Transform,Int MDCT）系数显着状态特征信息作为水印嵌入位置选择标志,增强特征信息鲁棒性,实现水印抗同步攻击鲁棒性的提升;设计与无损编解码技术相结合的水印嵌入与提取方法,提高水印抗各类信号处理攻击的鲁棒性,同时应用听觉掩蔽效应实现对水印嵌入强度的有效控制。四、提出了基于时-空域特征和视觉密码的视频‘零水印’算法。设计有限状态机进行关键帧选择,在关键帧中构建时-空域角点特征信息作为水印认证信息元素,提高特征信息抗同步攻击、色彩与几何攻击鲁棒性。将特征信息与视觉密码相结合,生成鲁棒性水印认证信息,在版权机构进行注册,在不改变视频信号的前提下实现水印嵌入。五、提出了基于深度图像渲染（Depth-image-based rendering,DIBR）的3D视频水印算法。与DIBR特征进行融合,构建视频帧对象动作特征信息作为水印嵌入位置自适应选择标志,增强特征信息鲁棒性,提升水印抗深度信息变化、几何变换攻击鲁棒性;设计同DIBR渲染过程相结合的水印嵌入与提取方法,提升水印鲁棒性和不可感知性。综上所述,本文针对现有音视频水印方法存在的问题,基于特征信息分析对音视频数字水印关键技术进行研究。分析音视频信号时-频域变化特征与鲁棒性特征信息提取方法,提出了问题解决思路,给出了解决方案。实现了在小波域、时空域、压缩域中对有损压缩音频、无损压缩音频、2D视频、3D视频进行水印嵌入与提取,有效增强了水印鲁棒性和不可感知性,为水印算法的应用打下了更坚实的基础。
韩吉祥[5]（2021）在《误差矢量幅度测试技术研究》文中研究表明在数字通信高速发展的今天,数字正交调制得到广泛的运用,各种民用和军用通信设备对测试提出了更高更新的要求。传统的误码率、信噪比等测量参数无法对通信系统里面的误差损失细节进行准确的诊断和定位。误差矢量幅度（Error Vector Magnitude,EVM）是衡量通信系统一个关键参数,它可以直观快速地反映整个通信链路的信号传输质量,且对幅度噪声和相位相声都敏感,被越来越多的应用于通信链路的质量评估。因此,全球各大的测量仪表厂商都在研制性能优越的矢量分析仪上投入的相当的科研成本。由于仪器的模数转换器的精度赶不上专用模数转换器芯片的精度发展速度,采用最新的高级仪表进行EVM测试,不仅成本昂贵,并且对于采用高精度模数转换器的通信设备,其精度会有部分损失。针对上述问题,本文旨在基于软件无线电思想,研发一套误差矢量幅度的全数字测量方案,能够节约成本,缩短开发周期,也易于扩展和更新。本文的主要工作如下:（1）分析常规矢量分析仪（如VSA89600）的EVM测量步骤,包括整个无线通信系统中的各个环节如正交调制,成型滤波,数字混频等,研究仪器中参考信号生成的基本方法;（2）研究载波频偏和采样定时偏差对EVM的影响,分开环和闭环方法,研究了主流的载波同步和采样定时同步的方法,设计了EVM测试的闭环方案,详述了载波同步环路和定时同步环路的原理,并仿真了环路追踪过程。同时分析了软件实现EVM测试时,闭环结构所存在的环路收敛之后存在的抖动问题,并对其进行了仿真验证和说明;（3）针对闭环测试方案存在的抖动问题,提出了一种基于已知数据的开环EVM测试方案,详述了该方案的测试步骤并仿真分析了该方案的测试性能,避免了算法本身造成的损失,能够真实反映基带板的性能,保留了测试数据的原始信息,且能够比闭环结构更准确;（4）将提出的方案落实到某项目中所用通信基带板,进行了实际的硬件EVM测试,将本文设计的两种方案测试结果和仪器测试结果进行对比,证明了本文方案的测试结果和仪器测试结果吻合度很高。
赵小芬[6]（2021）在《基于语音识别技术的垃圾分类收集系统研究》文中提出目前,传统的垃圾分类依然采用人工分类方式,不仅分类效率低下,而且极易出现分类错误的现象。为了解决人工垃圾分类准确率低下的问题,本文将语音识别技术应用于垃圾分类,围绕基于语音识别技术的垃圾分类收集系统展开研究,结合语音识别算法、语音信号模型搭建对嵌入式软硬件进行详细设计。重点研究语音识别技术中的相关算法,对传统算法进行研究之后,提出改进策略,并将改进前后的算法进行对比分析。最后根据系统功能需求,设计出满足实际需求的软件系统和硬件系统。论文主要工作总结如下:（1）系统功能分析与总体方案构建。从系统功能需求出发,在秉承先进性、易用性、系统性、经济性四大基本原则的基础之上对系统总体功能进行分析,根据系统要求,需包含语音采集、语音信号预处理、语音信号训练和识别、垃圾桶盖自动开启与闭合、垃圾桶满溢检测等功能。最后根据系统需求及分析构建系统总体方案。（2）语音信号预处理相关算法研究。首先对输入语音信号进行前期处理操作。接下来分别对语音增强算法、语音端点检测算法、语音信号特征提取算法进行研究。分析传统算法存在的不足,并在其基础上进行改进,将改进后的算法与传统算法进行对比分析。经算法评价,改进语音增强算法相较于对比算法,感知语音质量评估值（PESQ）提升14.71%～45.70%、信源失真率（SDR）由-5.00～11.00提升至2.00～14.00、对数谱距离（LSD）下降18.14%～25.47%;语音端点检测算法在信噪比低于-10dB时,检测准确率达到85%以上,且平均检测时间缩短至传统端点检测算法的1/3;语音信号特征提取算法在信噪比为-10dB时,相较于传统算法,语音识别率平均提升24.05%。时间性能上,相较于传统算法,平均训练时间降低23.20%、平均识别时间减少32.37%。（3）语音声学模型构建。首先对传统语音信号模型进行研究,重点对目前主流的语音信号训练模型进行研究,建立深度神经网络模型。在此基础上研究自适应深度神经网络模型,并通过改进正则化自适应准则、改进输出层分类激活函数等方式,实现复杂环境下的语音识别。通过在多种语音数据集下叠加背景噪声进行测试实验,结果表明,相较于目前流行的GMM-HMM及传统DNN语音声学模型,识别词错误率分别下降5.15%、3.11%。然后对卷积神经网络模型进行研究,设计出三层结构优化卷积神经网络的语音识别建模方法。通过多种评价指标对改进前后的模型进行对比分析,结果表明,本文研究的方法相较于对比算法,在中文语音数据集下平均识别错误率下降22.05%,在英文语音数据集下平均识别错误率下降20.27%,相对于传统卷积神经网络模型损失值减小40.00%。（4）系统硬件选型与设计。通过对控制器的选型及分析,建立以STM32为处理器的主控模块。根据系统实际应用场景与功能需求,分别对语音识别模块、垃圾桶容量检测模块、垃圾桶盖开启与闭合模块、液晶显示模块进行详细设计。（5）系统软件设计与整体功能测试。首先搭建软件开发平台,采用Kei15软件作为程序开发工具。接下来对Linux内核进行裁剪与移植,然后分别对主控中心、语音识别模块、电机驱动模块等进行软件设计。根据系统要求建立语音库,最后对系统功能进行整体测试。本文研究设计的基于语音识别技术的垃圾分类收集系统,无需记忆垃圾类型,只需报出垃圾名称即可实现语音自动识别、垃圾桶盖自动开启与闭合、垃圾桶满溢检测等功能。系统不仅在一定程度上可以降低人为记忆繁杂垃圾种类的记忆强度,而且还可以降低人工垃圾分类的错误率。论文重点对语音识别相关算法进行研究,分析传统算法存在的不足,并给出优化策略。经算法评价,优化后算法性能均得到提升。
张苏楠[7]（2020）在《生猪异常行为多源监测及其信息融合方法的研究与应用》文中指出畜牧业作为农业的重要组成部分,在国民经济发展中的基础地位不可动摇。综合考量养殖环境、品质及效率等因素,生猪集约化养殖意义重大。目前,现代集约化养猪场已经逐步实现无人值守,对无人值守养猪场中生猪异常行为进行智能监测,是实现安全养殖、高品质养殖和高效养殖的现实需求。本论文运用机器视觉技术、声音识别技术和超声波技术三种监测手段,从多角度对生猪异常行为进行数字化综合监测,最后采用多源信息融合方法对生猪多源多时段异常行为进行融合评价。主要研究内容如下:（1）基于机器视觉的生猪动作异常监测生猪聚散程度与生猪疾病预防、热舒适性密切相关,生猪打斗行为会影响生猪健康状况与福利水平。为了检测复杂环境下圈养生猪的聚散程度与打斗行为,采用机器视觉技术识别生猪过度聚集与打斗行为。针对复杂养殖环境下,传统目标检测方法在生猪个体检测过程中的局限性,提高对紧密接触生猪的检测精度,提出了结合改进多视窗检测方法和单点多盒检测器（Single Shot Multi Box Detector,SSD）的生猪目标检测方法,并定义了生猪离散度以表征生猪聚散程度,通过实验比较,设定合适的离散度阈值,实现生猪过度聚集检测。在生猪打斗行为识别过程中,针对生猪打斗行为特征,提出了结合帧间差分法（Frame Difference,FD）和SSD的运动生猪个体检测方法,可以有效排除环境因素与静止生猪对打斗行为识别的干扰,确定运动生猪位置,最后根据检测到的运动生猪位置信息与运动持续时间,设计了生猪打斗行为判别方法,该方法可以有效地识别圈养生猪的打斗行为,为饲养员判断生猪异常行为提供依据。（2）生猪异常声音的改进多重支持向量数据描述识别方法生猪在身体状况发生变化或外界环境刺激下会发出不同的声音,本论文选择常见的惊骇声与咳嗽声作为生猪异常声音。为了检测并分类生猪惊骇声和咳嗽声,提出了生猪异常声音的多重支持向量数据描述（Multiple Support Vector Data Description,Multi-SVDD）识别方法。针对训练样本标记错误容易导致Multi-SVDD在训练中出现欠拟合,影响识别精度的问题,根据每个训练样本的重要性赋予相应的权重,对Multi-SVDD进行改进,提高模型的容错能力。实验结果表明,改进Multi-SVDD可以有效地识别生猪异常声音,且具有较强的适用性。（3）生猪饮食异常的改进PSO-SVDD判断方法生猪饮食在一定程度上可以表征生猪的健康状况,本论文采用课题组设计的基于超声波的生猪饮食数据采集装置采集生猪饮食数据,以生猪每天的饮食次数与饮食时间数据为基础,提出采用SVDD对生猪饮食异常进行判断。针对SVDD中惩罚因子与核函数参数难以确定的问题,利用粒子群优化（Particle Swarm Optimization,PSO）算法对SVDD参数进行优化。由于生猪饮食异常具有一定的模糊性,传统决策函数进行模糊决策时精度受限,本论文通过构建模糊决策函数对PSO-SVDD进行改进,并利用改进PSO-SVDD模型对生猪饮食异常进行判断。实验结果表明,该方法可以更加准确地判断生猪饮食异常。（4）生猪多源多时段异常行为的灰色证据组合模型融合评价方法由于在生猪异常行为监测过程中,单一的监测手段很难全面、准确地实现生猪异常行为自动监测,因此需要从多角度、利用不同的监测手段进行融合判断。同时,为了避免单一时段异常判断结果的偶然性对异常等级评估造成影响,本论文采用结合灰色聚类评估模型与D-S证据理论的灰色证据组合模型对生猪多源多时段异常行为进行融合评价。针对D-S证据理论融合高冲突证据时无法得到合理结果的问题,引入证据可信度对组合规则进行改进。该方法可以有效地对生猪多源多时段异常行为进行融合评价,为饲养员提供有效的生猪异常信息,提高监测效率。针对集约化养猪场中生猪异常行为智能监测问题,设计了生猪异常行为多源监测系统,通过机器视觉技术、声音识别技术与超声波技术检测不同的异常信息,并对多源异常信息进行融合评价,有助于提高集约化养猪场的工作效率,为生猪行为监测从人工到数字化、智能化的升级转换提供了一定的理论支持和技术保障。
刘卫强[8]（2020）在《基于机器学习的分布式全波形激电信噪分离与反演成像方法》文中研究表明激发极化电法勘探（激电法）是一种针对地质体导电性和激电性差异进行探测的地球物理分支方法。近年来国内外先后研发了分布式全波形电法勘探仪器设备,激电数据采集效率得到迅速发展,但相应的数据处理解释方法依然有所滞后。本文的研究目的是针对分布式激电勘探产生的大规模数据,建立一套初步智能化的信噪分离与反演成像方法,提高激电勘探的数据质量和应用效果。为了提高分布式激电抗干扰数据处理的精度和效率,本文提出了基于降噪方法库与统计决策的抗干扰技术。首先实现了三维介质的激电全波形响应正演模拟,通过分析生成的激电全波形理论信号与不同类型噪声干扰特征,提取最能表征时间序列类型的八个时/频域统计分量。继而模拟生成激电信号库与噪声库,通过支持向量机（SVM）分类算法实现机器对时间序列中不同噪声干扰的判断识别。然后,通过学习总结信号处理领域的相关知识,优选并改进五种有针对性的信号处理技术,包括:经验模态分解、波形匹配、稳健估计、主成分分析和小波分析等,并集成为一个降噪方法库,供决策系统自动选择相应的信号处理技术,实现干扰压制。上述方法是一种基于统计分析与信号处理知识驱动的自动化抗干扰算法。为了克服激电反演成像中常规拟线性最优化算法依赖初始模型、分辨率不足等问题,本文对两种机器学习算法进行改进,提出了样本压缩神经网络算法和自适应聚类分析算法,分别应用于激电勘探数据反演和边界识别。首先通过随机介质模型理论生成电性介质模型样本,通过分布式计算正演产生理论响应,然后用理论模型和响应数据训练神经网络模型,对新数据进行预测。为降低数据冗余性,本文将数据压缩技术与人工神经网络相结合,降低输入输出样本维度,提高神经网络反演的速度与精度。为了进一步根据反演结果划分异常体的边界,本文对聚类分析进行改进,根据原始数据的分布特征和稳健统计,实现聚类数目的自动确定,进而对反演结果进行属性聚类、边界拾取和异常中心定位。上述方法进一步提高了激电反演成像的精度和自动化水平。最后,将本文提出的方法应用于我国西南某铅锌多金属矿区的实测激电数据,获得了超过5000个测点上的高品质激电数据。分析了不同电极极距与不同观测频率下的抗干扰效果,对误差进行了统计;并将抗干扰处理前后的电性扫面和测深数据进行了对比。同时采用新的反演成像算法,根据实测的全波形数据分别进行了平面激电参数反演、二维电测深反演、三维多剖面反演等处理,并对反演结果进行边界拾取和属性聚类。数据处理结果反映出了测区地下介质电阻率极化率的异常特征,结合测区地质资料推断了成矿有利区,算法效果得到验证。综上,为了提高分布式全波形激电勘探的数据质量和应用效果,本文开展了两种综合算法研究,包括:基于降噪方法库与统计决策的干扰压制算法,基于样本压缩神经网络和自适应聚类的反演成像算法。模拟和实测数据的测试表明,新算法可有效提高激电数据质量并增强观测数据对地下异常体的反映能力,同时提高数据处理解释的精度与自动化水平。本文的框架和算法可进一步迁移到其他人工源电磁勘探方法中,目前相关研究已经开展。
孙冕[9]（2020）在《游戏人物原画的版权保护算法研究》文中研究指明随着游戏市场的版权纠纷不断,版权认证成为一个亟待解决的问题。其中,对游戏人物原画的抄袭现象最为普遍,常见的抄袭类型分为创意抄袭和篡改抄袭两种。通过对大量游戏人物原画抄袭的研究,发现原画在抄袭过程中具有一些相对不变的特点:1)人物姿势相对不变;2)人物躯干区域相对不变;3)人物姿势关节点分布相对不变。现有的图像抄袭检测算法无法直接应用于游戏人物原画的抄袭检测,因为存在检测结果不够准确、无法适用于内容篡改较多的场景。针对人物原画抄袭的特点和现有算法的缺点,本文从被动和主动取证两个方面,提出适用于游戏人物原画的版权保护方案,主要包括以下三个算法:（1）针对被动取证的创意抄袭场景,利用人物姿势的不变性,提出了一种基于姿势的多特征融合抄袭检测算法。为了提高算法检测的准确性,该算法不但引入体现游戏人物独特性的姿势特征作为检测特征,而且考虑到单一特征检测的局限性,将多个图像特征融合来描述游戏人物,使得检测结果更加准确。算法包括五个步骤:首先,通过SUSAN角点检测提取人物肩部拐点对游戏人物进行旋转矫正,并使用自下而上的行人检测方法提取人物姿势关节点。其次,采用面部浓缩法对面部关节点进行代表点计算,与其他关节点构成姿势特征。然后,通过使用位姿不变性的方法描述姿势特征。接着,通过颜色直方图、灰度共生矩阵、几何不变矩的方法提取图像的颜色、纹理、形状特征。最后,使用单一特征的查准率均值分配多特征权重,融合成特征向量,并根据特征向量相似距离判定两幅游戏原画是否存在抄袭。实验表明,该算法对游戏人物的旋转、缩放、颜色改变、部件替换等抄袭攻击表现良好,检测率较高。（2）针对主动取证的篡改抄袭场景,利用人物躯干区域的不变性,提出了一种基于皮肤和纹理检测的游戏人物原画高质量水印算法。为了提高含水印图像的不可感知性,该算法利用改进的真人皮肤检测算法实现游戏人物的皮肤检测,进而定位到原画的非皮肤且纹理复杂度最高的区域作为水印嵌入区域。算法包括四个步骤:首先,通过提取的姿势关节点定位人物的上身躯干区域,并在上身躯干区域进行循环选块。其次,统计大量游戏人物皮肤图像HSV&YCbCr空间的肤色阈值,并改进真人皮肤检测算法,提高其在游戏人物皮肤的检测准确率。并通过分别计算每个选块皮肤面积比率和纹理复杂度,将皮肤面积小且纹理复杂度最高的选块作为水印嵌入区域。然后,对选块图像进行多级小波变换和奇异值分解,将水印嵌入中频子带。最后,通过对待检测图像的水印提取进行版权认证。实验表明,该算法将水印嵌入游戏人物的非皮肤纹理复杂区域具有较好的不可感知性,而且能够抵抗多种常见的篡改攻击,例如添加文字、替换人物部件、服装颜色改变、裁剪腿部等。（3）针对主动取证的篡改抄袭场景,利用姿势关节点的相对不变性,提出了一种基于姿势关节点的游戏人物原画鲁棒水印算法。由于传统的特征点用于游戏人物原画具有分布不均匀且受攻击后不稳定的缺点,因此选取分布均匀、稳定且有序的姿势关节点作为特征点,并构造旋转不变的圆形局部特征区域嵌入水印。算法分为四个步骤:首先,以提取的姿势关节点为中心构造圆形局部特征区域。其次,将局部特征区域进行归一化,并补“0”后作为嵌入区域。然后,对候选区域采用离散傅里叶变换,选择中频带的幅值系数嵌入水印。最后,根据姿势关节点的顺序提取水印信息,并使用虚警概率决定是否嵌入水印。实验表明,与已有基于局部特征的水印算法相比,该水印算法选取的特征点更加稳定,而且将水印有序嵌入各个关节点,可以有效地对抗游戏人物原画篡改抄袭的多种攻击（例如添加文字、替换人物部件、服装颜色改变、裁剪腿部、裁剪身体部分等）,并且具有较好的鲁棒性。
王玲[10]（2020）在《基于Siamese网络的图像匹配算法的研究》文中指出图像匹配技术是用来匹配两个或多个经过平移、旋转或翻折等变换的图像。目前,人脸识别技术、图像去燥、人体姿态识别等技术已经广泛应用于我们的生活,而这些技术的发展都是基于图像匹配技术。可见图像匹配技术是许多图像编辑或处理的基础,有着重要的研究意义及实用价值。本文对图像匹配算法进行了研究,主要的研究内容为基于Siamese网络的图像匹配算法。本文的主要研究内容如下:首先,分析并介绍了基于卷积神经网络的图像匹配算法的原理。相比于传统的图像匹配算法,基于卷积神经网络的图像匹配算法表现出更好的性能。其次,对数据集进行了预处理,将原数据集中的图像进行水平翻转、垂直翻转、90度、180度、270度旋转,图像数量扩增至原来的6倍。另外,根据像素域中提取的图像特征与变换域中提取的图像特征在很大程度上存在互补性。因此,利用离散余弦变换从变换域中提取到图像特征,再将提取后的特征输入到卷积神经网络,从而实现像素域与变换域的特征融合。然后,利用金字塔残差模块实现卷积神经网络尺度上的不变性。金字塔残差模块丰富了图像细节特征的提取,提高了图像的匹配精度。针对上述的改进方法对模型进行了搭建和训练,实验证明本文提出的算法在基于双通道的网络结构上是最好的,实验结果在Brown数据集上进行了测试,评分为3.65,优于原始的模型。最后,对改进后的Siamese网络结构进行优化,分别加入了批归一化层和深度可分离卷积。并对两种优化方法进行了对比实验,实验证明批归一化层的加入,加速了网络的收敛,网络的训练速度提高至原来的2倍。同时算法的匹配精度提高,评分为3.36。另外,利用深度可分离卷积代替了传统的卷积方式,降低了网络的参数量,优化了网络的整体结构。实验证明在算法精度略微降低的前提下,下降了网络的整体参数量。
二、基于离散余弦变换的空间归一化方法(英文)（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于离散余弦变换的空间归一化方法(英文)（论文提纲范文）
（1）心血管疾病鲁棒分类算法研究与平台研制（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 论文的组织结构 |
| 第2章 心血管疾病分类系统相关基础 |
| 2.1 引言 |
| 2.2 心血管疾病分类数据源 |
| 2.3 心电信号预处理技术 |
| 2.3.1 心电去噪 |
| 2.3.2 心电定位 |
| 2.3.3 心电信号分割 |
| 2.3.4 归一化 |
| 2.4 特征提取 |
| 2.5 分类 |
| 2.6 大数据平台 |
| 2.7 本章小结 |
| 第3章 格拉姆主成分网络的心肌梗塞识别算法 |
| 3.1 引言 |
| 3.2 一维信号图像化——格拉姆角场 |
| 3.3 主成分分析网络 |
| 3.3.1 简介 |
| 3.3.2 网络结构 |
| 3.4 算法设计思路 |
| 3.4.1 心电信号预处理 |
| 3.4.2 格拉姆角场图像化 |
| 3.4.3 特征提取与分类 |
| 3.5 算法性能验证 |
| 3.5.1 实验数据设置 |
| 3.5.2 实验方案与评估指标 |
| 3.5.3 实验结果与分析 |
| 3.6 算法分析 |
| 3.7 本章小结 |
| 第4章 离散余弦残差网络的心肌梗塞识别算法 |
| 4.1 引言 |
| 4.2 离散余弦变换 |
| 4.3 残差神经网络 |
| 4.4 算法设计思路 |
| 4.4.1 心电信号预处理 |
| 4.4.2 特征提取 |
| 4.4.3 分类 |
| 4.5 算法性能验证 |
| 4.5.1 实验数据设置 |
| 4.5.2 实验与评估指标设置 |
| 4.5.3 实验结果与分析 |
| 4.6 算法分析 |
| 4.7 本章小结 |
| 第5章 离散小波密集网络的心血管疾病分类算法 |
| 5.1 引言 |
| 5.2 自适应频率分割算法 |
| 5.3 离散小波密集网络 |
| 5.3.1 多层二维离散小波变换 |
| 5.3.2 密集连接网络 |
| 5.4 抗数据倾斜算法 |
| 5.4.1 边界合成少数类过采样技术(Borderline-SMOTE) |
| 5.4.2 焦点损失函数 |
| 5.5 算法设计思路 |
| 5.5.1 心电信号预处理 |
| 5.5.2 特征提取 |
| 5.5.3 分类 |
| 5.6 算法性能验证 |
| 5.6.1 实验数据设置 |
| 5.6.2 实验与评估指标设置 |
| 5.6.3 实验结果与分析 |
| 5.7 算法分析 |
| 5.8 本章小结 |
| 第6章 心血管疾病分类算法在大数据平台下的应用 |
| 6.1 引言 |
| 6.2 大数据框架原理 |
| 6.2.1 Hadoop分布式存储文件系统HDFS |
| 6.2.2 Spark分布式计算框架 |
| 6.3 大数据平台设计 |
| 6.3.1 设计思路 |
| 6.3.2 整体架构设计 |
| 6.3.3 具体功能模块设计 |
| 6.4 功能实现与测试 |
| 6.4.1 测试环境 |
| 6.4.2 具体模块功能实现与测试 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 参考文献 |
| 作者简介及在学期间的科研成果、项目经历 |
| 致谢 |
（2）基于剪切波变换的图像质量评价方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 图像质量评价的研究现状 |
| 1.2.1 自然图像质量客观评价的研究现状 |
| 1.2.2 屏幕内容图像质量客观评价的研究现状 |
| 1.3 论文的研究内容和组织结构 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文的组织结构 |
| 第二章 基于多尺度和多方向感知差值的全参考自然图像质量评价方法 |
| 2.1 引言 |
| 2.2 剪切波变换的性质 |
| 2.3 基于多尺度和多方向感知差值的全参考图像质量评价方法 |
| 2.3.1 DNST域中的局部方向带限对比度 |
| 2.3.2 DNST域中的对比度敏感函数 |
| 2.3.3 DNST域中的恰可感知差异门限 |
| 2.3.4 DNST域中多尺度多方向感知差值的合并 |
| 2.4 实验结果 |
| 2.4.1 图像质量评价方法的性能评估指标 |
| 2.4.2 全面的性能比较实验 |
| 2.4.3 统计意义实验 |
| 2.4.4 计算复杂度比较实验 |
| 2.5 本章小结 |
| 第三章 基于剪切波变换子带结构相似性的全参考自然图像质量评价方法 |
| 3.1 引言 |
| 3.2 SSIM方法的基本原理 |
| 3.2.1 SSIM方法的计算过程 |
| 3.2.2 SSIM方法的缺点 |
| 3.3 基于剪切波变换子带结构相似性的全参考图像质量评价方法 |
| 3.3.1 STSS方法的结构框图 |
| 3.3.2 每个剪切波变换子带的结构相似性 |
| 3.3.3 所有剪切波变换子带结构相似性值的组合 |
| 3.3.4 STSS方法详细的实现步骤 |
| 3.4 实验结果 |
| 3.4.1 图像质量客观评价方法散点图的比较 |
| 3.4.2 加权策略的验证实验 |
| 3.4.3 对严重失真的图像进行质量评价的比较实验 |
| 3.5 本章小结 |
| 第四章 基于区分归一化变换系数特征的部分参考自然图像质量评价方法 |
| 4.1 引言 |
| 4.2 在剪切波域中基于区分归一化变换系数特征的评价方法 |
| 4.2.1 SFDS方法的结构框图 |
| 4.2.2 区分归一化变换系数的统计分布特点 |
| 4.2.3 发送端进行参考图像特征的提取 |
| 4.2.4 接收端对失真图像质量的评价 |
| 4.3 实验结果 |
| 4.3.1 区分归一化变换系数统计特征的优势 |
| 4.3.2 全面的性能比较实验 |
| 4.3.3 对于每种失真类型的性能比较实验 |
| 4.4 本章小结 |
| 第五章 基于分区域结构特征的无参考屏幕内容图像质量评价方法 |
| 5.1 引言 |
| 5.2 基于分区域结构特征的无参考屏幕内容图像评价方法 |
| 5.2.1 RSFE方法的框图 |
| 5.2.2 提取图像区域的特征 |
| 5.2.3 提取文本区域的特征 |
| 5.2.4 回归模型和加权组合 |
| 5.3 实验结果及性能分析 |
| 5.3.1 图像质量评价方法性能的比较实验 |
| 5.3.2 文本区域结构特征中微分阶数的选择实验 |
| 5.3.3 图像区域特征和文本区域特征产生的不同作用 |
| 5.3.4 活动性加权策略的验证实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 缩略词语 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（3）全光时域线性正则变换器的理论和应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 首字母缩写词中英文对照 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 光通信物理层加密技术的发展与研究现状 |
| 1.3 光脉冲重复率倍频技术的发展与研究现状 |
| 1.4 光脉冲微分技术的发展与研究现状 |
| 1.5 时域线性正则变换器的发展与研究挑战 |
| 1.6 本论文的主要研究工作 |
| 2 全光时域线性正则变换器的时频矩阵理论 |
| 2.1 线性正则变换回顾 |
| 2.2 射线矩阵回顾 |
| 2.3 时频矩阵提出 |
| 2.4 理想时域线性正则变换器分析 |
| 2.4.1 单阶段变换器 |
| 2.4.2 两阶段变换器 |
| 2.4.3 三阶段变换器 |
| 2.5 时域线性正则变换器扰动分析 |
| 2.5.1 有扰动的单阶段变换器 |
| 2.5.2 有扰动的两阶段变换器 |
| 2.5.3 有扰动的三阶段变换器 |
| 2.6 小结 |
| 3 变形时域线性正则变换器及其光加密应用研究 |
| 3.1 引言 |
| 3.2 变形时域线性正则变换的设计 |
| 3.2.1 变形空间透镜的基本原理 |
| 3.2.2 变形时间透镜的设计 |
| 3.2.3 变形时域线性正则变换器的分析 |
| 3.3 基于变形时域线性正则变换器的双随机相位编码系统 |
| 3.3.1 暴力攻击分析 |
| 3.3.2 数值仿真评估 |
| 3.4 基于变形时域线性正则变换器的非对称光加密系统 |
| 3.4.1 相位提取攻击分析 |
| 3.4.2 数值仿真评估 |
| 3.5 噪声和阻塞鲁棒性 |
| 3.6 小结 |
| 4 基于时域线性正则变换器的全光重复率倍频技术 |
| 4.1 引言 |
| 4.2 通用模型建立 |
| 4.3 基于时域傅里叶变换器的全光重复率倍频技术 |
| 4.3.1 模型具体化 |
| 4.3.2 数值仿真试验 |
| 4.3.3 非理想因素分析 |
| 4.4 基于时域菲涅尔变换器的全光重复率倍频技术 |
| 4.4.1 模型具体化 |
| 4.4.2 数值仿真试验 |
| 4.5 与已有重复率倍频技术的比较 |
| 4.6 小结 |
| 5 基于时域线性正则变换器的实时可调光微分技术 |
| 5.1 引言 |
| 5.2 时域幂函数调制 |
| 5.2.1 定义 |
| 5.2.2 实现方案 |
| 5.3 基于时域夫琅和费变换器的光微分技术 |
| 5.3.1 光路设计 |
| 5.3.2 参数约束 |
| 5.3.3 微分功能仿真验证 |
| 5.4 基于时间/频率到频率/时间映射器的光微分技术 |
| 5.4.1 光路设计 |
| 5.4.2 参数约束 |
| 5.4.3 补偿能力仿真验证 |
| 5.4.4 电光时间透镜与四波混频时间透镜的比较 |
| 5.5 基于反馈级联的高阶光微分技术 |
| 5.6 小结 |
| 6 结束语 |
| 6.1 本论文完成的主要研究工作及取得的成果 |
| 6.2 下一步拟开展的研究工作 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）基于媒体特征分析的自适应音视频水印关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 常用缩略词表 |
| 常用符号表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 数字水印技术概述 |
| 1.2.1 数字水印系统模型 |
| 1.2.2 数字水印的分类 |
| 1.2.3 数字水印的应用 |
| 1.2.4 数字水印的性能特征 |
| 1.2.5 音视频水印攻击类型 |
| 1.2.6 数字水印性能评价指标 |
| 1.3 国内外研究现状 |
| 1.3.1 音频水印算法研究现状 |
| 1.3.2 视频水印算法研究现状 |
| 1.3.3 存在的问题 |
| 1.4 本文主要研究内容 |
| 1.5 本文结构安排 |
| 第2章 基于音频信号自适应分段与嵌入强度优化的双通道音频水印算法 |
| 2.1 引言 |
| 2.2 音频信号自适应分段 |
| 2.3 音频信号双通道特征信息构建 |
| 2.4 水印嵌入方法 |
| 2.5 水印提取方法 |
| 2.6 水印嵌入强度优化 |
| 2.7 实验结果 |
| 2.7.1 水印不可感知性评价 |
| 2.7.2 水印鲁棒性评价 |
| 2.8 本章小结 |
| 第3章 基于离散小波包变换的双域音频水印算法 |
| 3.1 引言 |
| 3.2 音频节拍检测与自适应分段 |
| 3.3 音频信号双域划分与水印嵌入位置选择 |
| 3.4 水印嵌入与提取 |
| 3.4.1 水印嵌入规则 |
| 3.4.2 自适应嵌入强度计算 |
| 3.4.3 水印嵌入方法 |
| 3.4.4 水印提取方法 |
| 3.5 实验结果 |
| 3.5.1 水印不可感知性评价 |
| 3.5.2 水印鲁棒性评价 |
| 3.6 本章小结 |
| 第4章 针对MPEG-4 SLS格式的无损压缩音频水印算法 |
| 4.1 引言 |
| 4.2 相关技术介绍 |
| 4.3 水印嵌入与提取 |
| 4.3.1 嵌入失真允许阈值 |
| 4.3.2 显着状态与嵌入位置选择 |
| 4.3.3 水印嵌入方法 |
| 4.3.4 水印提取方法 |
| 4.4 实验结果 |
| 4.4.1 水印不可感知性评价 |
| 4.4.2 水印鲁棒性评价 |
| 4.5 本章小结 |
| 第5章 基于时-空域特征与视觉密码的视频零水印算法 |
| 5.1 引言 |
| 5.2 有限状态机设计与关键帧选择 |
| 5.2.1 视频镜头分割 |
| 5.2.2 有限状态机运行规则 |
| 5.3 视频时-空域特征信息提取 |
| 5.3.1 Harris-Laplace角点检测 |
| 5.3.2 时域特征数据集构建 |
| 5.3.3 频域特征数据集构建 |
| 5.4 Ownership share的产生与水印提取 |
| 5.4.1 Ownership share的产生 |
| 5.4.2 水印提取方法 |
| 5.5 实验结果 |
| 5.6 本章小结 |
| 第6章 基于深度图像渲染的3D视频水印算法 |
| 6.1 引言 |
| 6.2 相关技术简介 |
| 6.2.1 DIBR系统 |
| 6.2.2 SIFT特征点检测 |
| 6.3 水印嵌入位置选择 |
| 6.3.1 视频场景分割 |
| 6.3.2 SIFT特征点跨帧匹配 |
| 6.3.3 匹配向量概率分布 |
| 6.3.4 匹配向量主方向和水印嵌入位置选择 |
| 6.4 水印嵌入与提取方法 |
| 6.4.1 改进的扩频水印嵌入方法 |
| 6.4.2 在中心视图中嵌入水印 |
| 6.4.3 从左右视图中提取水印信息 |
| 6.5 实验结果 |
| 6.5.1 水印不可感知性评价 |
| 6.5.2 水印鲁棒性评价 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 作者在读期间科研成果简介 |
| 致谢 |
（5）误差矢量幅度测试技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 矢量分析仪研究现状 |
| 1.2.2 载波同步和采样定时同步技术研究现状 |
| 1.3 本文主要内容及结构安排 |
| 第二章 EVM测试平台基本理论 |
| 2.1 正交调制无线通信收发机与VSA的架构 |
| 2.1.1 正交调制无线通信收发机的结构 |
| 2.1.2 VSA的EVM测试架构 |
| 2.2 EVM定义与关键参数 |
| 2.2.1 EVM的定义 |
| 2.2.2 EVM测试关键参数 |
| 2.3 EVM测试中的偏差分析 |
| 2.3.1 EVM测试的基带数学模型 |
| 2.3.2 载波频偏对EVM的影响 |
| 2.3.3 定时偏移对EVM的影响 |
| 2.3.4 噪声对EVM的影响 |
| 2.4 基于SDR思想的EVM测试平台框架设计 |
| 2.5 本章小结 |
| 第三章 基于闭环方法的EVM测量方案 |
| 3.1 载波频偏的闭环处理方法 |
| 3.1.1 数字锁相环原理 |
| 3.1.2 闭环载波恢复方法仿真 |
| 3.2 定时偏移的闭环处理方法 |
| 3.2.1 概述 |
| 3.2.2 符号定时环路原理 |
| 3.2.3 闭环定时恢复方法仿真 |
| 3.3 基于闭环方法的EVM测试方案设计 |
| 3.3.1 数据处理流程 |
| 3.3.2 EVM闭环测试仿真以及所存在的问题 |
| 3.4 本章小结 |
| 第四章 基于已知数据的开环EVM测量方案 |
| 4.1 基于已知数据的开环EVM测量方案设计 |
| 4.1.1 概述 |
| 4.1.2 双段极大范数短序列互相关的序列对齐方法 |
| 4.1.3 基于最小二乘法的频偏估计与补偿方案 |
| 4.1.4 MEVM准则的高倍内插参考信号的补偿定时误差的方案 |
| 4.1.5 相位不连续的和滤波器延时问题 |
| 4.2 基于已知数据的开环方法的EVM仿真分析 |
| 4.2.1 序列对齐法的长度选取仿真分析 |
| 4.2.2 整体方案测试结果随着频偏的变化趋势 |
| 4.2.3 整体方案测试结果随着定时偏移的变化趋势 |
| 4.2.4 整体方案测试结果随着噪声的变化趋势 |
| 4.3 硬件测试 |
| 4.3.1 平台介绍 |
| 4.3.2 硬件测试结果 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文主要工作 |
| 5.2 存在的不足和下一步工作展望 |
| 致谢 |
| 参考文献 |
| 学位论文答辩后勘误修订说明表 |
（6）基于语音识别技术的垃圾分类收集系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景及其意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要内容及章节安排 |
| 2 系统总体方案设计 |
| 2.1 系统需求分析 |
| 2.1.1 功能需求 |
| 2.1.2 系统设计原则 |
| 2.2 系统总体功能分析 |
| 2.3 系统整体方案构建 |
| 2.4 本章小结 |
| 3 语音信号处理相关算法研究 |
| 3.1 语音信号前期处理分析 |
| 3.2 语音增强算法研究 |
| 3.2.1 改进语音增强算法 |
| 3.2.2 双重约束NMF与改进OMP算法的语音增强 |
| 3.2.3 结果及分析 |
| 3.3 端点检测算法研究 |
| 3.3.1 EEMD与OS-DL联合去噪算法方案构建 |
| 3.3.2 端点检测方法改进 |
| 3.3.3 结果及分析 |
| 3.4 语音信号特征参数提取算法研究 |
| 3.4.1 Mel特征参数提取算法分析 |
| 3.4.2 改进MFCC语音特征参数提取算法研究 |
| 3.4.3 结果与分析 |
| 3.5 本章小结 |
| 4 语音识别声学模型构建 |
| 4.1 传统语音信号模型研究 |
| 4.1.1 动态时间规整算法 |
| 4.1.2 隐马尔科夫模型 |
| 4.2 DNN声学模型建立 |
| 4.2.1 自适应DNN声学模型 |
| 4.2.2 复杂环境下的DNN语音识别 |
| 4.2.3 实验结果及分析 |
| 4.3 CNN声学模型建立 |
| 4.3.1 改进卷积神经网络算法 |
| 4.3.2 三层结构优化CNN的语音识别 |
| 4.3.3 实验结果与分析 |
| 4.4 本章小结 |
| 5 系统硬件选型与设计 |
| 5.1 系统总体架构设计 |
| 5.2 主控制器模块选型 |
| 5.3 语音处理模块设计 |
| 5.3.1 语音识别芯片选型及分析 |
| 5.3.2 语音信号采集电路设计 |
| 5.4 电机驱动电路设计 |
| 5.5 超声波测距模块电路设计 |
| 5.5.1 超声波发射模块电路设计 |
| 5.5.2 超声波接收模块电路设计 |
| 5.6 显示电路设计 |
| 5.7 本章小结 |
| 6 系统软件设计与整体功能测试 |
| 6.1 软件开发平台搭建 |
| 6.1.1 Kei15软件开发平台搭建 |
| 6.1.2 Linux内核移植 |
| 6.2 主控中心软件设计 |
| 6.3 语音识别模块软件设计 |
| 6.3.1 语音信号采集子程序设计 |
| 6.3.2 语音信号端点检测子程序设计 |
| 6.3.3 语音信号特征提取子程序设计 |
| 6.4 电机驱动程序设计 |
| 6.5 语音库的建立 |
| 6.6 系统整体测试与分析 |
| 6.6.1 语音识别功能测试与分析 |
| 6.6.2 垃圾桶满溢状态测试与分析 |
| 6.6.3 系统整体功能测试与分析 |
| 6.7 本章小结 |
| 7 总结与展望 |
| 7.1 工作总结 |
| 7.2 未来工作与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）生猪异常行为多源监测及其信息融合方法的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 英文缩写对照表 |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机器视觉技术的研究现状 |
| 1.2.2 音频监测技术的研究现状 |
| 1.2.3 超声波技术研究现状 |
| 1.2.4 多源信息融合研究现状 |
| 1.3 论文主要研究内容和章节安排 |
| 1.3.1 论文主要研究内容 |
| 1.3.2章节安排 |
| 1.4 本章小结 |
| 第2章 基于机器视觉技术的生猪动作异常监测 |
| 2.1 基于机器视觉技术的生猪异常行为监测总体结构 |
| 2.2 生猪生长周期分析 |
| 2.3 生猪视频采集与预处理 |
| 2.3.1 生猪视频采集 |
| 2.3.2 生猪图像预处理 |
| 2.4 基于改进SSD的生猪目标检测研究 |
| 2.4.1 卷积神经网络 |
| 2.4.2 SSD基本结构 |
| 2.4.3 SSD网络训练 |
| 2.4.4 SSD基础网络 |
| 2.4.5 生猪目标的改进SSD检测方法 |
| 2.4.6 基于改进SSD的生猪目标检测结果与分析 |
| 2.5 生猪过度聚集的改进SSD检测方法研究 |
| 2.6 生猪打斗行为的FD-SSD检测方法研究 |
| 2.6.1 基于帧间差分法的生猪移动像素提取 |
| 2.6.2 基于SSD的运动生猪个体检测 |
| 2.6.3 生猪打斗行为判别方法 |
| 2.6.4 生猪打斗行为的FD-SSD检测方法实验结果与分析 |
| 2.7 本章小结 |
| 第3章 生猪异常声音的改进多重支持向量数据描述识别方法 |
| 3.1 生猪异常声音识别总体结构 |
| 3.2 生猪异常声音分析与生猪声音信号采集 |
| 3.2.1 生猪异常声音分析 |
| 3.2.2 生猪异常声音采集 |
| 3.3 生猪声音信号预处理 |
| 3.3.1 生猪声音能量检测 |
| 3.3.2 生猪混合声音分离 |
| 3.3.3 生猪声音降噪 |
| 3.3.4 生猪声音端点检测 |
| 3.3.5 生猪声音分帧加窗 |
| 3.4 生猪声音特征参数提取 |
| 3.4.1 生猪声音短时能量 |
| 3.4.2 生猪声音短时过零率 |
| 3.4.3 生猪声音线性预测倒谱系数 |
| 3.4.4 生猪声音梅尔频率倒谱系数 |
| 3.4.5 生猪声音耳蜗滤波倒谱系数 |
| 3.4.6 生猪声音特征参数提取结果 |
| 3.5 生猪异常声音的改进多重支持向量数据描述识别方法 |
| 3.5.1 支持向量数据描述基本步骤 |
| 3.5.2 多重支持向量数据描述 |
| 3.5.3 改进多重支持向量数据描述 |
| 3.6 生猪异常声音识别实验结果与分析 |
| 3.6.1 生猪声音独立源分离 |
| 3.6.2 生猪声音降噪结果与分析 |
| 3.6.3 生猪异常声音识别结果与分析 |
| 3.7 本章小结 |
| 第4章 生猪饮食异常的改进PSO-SVDD判断方法 |
| 4.1 生猪饮食异常判断总体结构 |
| 4.2 基于超声波的生猪饮食数据采集装置 |
| 4.3 基于改进SVDD的生猪饮食异常判断 |
| 4.4 基于改进粒子群优化算法的SVDD参数寻优 |
| 4.4.1 粒子群算法基本原理 |
| 4.4.2 基于粒子变异的粒子群优化算法 |
| 4.5 基于改进PSO-SVDD的生猪饮食异常判断 |
| 4.5.1 样本归一化 |
| 4.5.2 构建适应度函数 |
| 4.5.3 改进PSO优化SVDD参数 |
| 4.6 实验结果与分析 |
| 4.6.1 不同参数下SVDD训练结果 |
| 4.6.2 改进SVDD决策函数前后生猪饮食异常判断结果比较 |
| 4.6.3 改进PSO优化SVDD参数结果 |
| 4.6.4 基于改进PSO-SVDD的生猪饮食异常判断结果 |
| 4.7 本章小结 |
| 第5章 生猪多源多时段异常行为的灰色证据组合模型融合评价方法 |
| 5.1 生猪异常概率计算 |
| 5.2 基于灰色证据组合模型的生猪多源多时段异常融合评价总体结构 |
| 5.3 基于灰色聚类评估模型的生猪多源异常评估 |
| 5.3.1 灰色聚类评估模型相关概念 |
| 5.3.2 构建白化权函数 |
| 5.3.3 确定指标组合权重 |
| 5.4 基于D-S证据理论的生猪多时段异常评估结果融合 |
| 5.4.1 D-S证据理论基本原理 |
| 5.4.2 D-S证据理论的改进组合规则 |
| 5.5 生猪多源多时段异常行为融合评价实例分析 |
| 5.5.1 低冲突证据融合 |
| 5.5.2 高冲突证据融合 |
| 5.6 生猪异常行为智能监测管理平台 |
| 5.6.1 用户登录 |
| 5.6.2 生猪异常行为智能监测主画面 |
| 5.6.3 生猪动作异常监测 |
| 5.6.4 生猪声音异常监测 |
| 5.6.5 生猪饮食异常监测 |
| 5.7 本章小结 |
| 第6章 结论 |
| 6.1 结论 |
| 6.2 论文创新点 |
| 6.3 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（8）基于机器学习的分布式全波形激电信噪分离与反演成像方法（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题依据及意义 |
| 1.1.1 激电法基本原理与最新进展 |
| 1.1.2 本文的研究方向与研究意义 |
| 1.2 研究现状 |
| 1.2.1 激电法抗干扰研究现状 |
| 1.2.2 激电反演方法研究现状 |
| 1.2.3 机器学习算法应用现状 |
| 1.3 研究内容及方案 |
| 1.3.1 整体研究框架 |
| 1.3.2 主要研究内容 |
| 1.4 本章小结 |
| 第二章 三维主轴各向异性介质的激电全波形响应正演模拟 |
| 2.1 三维正演方法 |
| 2.1.1 有限体积三维正演算法 |
| 2.1.2 大型方程组加速求解策略 |
| 2.1.3 Cole-Cole模型参数估计 |
| 2.1.4 傅里叶级数分解与合成 |
| 2.2 算法精度验证 |
| 2.3 模型响应分析 |
| 2.3.1 各向异性模型响应计算与分析 |
| 2.3.2 激电时间序列响应计算与分析 |
| 2.3.3 不同激电视参数的分辨率对比 |
| 2.4 本章小结 |
| 第三章 基于降噪知识驱动的全波形激电自动化抗干扰方法 |
| 3.1 统计决策与信噪识别 |
| 3.1.1 激电勘探常见噪声干扰及统计特征分析 |
| 3.1.2 基于激电时间序列统计决策的信噪识别 |
| 3.2 降噪方法库的建立与完善 |
| 3.2.1 改进经验模态分解用于压制低频趋势项干扰 |
| 3.2.2 波形匹配法用于短时强干扰剔除与数据挑选 |
| 3.2.3 稳健统计方法用于压制尖峰脉冲离群值干扰 |
| 3.2.4 主成分分析与小波分析法用于压制随机噪声 |
| 3.3 仿真数据测试分析 |
| 3.4 本章小结 |
| 第四章 基于模型数据驱动的激电二三维反演成像方法 |
| 4.1 样本压缩人工神经网络反演算法 |
| 4.1.1 人工神经网络反演基本原理与算法 |
| 4.1.2 输入输出样本数据的压缩重构方法 |
| 4.1.3 基于随机介质模型的样本生成方法 |
| 4.2 自适应聚类分析与边界识别 |
| 4.2.1 自适应聚类分析计算方法 |
| 4.2.2 二三维图像边界识别效果 |
| 4.3 仿真数据测试分析 |
| 4.3.1 激电数据频谱参数反演测试 |
| 4.3.2 激电仿真数据二维反演测试 |
| 4.3.3 激电仿真数据三维反演测试 |
| 4.3.4 神经网络反演影响因素分析 |
| 4.4 本章小结 |
| 第五章 分布式全波形激电勘探实测数据的综合处理与分析 |
| 5.1 激电勘探分布式全波形数据采集 |
| 5.2 激电抗干扰处理效果与误差统计 |
| 5.2.1 不同频率/不同极距下抗干扰处理分析 |
| 5.2.2 激电扫面与测深数据抗干扰处理效果 |
| 5.3 激电法实测数据反演测试与分析 |
| 5.3.1 中梯数据激电谱参数反演 |
| 5.3.2 二维电测深激电数据反演 |
| 5.3.3 三维多剖面激电数据反演 |
| 5.3.4 成矿背景及激电数据解释 |
| 5.4 本章小结 |
| 第六章 机器学习算法在电磁测深数据处理中的应用分析 |
| 6.1 基于多尺度分解与波形匹配的可控源电磁抗干扰研究 |
| 6.2 基于改进神经网络与自适应聚类的大地电磁反演研究 |
| 6.3 本章小结 |
| 第七章 结论与下一步研究 |
| 7.1 主要结论 |
| 7.2 存在问题 |
| 7.3 下一步研究计划 |
| 致谢 |
| 参考文献 |
| 个人简历及攻读博士期间学术成果清单 |
（9）游戏人物原画的版权保护算法研究（论文提纲范文）
| 详细摘要 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于内容的拷贝检测算法 |
| 1.2.2 基于水印的版权认证算法 |
| 1.3 本文主要工作 |
| 1.4 本文结构安排 |
| 第2章 游戏人物原画版权保护相关技术概述 |
| 2.1 基于内容的拷贝检测关键技术 |
| 2.1.1 图像特征提取与描述 |
| 2.1.2 图像特征的相似性度量 |
| 2.1.3 图像抄袭检测的性能评价标准 |
| 2.2 基于水印的版权认证关键技术 |
| 2.2.1 水印算法的常用可逆变换 |
| 2.2.2 水印算法的性能指标 |
| 2.3 本章小结 |
| 第3章 基于姿势的多特征融合游戏人物原画抄袭检测算法 |
| 3.1 引言 |
| 3.2 算法原理 |
| 3.3 算法具体步骤 |
| 3.3.1 基于SUSAN角点检测的旋转矫正预处理 |
| 3.3.2 面部浓缩 |
| 3.3.3 位姿归一化的旋转不变描述 |
| 3.3.4 姿势匹配相似度结果判定 |
| 3.3.5 底层特征的提取与描述 |
| 3.3.6 多特征融合 |
| 3.4 实验结果与分析 |
| 3.4.1 实验环境与参数设置 |
| 3.4.2 算法鲁棒性分析 |
| 3.5 本章小结 |
| 第4章 基于皮肤纹理检测的游戏人物原画高质量水印算法 |
| 4.1 引言 |
| 4.2 算法原理 |
| 4.3 算法具体步骤 |
| 4.3.1 基于游戏人物的皮肤检测与纹理复杂度计算 |
| 4.3.2 水印嵌入区域的选择 |
| 4.3.3 基于DWT-SVD的水印嵌入 |
| 4.3.4 基于DWT-SVD的水印提取 |
| 4.4 实验结果与分析 |
| 4.4.1 算法不可感知性分析 |
| 4.4.2 算法鲁棒性分析 |
| 4.5 本章小结 |
| 第5章 基于姿势关节点的游戏人物原画鲁棒水印算法 |
| 5.1 引言 |
| 5.2 算法原理 |
| 5.3 算法具体步骤 |
| 5.3.1 基于姿势关节点的局部特征区域构造 |
| 5.3.2 局部特征区域归一化 |
| 5.3.3 基于DFT的水印嵌入 |
| 5.3.4 基于DFT的水印提取 |
| 5.4 实验结果与分析 |
| 5.4.1 算法不可感知性分析 |
| 5.4.2 算法鲁棒性分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 附录 作者在读期间发表的学术论文及参加的科研项目 |
（10）基于Siamese网络的图像匹配算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 图像匹配算法的研究现状 |
| 1.3 本文的主要工作 |
| 第二章 基于卷积神经网络的图像匹配和优化 |
| 2.1 图像匹配算法的原理 |
| 2.2 基于卷积神经网络的图像匹配算法 |
| 2.2.1 基于Res Net网络的图像匹配 |
| 2.2.2 基于Siamese网络的图像匹配 |
| 2.3 卷积神经网络参数的优化方法 |
| 2.3.1 卷积神经网络的超参数调整 |
| 2.3.2 卷积神经网络的训练技巧 |
| 2.4 本章小结 |
| 第三章 基于Siamese图像匹配算法的设计 |
| 3.1 算法的整体结构 |
| 3.2 图像的预处理 |
| 3.2.1 数据集扩增 |
| 3.2.2 图像的离散余弦变换 |
| 3.3 金字塔残差模块 |
| 3.4 Siamese 网络模型设计 |
| 3.5 实验结果与分析 |
| 3.5.1 数据集与评价指标 |
| 3.5.2 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 基于Siamese网络的图像匹配算法的优化 |
| 4.1 算法的整体优化结构 |
| 4.2 批归一化层的网络优化 |
| 4.3 深度可分离卷积的网络参数优化 |
| 4.4 实验结果与分析 |
| 4.5 本章小节 |
| 结论 |
| 参考文献 |
| 致谢 |
四、基于离散余弦变换的空间归一化方法(英文)（论文参考文献）
- [1]心血管疾病鲁棒分类算法研究与平台研制[D]. 张弓. 吉林大学, 2021(01)
- [2]基于剪切波变换的图像质量评价方法研究[D]. 董武. 北京邮电大学, 2021(01)
- [3]全光时域线性正则变换器的理论和应用研究[D]. 王明庆. 北京交通大学, 2021(02)
- [4]基于媒体特征分析的自适应音视频水印关键技术研究[D]. 罗一帆. 四川大学, 2021(01)
- [5]误差矢量幅度测试技术研究[D]. 韩吉祥. 电子科技大学, 2021(01)
- [6]基于语音识别技术的垃圾分类收集系统研究[D]. 赵小芬. 陕西科技大学, 2021(09)
- [7]生猪异常行为多源监测及其信息融合方法的研究与应用[D]. 张苏楠. 太原理工大学, 2020(01)
- [8]基于机器学习的分布式全波形激电信噪分离与反演成像方法[D]. 刘卫强. 中国地质科学院, 2020
- [9]游戏人物原画的版权保护算法研究[D]. 孙冕. 杭州电子科技大学, 2020(04)
- [10]基于Siamese网络的图像匹配算法的研究[D]. 王玲. 东北石油大学, 2020(03)