2008年 第34卷 第12期
2008, 34(12): 1449-1457.
doi: 10.3724/SP.J.1004.2008.01449
摘要:
在体生物发光成像和在体荧光成像是近年来新兴的在体生物光学成像技术, 能够无损实时动态监测被标记细胞在活体小动物体内的活动及反应, 在肿瘤检测、基因表达、蛋白质分子检测、药物受体定位、药物筛选和药物疗效评价等方面具有很大的应用潜力. 本文详细介绍了在体生物发光成像和在体荧光成像的特点、系统及应用, 比较了它们的异同, 综述了在体生物光学成像技术的基本原理和应用领域, 讨论了将其应用于临床的进一步发展方向.
在体生物发光成像和在体荧光成像是近年来新兴的在体生物光学成像技术, 能够无损实时动态监测被标记细胞在活体小动物体内的活动及反应, 在肿瘤检测、基因表达、蛋白质分子检测、药物受体定位、药物筛选和药物疗效评价等方面具有很大的应用潜力. 本文详细介绍了在体生物发光成像和在体荧光成像的特点、系统及应用, 比较了它们的异同, 综述了在体生物光学成像技术的基本原理和应用领域, 讨论了将其应用于临床的进一步发展方向.
2008, 34(12): 1458-1466.
doi: 10.3724/SP.J.1004.2008.01458
摘要:
数字图像盲取证技术作为一种不依赖任何预签名提取或预嵌入信息来鉴别图像真伪和来源的技术, 正逐步成为多媒体安全领域新的研究热点, 且有着广泛的应用前景. 首先简要描述了图像盲取证技术要解决的问题和任务. 根据图像鉴别使用的取证特征, 将用于真实性鉴别的图像盲取证技术划分为三类: 基于图像伪造过程遗留痕迹的盲取证技术、基于成像设备一致性的盲取证技术和基于自然图像统计特性的盲取证技术, 然后分别阐述了这三类取证技术的基本特征和典型方法, 对不同算法进行了性能比较和总结. 最后综合近年来国内外学者在面向真实性鉴别的图像盲取证技术方面的主要研究成果, 探讨了图像盲取证技术存在的问题及未来研究方向.
数字图像盲取证技术作为一种不依赖任何预签名提取或预嵌入信息来鉴别图像真伪和来源的技术, 正逐步成为多媒体安全领域新的研究热点, 且有着广泛的应用前景. 首先简要描述了图像盲取证技术要解决的问题和任务. 根据图像鉴别使用的取证特征, 将用于真实性鉴别的图像盲取证技术划分为三类: 基于图像伪造过程遗留痕迹的盲取证技术、基于成像设备一致性的盲取证技术和基于自然图像统计特性的盲取证技术, 然后分别阐述了这三类取证技术的基本特征和典型方法, 对不同算法进行了性能比较和总结. 最后综合近年来国内外学者在面向真实性鉴别的图像盲取证技术方面的主要研究成果, 探讨了图像盲取证技术存在的问题及未来研究方向.
2008, 34(12): 1467-1474.
doi: 10.3724/SP.J.1004.2008.01467
摘要:
常见骨架提取算法对复杂多变的目标边缘具有较强的敏感性, 提取出的骨架曲线结构相对复杂, 数据量仍然较大. 针对这一问题, 提出了一种新的骨架曲线多边形近似算法. 该算法结合骨架曲线的特点, 在传统串行多边形近似算法的基础上引入了平滑度保持、结构特征保持以及拓扑特征保持等约束条件, 既较好地保留了原始骨架的主要拓扑结构特征, 又有效地简化了骨架曲线的结构, 进一步压缩了数据. 仿真研究证明了该方法的有效性.
常见骨架提取算法对复杂多变的目标边缘具有较强的敏感性, 提取出的骨架曲线结构相对复杂, 数据量仍然较大. 针对这一问题, 提出了一种新的骨架曲线多边形近似算法. 该算法结合骨架曲线的特点, 在传统串行多边形近似算法的基础上引入了平滑度保持、结构特征保持以及拓扑特征保持等约束条件, 既较好地保留了原始骨架的主要拓扑结构特征, 又有效地简化了骨架曲线的结构, 进一步压缩了数据. 仿真研究证明了该方法的有效性.
2008, 34(12): 1475-1482.
doi: 10.3724/SP.J.1004.2008.01475
摘要:
提出一种基于核方法的下视等分辨率景象匹配算法. 通过模拟电荷吸引模型, 提出了计算不等维高维数据相似度的SNN核函数. 将图像中的特征点映射到径向基向量(Radial basis vector, RBV)空间, 利用SNN核函数计算两个特征点集的相似度及过渡矩阵. 利用置换测试模块来增强SNN核的稳定性, 以确保输出解的可靠性. 实验证明, 基于SNN核的景象匹配算法对图象畸变、噪声干扰与信号缺失具有很强的鲁棒性, 并可保证高精度与高实时性.
提出一种基于核方法的下视等分辨率景象匹配算法. 通过模拟电荷吸引模型, 提出了计算不等维高维数据相似度的SNN核函数. 将图像中的特征点映射到径向基向量(Radial basis vector, RBV)空间, 利用SNN核函数计算两个特征点集的相似度及过渡矩阵. 利用置换测试模块来增强SNN核的稳定性, 以确保输出解的可靠性. 实验证明, 基于SNN核的景象匹配算法对图象畸变、噪声干扰与信号缺失具有很强的鲁棒性, 并可保证高精度与高实时性.
2008, 34(12): 1483-1489.
doi: 10.3724/SP.J.1004.2008.01483
摘要:
由于对光照、姿态变化的不敏感, 三维人脸识别算法已经受到人们的极大关注, 其中三维人脸特征的表示、获取以及多种表示特征的有效融合仍然是三维人脸识别的核心问题. 本文提出一种三维人脸识别方法, 该方法针对归一化的三维人脸数据, 选取人脸的曲面特征和描述人脸特征相互关系矩阵的主分量特征作为人脸表示特征, 给出了各特征的提取方法及同类特征的相似性度量, 进而提出了一种对各类特征进行加权融合的方法, 即通过分析不同特征的分类识别能力, 根据Fisher的线性判别准则, 以类内和类间特征相似度的均值差与类内和类间的散度平方和之比的大小作为该类特征权重, 在决策层为不同的特征赋予不同的权重. 最后, 基于公开发布的BJUT-3D三维人脸数据库进行了识别性能实验. 实验结果证明, 本文的特征融合方法比一般的加权策略有更好的识别性能．
由于对光照、姿态变化的不敏感, 三维人脸识别算法已经受到人们的极大关注, 其中三维人脸特征的表示、获取以及多种表示特征的有效融合仍然是三维人脸识别的核心问题. 本文提出一种三维人脸识别方法, 该方法针对归一化的三维人脸数据, 选取人脸的曲面特征和描述人脸特征相互关系矩阵的主分量特征作为人脸表示特征, 给出了各特征的提取方法及同类特征的相似性度量, 进而提出了一种对各类特征进行加权融合的方法, 即通过分析不同特征的分类识别能力, 根据Fisher的线性判别准则, 以类内和类间特征相似度的均值差与类内和类间的散度平方和之比的大小作为该类特征权重, 在决策层为不同的特征赋予不同的权重. 最后, 基于公开发布的BJUT-3D三维人脸数据库进行了识别性能实验. 实验结果证明, 本文的特征融合方法比一般的加权策略有更好的识别性能．
2008, 34(12): 1490-1496.
doi: 10.3724/SP.J.1004.2008.01490
摘要:
传统关联规则挖掘得到的原始规则集包含大量的、杂乱的规则, 其中很多是冗余的, 这样的规则集难以被用户理解和应用. 针对这一问题, 探讨了原始规则集与规则集表述之间的关系, 提出了一个新的规则集表述模型. 该模型包含一个利用概率统计原理构建的推演系统, 能够从原始规则集中去除冗余规则, 得到无损的规则集表述. 这种规则集表述比原始规则集更简洁、更易于理解以及更便于用户管理和应用. 更重要的是, 该模型得到的规则集表述是无损的, 能够实现原始规则集和规则集表述之间的相互推演, 保证了信息的完整性. 在四个著名数据集上进行的实验表明, 规则集表述中的规则数量显著减少.
传统关联规则挖掘得到的原始规则集包含大量的、杂乱的规则, 其中很多是冗余的, 这样的规则集难以被用户理解和应用. 针对这一问题, 探讨了原始规则集与规则集表述之间的关系, 提出了一个新的规则集表述模型. 该模型包含一个利用概率统计原理构建的推演系统, 能够从原始规则集中去除冗余规则, 得到无损的规则集表述. 这种规则集表述比原始规则集更简洁、更易于理解以及更便于用户管理和应用. 更重要的是, 该模型得到的规则集表述是无损的, 能够实现原始规则集和规则集表述之间的相互推演, 保证了信息的完整性. 在四个著名数据集上进行的实验表明, 规则集表述中的规则数量显著减少.
2008, 34(12): 1497-1507.
doi: 10.3724/SP.J.1004.2008.01497
摘要:
研究了任意覆盖率下的无线传感器网络分布式节点自动配置问题. 首先, 针对正六边形拓扑架构下的网络覆盖, 给出了节点密集分布条件下的覆盖率与相邻工作节点间距的解析关系, 从而得到了理想条件下部分覆盖的最优节点配置. 考虑到实际系统中有限的节点密度和节点的随机分布, 进一步提出了一种可以在此条件下实现任意覆盖率的部分覆盖协同优化算法(Optimized collaborative partial coverage, OCPC). OCPC通过节点间的动态协同唤醒最接近于理想配置的工作节点并使其他节点睡眠以节省能量. 以尽可能少的工作节点达到网络的覆盖和连通需求并降低网络的能耗, 进而达到网络的感知任务和能量消耗的有效折衷. 仿真表明, OCPC可以有效地实现任意期望覆盖率下的网络配置并保持网络连通, 同时, 与经典覆盖算法PEAS (Probing environment and adaptive sleeping)和OGDC (Optimal geographic density control)相比, 在网络的节能方面也具有明显的优越性.
研究了任意覆盖率下的无线传感器网络分布式节点自动配置问题. 首先, 针对正六边形拓扑架构下的网络覆盖, 给出了节点密集分布条件下的覆盖率与相邻工作节点间距的解析关系, 从而得到了理想条件下部分覆盖的最优节点配置. 考虑到实际系统中有限的节点密度和节点的随机分布, 进一步提出了一种可以在此条件下实现任意覆盖率的部分覆盖协同优化算法(Optimized collaborative partial coverage, OCPC). OCPC通过节点间的动态协同唤醒最接近于理想配置的工作节点并使其他节点睡眠以节省能量. 以尽可能少的工作节点达到网络的覆盖和连通需求并降低网络的能耗, 进而达到网络的感知任务和能量消耗的有效折衷. 仿真表明, OCPC可以有效地实现任意期望覆盖率下的网络配置并保持网络连通, 同时, 与经典覆盖算法PEAS (Probing environment and adaptive sleeping)和OGDC (Optimal geographic density control)相比, 在网络的节能方面也具有明显的优越性.
2008, 34(12): 1508-1514.
doi: 10.3724/SP.J.1004.2008.01508
摘要:
Nonsubsampled contourlet transform (NSCT) 能够提供灵活的多分辨率分解, 具有各向异性和图像方向性扩展特点. 与原始的Contourlet相比, 它是频移不变的, 能有效克服Contourlet变换中的伪吉布斯现象. 脉冲耦合神经网络(Pulse Coupled Neural Networks-PCNN)是一种具有视觉生理学基础的神经网络, 具有全局耦合和神经元同步脉冲发放特性, 已经被成功应用于图像处理和图像融合中. 本文将NSCT与PCNN结合起来, 充分利用二者的特性. 以NSCT变换域内系数的空间频率激励PCNN神经元, 选择点火次数大的系数作为融合图像的系数, 经NSCT反变换得到融合图像. 实验表明, 本文算法无论在视觉效果还是客观评价指标上, 都优于基于小波变换、基于Contourlet变换、基于PCNN和基于Contourlet-PCNN等融合算法.
Nonsubsampled contourlet transform (NSCT) 能够提供灵活的多分辨率分解, 具有各向异性和图像方向性扩展特点. 与原始的Contourlet相比, 它是频移不变的, 能有效克服Contourlet变换中的伪吉布斯现象. 脉冲耦合神经网络(Pulse Coupled Neural Networks-PCNN)是一种具有视觉生理学基础的神经网络, 具有全局耦合和神经元同步脉冲发放特性, 已经被成功应用于图像处理和图像融合中. 本文将NSCT与PCNN结合起来, 充分利用二者的特性. 以NSCT变换域内系数的空间频率激励PCNN神经元, 选择点火次数大的系数作为融合图像的系数, 经NSCT反变换得到融合图像. 实验表明, 本文算法无论在视觉效果还是客观评价指标上, 都优于基于小波变换、基于Contourlet变换、基于PCNN和基于Contourlet-PCNN等融合算法.
2008, 34(12): 1515-1521.
doi: 10.3724/SP.J.1004.2008.01515
摘要:
In some sample based regression tasks, the observed samples are quite few or not informative enough. As a result, the conflict between the number of samples and the model complexity emerges, and the regression method will confront the dilemma whether to choose a complex model or not. Incorporating the prior knowledge is a potential solution for this dilemma. In this paper, a sort of the prior knowledge is investigated and a novel method to incorporate it into the kernel based regression scheme is proposed. The proposed prior knowledge based kernel regression (PKBKR) method includes two subproblems: representing the prior knowledge in the function space, and combining this representation and the training samples to obtain the regression function. A greedy algorithm for the representing step and a weighted loss function for the incorporation step are proposed. Finally, experiments are performed to validate the proposed PKBKR method, wherein the results show that the proposed method can achieve relatively high regression performance with appropriate model complexity, especially when the number of samples is small or the observation noise is large.
In some sample based regression tasks, the observed samples are quite few or not informative enough. As a result, the conflict between the number of samples and the model complexity emerges, and the regression method will confront the dilemma whether to choose a complex model or not. Incorporating the prior knowledge is a potential solution for this dilemma. In this paper, a sort of the prior knowledge is investigated and a novel method to incorporate it into the kernel based regression scheme is proposed. The proposed prior knowledge based kernel regression (PKBKR) method includes two subproblems: representing the prior knowledge in the function space, and combining this representation and the training samples to obtain the regression function. A greedy algorithm for the representing step and a weighted loss function for the incorporation step are proposed. Finally, experiments are performed to validate the proposed PKBKR method, wherein the results show that the proposed method can achieve relatively high regression performance with appropriate model complexity, especially when the number of samples is small or the observation noise is large.
2008, 34(12): 1522-1528.
doi: 10.3724/SP.J.1004.2008.01522
摘要:
粒子退化和对突变状态的跟踪能力差是粒子滤波在故障预报应用中存在的主要问题. 再采样粒子滤波虽可缓解粒子退化, 但易导致样本贫化; 扩展粒子滤波也可在一定程度上解决退化问题, 但难以跟踪突变状态. 本文提出了强跟踪粒子滤波算法, 将强跟踪滤波引入粒子滤波更新粒子, 产生重要性密度, 缓解粒子退化和样本贫化问题, 提高跟踪突变状态的能力. 仿真结果显示该算法可行并能及时准确地预报系统故障.
粒子退化和对突变状态的跟踪能力差是粒子滤波在故障预报应用中存在的主要问题. 再采样粒子滤波虽可缓解粒子退化, 但易导致样本贫化; 扩展粒子滤波也可在一定程度上解决退化问题, 但难以跟踪突变状态. 本文提出了强跟踪粒子滤波算法, 将强跟踪滤波引入粒子滤波更新粒子, 产生重要性密度, 缓解粒子退化和样本贫化问题, 提高跟踪突变状态的能力. 仿真结果显示该算法可行并能及时准确地预报系统故障.
2008, 34(12): 1529-1533.
doi: 10.3724/SP.J.1004.2008.01529
摘要:
研究一类受L2范数有界未知输入影响的线性离散时变系统H∞故障估计问题. 首先将系统H∞故障估计归结为二次型最小化问题, 然后引入相应的Krein空间系统, 应用Krein空间Kalman滤波理论, 推导并证明H∞故障估计问题可解的充要条件, 给出基于矩阵Riccati方程的H∞故障估计器设计, 为故障估计问题提供新的理论方法, 并通过算例验证本文提出方法的有效性.
研究一类受L2范数有界未知输入影响的线性离散时变系统H∞故障估计问题. 首先将系统H∞故障估计归结为二次型最小化问题, 然后引入相应的Krein空间系统, 应用Krein空间Kalman滤波理论, 推导并证明H∞故障估计问题可解的充要条件, 给出基于矩阵Riccati方程的H∞故障估计器设计, 为故障估计问题提供新的理论方法, 并通过算例验证本文提出方法的有效性.
2008, 34(12): 1534-1539.
doi: 10.3724/SP.J.1004.2008.01534
摘要:
研究了时延可能大于采样周期情况下的网络化控制系统的故障检测问题. 首先, 时延造成的影响被转化成了范数有界的不确定性, 接下来现有的基于参考模型的连续系统故障检测方法被推广到离散系统, 并应用于前面得到的含参数有界不确定性的系统. 本文提出的算法可以通过 Matlab LMI 工具箱实现. 仿真结果证实了算法的有效性.
研究了时延可能大于采样周期情况下的网络化控制系统的故障检测问题. 首先, 时延造成的影响被转化成了范数有界的不确定性, 接下来现有的基于参考模型的连续系统故障检测方法被推广到离散系统, 并应用于前面得到的含参数有界不确定性的系统. 本文提出的算法可以通过 Matlab LMI 工具箱实现. 仿真结果证实了算法的有效性.
2008, 34(12): 1540-1544.
doi: 10.3724/SP.J.1004.2008.01540
摘要:
如何均衡地使用无线传感器网络节点的能量并产生较小的网络延迟是无线传感器网络研究的一个难点. 本文提出了一种能量均衡的无线传感器网络短路径路由算法EB-SPR (Energy-balanced short path routing). 首先将网络构造成层次结构, 节点根据上一层邻节点能量水平并优先使用剩余能量多的节点作为下一跳来转发数据包, 这种方式有效地平衡了网络能耗, 进而提高了网络生命周期. 另外, EB-SPR通过在路由中限制数据包在同一层被转发的次数来降低数据到达基站的跳数. 本文证明了EB-SPR下源数据包到达基站所经历的跳数最多为最短路径路由算法的2倍, 所以本文算法产生的网络延迟具有明确的上界. 模拟实验表明EB-SPR有效地延长了网络生命周期并能产生较小的网络延迟.
如何均衡地使用无线传感器网络节点的能量并产生较小的网络延迟是无线传感器网络研究的一个难点. 本文提出了一种能量均衡的无线传感器网络短路径路由算法EB-SPR (Energy-balanced short path routing). 首先将网络构造成层次结构, 节点根据上一层邻节点能量水平并优先使用剩余能量多的节点作为下一跳来转发数据包, 这种方式有效地平衡了网络能耗, 进而提高了网络生命周期. 另外, EB-SPR通过在路由中限制数据包在同一层被转发的次数来降低数据到达基站的跳数. 本文证明了EB-SPR下源数据包到达基站所经历的跳数最多为最短路径路由算法的2倍, 所以本文算法产生的网络延迟具有明确的上界. 模拟实验表明EB-SPR有效地延长了网络生命周期并能产生较小的网络延迟.
2008, 34(12): 1544-1548.
doi: 10.3724/SP.J.1004.2008.01544
摘要:
应用Lyapunov直接稳定性理论和LaSalle不变性原理, 证明了不确定非线性机械系统常用线性PID控制的半全局渐近稳定性. 同时证明了为提高系统的响应速度而发展的一种非线性PI加D (NPI-D)控制系统的全局渐近稳定性. 两自由度机器人系统的数值仿真结果验证了NPI-D控制的良好性能.
应用Lyapunov直接稳定性理论和LaSalle不变性原理, 证明了不确定非线性机械系统常用线性PID控制的半全局渐近稳定性. 同时证明了为提高系统的响应速度而发展的一种非线性PI加D (NPI-D)控制系统的全局渐近稳定性. 两自由度机器人系统的数值仿真结果验证了NPI-D控制的良好性能.
2008, 34(12): 1549-1555.
doi: 10.3724/SP.J.1004.2008.01549
摘要:
针对奇异摄动饱和系统, 提出了一种估计其稳定域的降阶方法. 结合饱和函数的特殊性质, 证明了此类系统的稳定域可分解为伴随系统的不变集与一个足够大球体的笛卡尔积. 将原系统稳定域估计问题转化为低阶伴随系统稳定域的估计问题, 利用线性矩阵不等式(Linear matrix inequality, LMI)优化方法估计伴随系统的稳定域以减少保守性. 本方法不仅可以克服奇异摄动饱和系统的奇异性, 还可以一定程度克服系统的``维数灾''等问题.
针对奇异摄动饱和系统, 提出了一种估计其稳定域的降阶方法. 结合饱和函数的特殊性质, 证明了此类系统的稳定域可分解为伴随系统的不变集与一个足够大球体的笛卡尔积. 将原系统稳定域估计问题转化为低阶伴随系统稳定域的估计问题, 利用线性矩阵不等式(Linear matrix inequality, LMI)优化方法估计伴随系统的稳定域以减少保守性. 本方法不仅可以克服奇异摄动饱和系统的奇异性, 还可以一定程度克服系统的``维数灾''等问题.
2008, 34(12): 1556-1560.
doi: 10.3724/SP.J.1004.2008.01556
摘要:
针对一阶未知非线性参数化周期时变时滞系统, 设计了一种自适应学习控制方案. 假设未知时变参数, 时变时滞和参考信号的共同周期是已知的, 通过重构系统方程, 将包含时变时滞在内的所有未知时变项合并成为一个周期时变向量, 采用周期自适应律估计该向量. 通过构造一个Lyapunov-Krasovskii型复合能量函数证明了所有信号有界并且跟踪误差收敛. 结果被推广到一类含有混合参数的高阶非线性系统. 通过两个仿真例子说明本文所提出的控制算法的有效性.
针对一阶未知非线性参数化周期时变时滞系统, 设计了一种自适应学习控制方案. 假设未知时变参数, 时变时滞和参考信号的共同周期是已知的, 通过重构系统方程, 将包含时变时滞在内的所有未知时变项合并成为一个周期时变向量, 采用周期自适应律估计该向量. 通过构造一个Lyapunov-Krasovskii型复合能量函数证明了所有信号有界并且跟踪误差收敛. 结果被推广到一类含有混合参数的高阶非线性系统. 通过两个仿真例子说明本文所提出的控制算法的有效性.
