姜龙玉
- 作品数：7 被引量：10H指数：2
- 供职机构：东南大学计算机科学与工程学院影像科学与技术实验室更多>>
- 发文基金：国家自然科学基金教育部留学回国人员科研启动基金江苏省自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生电子电信更多>>
- 小波散射网络在各种彩色空间进行图像纹理分类的性能比较(英文)被引量：2
- 2015年
- 为了寻找利用小波散射网络进行彩色图像处理的最佳彩色空间,用小波散射网络对KTH_TIPS_COL彩色图像数据库进行了图像纹理分类研究.采用将彩色图像从RGB彩色空间转换到其他各种彩色空间的方法,研究了彩色空间的选择对于小波散射网络用于彩色图像纹理分类的影响.实验结果表明:在不同的彩色空间对彩色图像纹理进行分类,分类成功率往往差别较大;在基于竞争机制的红绿蓝彩色空间中进行小波散射变换比其他彩色空间具有更好的分类性能.考虑到彩色空间可以互相转换,对于彩色纹理图像的分类,推荐将彩色空间转化到基于竞争机制的红绿蓝彩色空间后再输入小波散射网络.
- 伍家松姜龙玉韩旭Lotfi Senhadji舒华忠
- 一种新的三维离散Hartley变换的分裂基快速算法
- 2009年
- 离散Hartley变换(Discrete Hartley Transform,DHT)作为实值离散傅立叶变换的一种替代,在信号和图像处理领域已有广泛应用,针对现有三维DHT快速算法均仅能计算长度为2的整数次幂的DHT,本文提出一种适用于更多不同长度三维DHT的分裂基-2/4快速算法,较之将已有最优算法补零计算的方法,该算法有效的降低了计算复杂度.
- 姜龙玉舒华忠伍家松罗立民
- 面向图像分类的核主成分分析网络（英文）被引量：5
- 2015年
- 为了能够用线性分类器对非线性特征进行分类,同时提高图像的分类正确率,提出了一种核主成分分析网络(KPCANet).首先通过核主成分分析算法将数据映射到高维空间中,使得数据线性可分,然后建立一个2层的KPCANet,提取出图像的主特征,最后将图像的主特征输入线性分类器中进行分类.实验结果表明,KPCANet对于人脸识别、物体识别以及手写数字识别效果良好,其分类效果优于现存的主成分分析网络(PCANet).同时,KPCANet的成分提取效果不受光照条件变化的影响,且对于遮挡以及微小的形变提取效果稳定.
- 吴丹伍家松曾瑞姜龙玉姜龙玉舒华忠
- 关键词：手写数字识别
- 宽带高阶子空间超短基线水下声学定位
- 2023年
- 超短基线作为一种常用的水声定位技术,具有基阵尺寸小,易于布置等优势,但存在因阵列孔径过小而定位精度欠佳等问题。对此,本文提出了一种基于宽带高阶子空间的超短基线水下声源定位方法,将水下源定位问题转换成高阶波达角的估计问题,在降低阵列孔径对定位精度影响的同时,提高了定位方法的可扩展性。该方法主要分为三个步骤:1)根据超短基线阵列构建阵列宽带信号接收模型;2)利用高阶累积量子空间方法虚拟扩展阵元数,提高阵列孔径,以此来提高目标在超短基线三维阵列结构下的方位角和俯仰角估计精度;3)根据发射信号波和接收信号波之间的时间关系,融合匹配滤波算法估计水下源斜距。在此基础上,本文针对水下目标动态姿态调整引起的定位失真问题,引入了自适应卡尔曼滤波模型来弱化噪声干扰,提出了一种基于自适应卡尔曼滤波的宽带高阶子空间动态目标定位方法。实验表明,本文提出的方法对水下声源定位具有更好的分辨率、对噪声具有更好的鲁棒性;与现主流的基于时延差、相位差的超短基线水下源定位方法相比,具有更好的定位精度。且在动态目标定位场景中,本文提出的方法平滑度更好,更加贴合于理论值,这也体现了本文动态定位方法对水下源轨迹跟踪具有更好的准确性。
- 杨磊杨磊姜龙玉
- 关键词：超短基线自适应卡尔曼滤波
- 基于时空信息和非负成分表示的动作识别
- 2016年
- 为充分利用时空分布信息及视觉单词间的关联信息,提出了一种新的时空非负成分表示方法(ST-NCR)用于动作识别.首先,基于视觉词袋(Bo VW)表示,利用混合高斯模型对每个视觉单词所包含的局部特征的时空位置分布进行建模,计算时空Fisher向量(STFV)来描述特征位置的时空分布;然后,利用非负矩阵分解从Bo VW表示中学习动作基元并对动作视频进行编码.为有效融合时空信息,采用基于图正则化的非负矩阵分解,并且将STFV作为图正则化项的一部分.在3个公共数据库上对该方法进行了测试,结果表明,相比于Bo VW表示和不带时空信息的非负成分表示方法,该方法能够提高动作识别率.
- 王健弘张旭章品正姜龙玉罗立民
- 基于通用赤池信息量准则改进维纳-格兰杰因果索引算法的颅内脑电效应连通性研究被引量：3
- 2018年
- 本文的目标是处理并分析使用深度电极在难治性癫痫患者癫痫发作期间其大脑皮层中记录到的癫痫脑电信号间的大脑效应连通性。维纳-格兰杰因果索引算法是一种众所周知的检测脑电信号间大脑效应连通性的有效方法。它是一种基于线性自回归模型的方法,而模型参数估计问题在其用于脑电因果效应连通性研究中的计算准确性与鲁棒性方面起着至关重要的作用。本文针对这一问题,使用了我们提出的改进的赤池信息量准则来估计算法中自回归模型的模型阶数,以提高维纳-格兰杰因果索引算法检测大脑效应连通性的性能。实验仿真结果表明:不管是在线性随机系统中还是在能生成模拟癫痫信号的生理模型中,该改进的维纳-格兰杰因果索引算法在检测脑效应连通性上都表现出良好的鲁棒性。
- 杨淳沨向文涛伍家松孔佑勇姜龙玉Le Bouquin Jèannes Régine舒华忠
- 关键词：癫痫
- 基于gAIC和滑动窗的自回归模型参数估计算法
- 2018年
- 为了提高自回归模型参数估计的准确性,提出了一种基于通用赤池信息准则和滑动窗的自回归模型参数估计算法.首先,使用通用赤池信息准则估计自回归模型的模型阶数,初步得到自回归模型中选项的候选向量集;然后,针对该候选向量集中的各候选项,采用滑动窗法获得其相应的权重值;最后,根据各候选项的权重值,利用自适应的最佳参数搜索算法进一步剔除候选向量集中的干扰候选项,得到自回归模型的最终模型选项及相应的模型系数值.实验结果表明,对于不同长度的信号,不同组合实验方案下所提算法获得的正确率最高,接近于90%.
- 杨淳沨吴国成伍家松姜龙玉孔佑勇舒华忠
- 关键词：滑动窗自回归模型参数估计
