【摘 要】
：
本文在研究传统指纹图像分割方法:基于局部图像灰度特性的方差法、基于指纹方向信息的方向图法的基础上，针对这些单一方法的不足及其优势，提出了一种将两种方法综合于一体的新方法。该方法充分利用了指纹图像特有的方向性和灰度特性，对不同质量不同灰度级的指纹图像均合适。与方差法和方向图法相比，该方法在不丢失有用信息的基础上能较好的去除边界的无用信息，具有较强的鲁棒性。
【机 构】
：
南京邮电大学通信与信息工程学院,江苏 南京 210003
【出 处】
：
2010年通信理论与信号处理学术年会
论文部分内容阅读
本文在研究传统指纹图像分割方法:基于局部图像灰度特性的方差法、基于指纹方向信息的方向图法的基础上，针对这些单一方法的不足及其优势，提出了一种将两种方法综合于一体的新方法。该方法充分利用了指纹图像特有的方向性和灰度特性，对不同质量不同灰度级的指纹图像均合适。与方差法和方向图法相比，该方法在不丢失有用信息的基础上能较好的去除边界的无用信息，具有较强的鲁棒性。
其他文献
为提高时延估计对噪声和混响干扰的抑制能力,本文利用语音模型的激励信息，提出了一种结合激励信息和PHAT加权的时延估计方法.在不同噪声和混响的环境下进行了仿真实验,比较了该方法和GCC-PHAT方法的时延估计性能.仿真结果表明,在相同的混响环境下,相比GCC-PHAT方法,该方法具有更好的噪声抑制能力.在较低信噪比的环境下,该方法时延估计的成功率得到很大提高.
压缩感知采样理论利用了信号的可压缩性质,在远低于奈奎斯特频率的采样率对模拟信号采样,也同样能精确的恢复原始信号.由于语音信号在小波变换下的稀疏特性,可以采用小波基作为恢复算法中的稀疏表达基.同时,考虑到信号的小波分解系数在不同尺度之间特有的树形结构,本文提出了基于小波树结构的语音信号压缩感知恢复算法.通过实验对比,可以发现本文提出的算法在较低的采样率下具有比一般恢复算法更好的恢复效果,在较高的采样
本文设计并实现了一款基于DirectShow的简单媒体播放器.首先介绍了DirectShow的基本概念及其主要组成部分;然后给出了利用DirectShow构建播放链-(Filter Graph);最后重点给出了播放器中利用抓图过滤器实现抓图功能的开发过程.
本文对基于视觉的手势识别系统进行了研究,给出一种应用于手势识别系统的指尖检测方法.该方法将手指指尖检测分为指尖粗定位和精确定位两部分.首先,通过帧差分、图像二值化等基本图像处理手段分割出感兴趣手的区域,并检测出运动手的最高点,以实现指尖的粗定位;然后,本文利用环形特征模板对指尖进行精确定位.实验结果证明,本文给出的方法可以有效地应用于手势识别系统,指尖定位准确度高,鲁棒性好.
本文分析了多视点视频编码模型(MVC)的预测结构及其随机访问代价,在此基础上针对MVC分等级B帧预测结构编码复杂度较高、随机访问能力较低的问题,对现有的MVC预测结构进行了改进,调整了I视点的位置并去除了部分视点间预测.测试结果表明,本文提出的预测结构虽然使多视点视频编码效率略微降低,但是却显著地提高了随机访问的性能,并降低了MVC的编解码复杂度.
由于使用iptables搭建的Ad Hoc网络,存在网络拓扑结构不能自动动态变化的不足.对此进行改进,提出一种基于iptables和shell编程的Ad Hoc网络搭建方法,使网络的拓扑结构能够动态变化.文章首先对iptables和shell做了简单的介绍,进而介绍网络搭建方法,并介绍了实现过程,最后对使用该方法搭建的Ad Hoc网络进行测试,测试结果表明,网络的拓扑结构能够自动发生变化.
介绍了一种基站多天线发送,下行信道多用户接收的发送端优化方法.与传统使用的发送端的总功率约束条件不同,采用了较实用的单天线功率约束条件.介绍了基于单天线功率约束条件下的传输方案.阐明单天线功率约束条件下的下行链路发送端的功率优化问题可以转化为与其对偶的带有不确定噪声的上行链路波束成形的优化问题.介绍了使用迭代算法得出下行链路波束成形的最优解.
为了对3G网络进行测试,设计开发了一种全新网络自动测试仪,该测试仪可以从执行不同业务的角度对3G网络进行测试.文中首先对系统整体架构进行了构建,并分析了系统中关键方案的选择,继而设计出了系统软硬件结构.测试表明该测试仪能很好的完成测试任务.
协作的频谱感知(CSS)使认知无线电(CR)网络对主用户进行可靠的检测,并避免了对主用户通信的干扰.构建了一种基于串行网络的两次用户协作频谱感知模型,推导了贝叶斯准则下该模型中两次用户感知节点的最优判决方案,并仿真分析了系统的平均差错概率性能.仿真结果显示该方案在不增加传输带宽的情况下可以提高系统感知准确性.
噪声功率谱估计是消噪算法不可或缺的组成部分.本文提出了一种算法,它基于约束的高斯混合模型在对数谱域追踪噪声功率谱,这一模型分别由语音和非语音两个高斯分量组成,这里的非语音均值即是噪声对数功率谱的无偏估计.本算法的焦点问题是估计高斯混合模型的参数集,首先通过EM算法离线初始化模型,然后随着输入信号的变化,通过一阶回归平均逐帧更新模型参数.为了模型的稳定性,引入了一些约束到模型中.本算法和主流的算法,