首页期刊导航|信号处理
期刊信息/Journal information
信号处理
信号处理

谢维信

月刊

1003-0530

010-64010656;64034443-3004

100009

北京鼓楼西大街41号

信号处理/Journal Signal ProcessingCSCD北大核心CSTPCD
正式出版
收录年代

    改进实值空时子空间数据融合的单星直接定位方法

    招乾民张顺生
    1111-1121页
    查看更多>>摘要：辐射源直接定位是一种能够直接从原始采样信号中估计出辐射源位置的无源定位技术.利用单颗卫星对地球表面固定辐射源进行直接定位具有定位精度高、灵活性强等特点,因而具有重要的研究价值.然而,传统空域子空间数据融合直接定位方法缺乏对多普勒信息的充分利用,其在单星直接定位场景下的定位性能不足.现有空时子空间数据融合直接定位方法提升了该场景下的定位性能,但其仍存在低信噪比条件下定位精度和分辨率不足的问题.针对这些问题,该文提出了一种改进实值空时子空间数据融合的单星直接定位方法,实现了辐射源高程已知条件下单星对多辐射源的直接定位.首先,该文基于WGS-84地球椭球面模型建立联合到达角和多普勒频率的空时信号模型,充分利用了卫星相对辐射源高速运动产生的多普勒频移信息.随后,该文引入了托普利兹矩阵调整方法,对空时信号模型中接收信号的协方差矩阵进行分块,然后对分块矩阵进行调整,并使用前后向平滑和空时子空间酉变换技术来得到实值的空时子空间.最后,该文融合多个时隙的空时子空间数据建立定位的代价函数,同时设计出符合特征空间思想的分子函数,得到改进的代价函数,再通过网格搜索方法估计出辐射源的位置.仿真结果表明:所提方法在低信噪比下相比MUSIC(Multiple Signal Classification)直接定位方法、MVDR(Minimum Variance Distor tionless Response)直接定位方法、ML(Maximum Likelihood)直接定位方法和U-ST-SDF(Unitary Space-time Subspace Data Fusion)方法具有更好的定位性能.

    直接定位子空间数据融合托普利兹矩阵到达角多普勒频率

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    JPEG原图重构取证方法

    黎溢轩李昊东曾吉申黄瑞灵...
    1122-1140页
    查看更多>>摘要：数字图像已被广泛用于办理各类网上业务和作为司法证据.与此同时,利用流行的图像编辑软件,普通用户就可以对图像进行语义篡改而不留下视觉痕迹.因此,对数字图像的原始性和真实性进行辨识已成为迫切的应用需求.基于元数据的图像篡改取证方法因准确性高、计算量小而得到重视.然而,原图重构技术(例如应用MagicEXIF元数据编辑器)的出现使上述方法完全失效.针对这一问题,本文提出一种JPEG图像原图重构取证方法,用于检测图像是否受到重构攻击.通过分析原图重构的过程,以及重构前后图像的像素统计特征差异,本文对深度学习隐写分析模型SRNet(Steganalysis Residual Network)进行轻量化改进:裁剪其冗余的下采样层以减少参数,引入通道注意力机制以提高对关键特征的提取能力,并采用知识蒸馏的方法进一步提升模型的准确率.进一步地,通过分析重构对不同颜色分量的影响,采用YCbCr 颜色分量作为模型输入,以提高检测性能.为测试算法的性能,我们收集了由不同品牌和型号的手机拍摄的图像数据,构建了大规模重构图像数据库.实验表明,本文提出的模型在参数量显著减少的情况下性能优于流行的模型,对512×512大小的图像可取得98%以上的检测正确率,且具有良好的跨设备泛化能力.同时,通过应用迁移学习,本文方法对不同版本的重构软件也具有较好的泛化性.

    图像元数据原图重构图像取证重构检测轻量化模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    联合内容和质量约束的真实图像去噪

    朱皓晨赵墨曹刚
    1141-1147页
    查看更多>>摘要：真实图像去噪指从真实的数字照片图像中移除噪声失真,以提升图像的视觉质量.当前性能最优的真实图像去噪模型普遍依赖于逐像素对应的干净/噪声图像对样本集,但其采集困难.针对该挑战,本文提出了一种联合内容和质量约束的真实图像去噪网络CQDeNet,仅利用图像级标注样本完成训练并实现有效去噪.CQDeNet主要包含图像内容约束和图像质量约束两个前后联结的子网络.内容约束网络采用单噪声图像训练骨干网络TECDNet,通过噪声图像中的潜在干净图像信号还原内容信息.质量约束网络利用无参考图像质量评估来约束生成图像的质量,协作引导内容约束网络的优化方向.通过联合这两个子网络,CQDeNet解除了当前无监督方法对输入图像噪声残差零均值假设的限制,因此具有更强的泛化能力和扩展性.测试结果表明,所提方法能有效去除真实图像中噪声,在SSID和DND数据集上的平均PSNR值分别达到34.83 dB和37.21 dB.

    真实图像去噪深度学习图像内容约束网络图像质量约束网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    DWT-DCT结合SURF与PSO的优化鲁棒水印算法

    张天骐马焜然邹涵杨宗方...
    1148-1159页
    查看更多>>摘要：针对优化水印算法中未最大化水印鲁棒性以及抗几何攻击较差的问题,本文提出了一种结合离散小波变换(Discrete Wavelet Transform,DWT)和离散余弦变换(Discrete Cosine Transform,DCT),并融合加速鲁棒特征(Speeded-Up Robust Features,SURF)与粒子群优化(Particle Swarm Optimization,PSO)的鲁棒水印算法.首先对宿主图像进行DWT以获得其低频图像,接着对低频图像进行分块DCT操作,最后每个DCT块选取两个系数嵌入一位水印.其中,嵌入位置与嵌入强度由PSO优化算法结合多种组合攻击选取.为了避免几何校正中使用原图像,本文利用SURF算法检测嵌入水印后图像的特征信息,并将其用于几何校正.实验表明,本文算法在峰值信噪比达到40 dB以上的情况下,在面临常规信号攻击和几何攻击时均有较好的鲁棒性.

    水印优化几何校正鲁棒性

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    FMA-DETR:一种无编码器的Transformer目标检测方法

    周全倪英豪莫玉玮康彬...
    1160-1170页
    查看更多>>摘要：DETR是第一个将Transformer应用于目标检测的视觉模型.在DETR结构中,Transformer编码器对已高度编码的图像特征进行再编码,这在一定程度上导致了网络功能的重复.此外,由于Transformer编码器具有多层深度堆叠的结构和巨大的参数量,导致网络优化变得困难,模型收敛速度缓慢.本文设计了一种无编码器的Transformer目标检测网络模型.由于不需要引入Transformer编码器,本文的模型比DETR参数量更小、计算量更低、模型收敛速度更快.但是,直接去除Transformer编码器将降低网络的表达能力,导致Transformer解码器无法从数量庞大的图像特征中关注到包含目标的图像特征,从而使检测性能大幅降低.为了缓解这个问题,本文提出了一种混合特征注意力(fusion-feature mixing attention,FMA)机制,它通过自适应特征混合和通道交叉注意力弥补检测网络特征表达能力的下降,将其应用于Transformer解码器可以减轻由于去除Transformer编码器带来的性能降低.在MS-COCO数据集上,本文网络模型(称为FMA-DETR)实现了与DETR相近的性能表现,同时本文的模型拥有更快的收敛速度、更小的参数量以及更低的计算量.本文还进行了大量消融实验来验证所提出方法的有效性.

    目标检测Transformer编码器DETR混合注意力

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的视频修复方法综述

    陈婧王恺星左雨亭林琦...
    1171-1184页
    查看更多>>摘要：视频作为常见的媒体信息之一,目前已在各个领域得到广泛应用.尤其是以抖音等为代表的短视频软件的兴起,使得与视频相关的技术不断迭代更新.其中,视频修复技术是视频处理研究中的一个热点.视频修复技术是利用视频帧内的像素信息和帧间的时域参考信息对视频帧受损的区域进行内容推理并修复,在补全缺损视频、物体移除及视频伪造检测等场景中具有广泛应用前景.该技术可追溯到二十世纪末的老电影修复技术,该任务通常由专业的技术团队逐帧修复完成.而随着数字技术的发展,近年来已有一些人工智能技术用于视频修复,让老电影重获新生.目前,视频修复技术可分为传统方法和基于深度学习的两类方法.其中,传统方法由于缺少对高层语义信息的理解,在场景复杂、缺失区域较大的情况下修复效果不佳;而基于深度学习的方法随着算法框架的优化和图形处理器性能的提升展现了出色的效果,对修复结果的语义结构准确性和时间一致性都有明显的提升.本文在简要回顾传统视频修复方法的基础上,重点分析四类基于深度学习视频修复方法的网络结构、参数模型、性能表现与优缺点;介绍视频修复领域中常用的数据集和评价指标;最后,对视频修复领域现存的问题进行总结并展望未来可能的研究方向.

    视频修复视频缺损深度学习帧间信息评价指标

      原文链接:
    • NETL
    • NSTL
    • 万方数据