基于正交补空间的人脸识别

为了实现人脸识别免于特征提取,提出了一种基于正交补脸(OC-faces)的人脸识别方法.该方法基于空间正交分解理论,对不同类的原始训练样本进行Gram-Schmidt正交化,以正交化后的基张成各个不同的子空间,将测试样本分解为子空间投影及子空间正交补两部分.正交补的范数体现了测试样本到各类子空间的距离,并以此作为分类的依据.在Yale库和AT&T库上的实验结果表明,与主成分分析(PCA)、线性判别分析(LDA)两种经典识别手段相比,该方法有更好的识别效果.     

基于泊松形状信号的网格模型部件分割算法

为了将网格模型分割成若干个有意义的部件,提出了一种基于网格模型结构信号的分割算法.通过构造网格模型对应的体素模型,基于体素模型求解泊松方程得出每个体素对应的泊松形状信号;根据网格模型顶点与体素模型的对应关系,计算出网格模型中每个三角面片对应的泊松形状信号;采用Mean-Shift算法将每个三角面片对应的泊松形状信号进行聚类;最后基于泊松形状信号值,提取网格模型主要部件,并精化分块结果边界,从而达到网格模型部件分割的目的.实验表明,该算法能对具有部件结构特征的实体模型有较好的分割效果、鲁棒、速度快,与物体各个部件刚体变换无关.     

一种新的基于多信息测度融合的边缘检测方法

针对高强度噪声图像, 提出了一种新的基于信息测度概念和Dempster Shafer(DS)证据理论的边缘检测算法. 利用邻域一致性、方向性和结构性3种信息测度定量描述边缘特征; 引入检测不确定性, 根据各信息测度响应分布设计基本可信度分配函数, 并利用DS合成规则加以融合; 融合后根据组合决策规则将像素分类成边缘与非边缘. 实验通过检测结果以及Pratt品质因数的分析比较, 表明该算法能够有效地区分边缘点和噪声点. 在低噪声情况下, 检测性能与传统检测方法相近; 而对于高强度噪声图像, 该方法具有较强的噪声免疫力.     

基于复合余弦基神经网络的图像去噪滤波器

针对图像受噪声干扰问题,提出了一种基于复合余弦基神经网络的图像去噪低通滤波器,以及保证该神经网络算法收敛的收敛定理,并给出了证明.该方法通过复合余弦基神经网络对幅频响应训练,调整网络权值,控制总的能量函数在给定的极小范围内,使得实际滤波器特性逼近理想图像去噪低通滤波器特性,从而达到满意的去噪效果.仿真结果显示,复合余弦基神经网络图像去噪滤波器各项特性接近理想滤波器.与传统的图像滤波器去噪方法比较,该方法设计的图像去噪滤波器具有更好的去噪效果.     

海底热液长期原位探测器流控系统的设计与实现

为了实现深海热液长期原位探测,设计了3套能实现深海热液传感器在线自校正与自维护功能的流控系统.在实验的基础上,针对系统结构、功耗以及流量特性3个主要方面,对3种流控系统进行了比较,最终选择采用二位二通阀配合泵工作的系统作为探测器的流控系统.针对流控系统不能在高压下工作的缺陷,借助于甲基硅油介质,采用压力补偿的方式设计了流控系统的压力补偿装置,并实验验证了在40 MPa的压力下,所设计的流控系统仍能正常工作,证实了该流控系统合理且实用,从而为深海热液长期原位探测的实现提供了技术支撑.     

一种单轮的动态组密钥协商机制

针对动态组密钥协商协议中,轮数大多为2轮,且效率不高的问题,利用ID-based密钥体系下的“免交互两方静态共享秘密”技术,构建了一种单轮信息交互的基于成员认证的组密钥协商协议,并将协议推广到组成员动态变化的情况.它使得密钥协商阶段所需的广播交互消息数目较2轮的协议减少一半,因而通讯效率得以提高.该协议的密钥协商过程是安全的,并且具备“前向”和“后向”安全属性,它能适用于不要求“完美前向安全”的安全组通信应用.     

结构化P2P网络上语义发布/订阅事件路由算法

为解决结构化P2P网络上语义发布/订阅系统上基于内容的高性能语义事件路由问题,提出一种基于集结点的语义事件路由算法（rendezvous-based semantic event routing, RSER）,该算法根据订阅和事件的域标识、属性个数以及属性名映射订阅和事件到集结点,在支持语义路由的同时,避免了分布式哈希表 (distributed hash table, DHT)映射精确性与语义数据模型复杂性之间的矛盾;通过属性个数限制事件发布目的地,减少事件发布流量;采用P2P的内在路由机制和聚合优化措施分发事件,充分利用P2P网络容错性的同时,降低事件路由流量.实验结果表明,在大规模的发布/订阅下,RSER算法在性能上优于基于逆向路径转发的路由算法,并在路由效率、网络资源消耗、订阅维护效率和扩展性等方面取得了良好的平衡效果     

大规模环境下基于激光雷达的机器人SLAM算法

为解决大规模环境下机器人的同时定位和地图构建(SLAM)问题,提出一种基于Rao Blackwellised粒子滤波器的SLAM算法. 通过选取稳定且易于区别的特征点,发展了一种基于全局约束的数据关联方法,有效地减少了误匹配的概率;采用改进的粒子分布预测函数,提高了粒子滤波器的性能.实验结果表明,该算法具有较低的计算复杂度,精度也比较高,能够有效地解决大规模环境下的机器人SLAM问题.     

基于位置和程度指标的结构损伤识别研究

为提高结构损伤识别的精度,提出基于动、静态数据融合的位置指标和完全基于频率的位置指标,并采用学习速率自适应调整的新型BP神经网络学习算法,其特点是在网络迭代过程中根据网络学习误差来调整学习速率的取值,该方法有效地克服了传统BP网络学习过程中容易陷入局部极小和收敛速度慢、学习效率不高的缺点,进一步讨论了参数输入方式对网络识别效果的影响,分别采用两步诊断法和一步诊断法进行损伤识别.结果显示,两步诊断法对损伤位置和程度的识别正确率较高,而一步诊断法识别效果却不令人十分满意;减少位置指标和程度指标的输入个数对损伤识别结果有显著的影响.     

连续相位调制的定时-频偏联合估计方法

针对连续相位调制信号的同步问题,研究了一种定时-频偏联合估计算法.算法分3步实现：(1）对接收基带信号差分并平方,得到四阶非线性变换值;（2）求其二阶统计量;（3）基于该统计量联合估计定时偏差和载波频偏.通过改变载波频偏值及参与二阶统计量计算的符号数,对定时同步及频偏估计性能进行研究.在加性高斯白噪声信道及Rice慢衰落信道下分别进行仿真.加性高斯白噪声信道仿真表明,算法在载波频偏达到15%符号率条件下仍有出色同步性能,当参与估计的符号数等于64时,定时偏差和频偏均方误差分别达到10－6及10－5以下;低信噪比不影响算法定时恢复性能.Rice慢衰落信道仿真表明,算法具有一定的抗衰落能力,适当改变Rice信道模型参数能提升其性能.算法采用非数据辅助方式及前馈结构,同步捕获快速,实现简单,适合于突发通信.     

全自动尿液图像识别技术

提出了一种全自动的尿液显微图像处理方法.提出一种新的图像预处理方法,通过拉伸图像中各个像素的灰度值与局部灰度值之间的差来增强图像中目标的边界,通过对局部灰度均值的非线性变换来消除图像中光照不均匀的影响.设计恰当的细胞神经网络（CNN）模板分割图像,采用形态学操作和对边缘链码序列的操作,分离黏连细胞,得到分割的最终结果.在获取目标区域后,提取目标的各种形态学参数和纹理参数,采用多个多层感知（MLP）网络分层次地对目标进行分类,得到全自动的处理结果.通过对大量临床尿液样本图像的测试,该方法获得了良好的分割和自动识别结果,并已经集成到全自动尿液图像分析系统中应用于临床,取得了良好的效果.     

一种基于自组织神经网络的彩色图像分割方法

提出了1种基于自组织神经网络的彩色图像分割方法.它首先在空间-颜色联合域内利用自组织神经网络对图像进行聚类,再结合区域生长的方法和区域邻接列表,对图像中的相似颜色区域进行合并,并去除像素数量较少的小区域,从而得到最后的分割结果.在聚类后的图像上进行分割,可以较好的把1个物体对象只表示为1个或少数几个分割区域,明显减少对象物数目,较好地克服了传统区域生长方法的过分割问题.     

基于改进的脉冲耦合神经网络模型的图像分割

提出了一种改进的脉冲耦合神经网络(Receptive field-pulse coupled neural net-works,RF-PCNN)模型。通过感受野模型对连接矩阵的优化,使脉冲耦合神经网络(Pulsecoupled neural networks,PCNN)模型具有了方向性和尺度性,能够更好地模拟视觉细胞图像分割的功能。试验结果表明:RF-PCNN模型对自然环境中车辆图像分割的有效性,分割结果具有较高的边界检出率,较好地解决了图像分割中车牌区域存在的欠分割和过分割问题。     

粗糙集神经网络在图像分割中的应用

提出了粗糙集神经网络用于图像分割的方法.该方法利用粗糙集约简理论对分割后的图像区域特征进行约简,以降低特征向量维数,抽取出规则,然后根据这些规则构造神经网络隐含层的神经元个数,从而确定粗糙集神经网络的结构.粗糙集神经网络中每个神经单元的输入为区域值,输出为决策分类值,此时权值预设为各规则粗糙隶属度值,然后用BP算法迭代,最终实现图像的分割.试验证明,该方法大大缩短了训练时间,提高了精度,并且得到优于常规的分割图像以及满足图像处理的实时性要求.     

基于灰度特征聚类的图像自动分割方法

脉冲耦合神经网络是一种新型神经网络,该网络无需训练,根据脉冲耦合神经网络相邻神经元同步点火特性,提出了一种基于灰度特征聚类的脉冲耦合神经网络图像分割方法,利用脉冲耦合神经网络点火捕获特性,实现了对特征的自组织聚类,克服了以往基于统计方法对于相邻灰度影响的考虑,弥补了空间不连贯灰度区域分割成离散块的缺点.针对目前对网络参数的选取还主要停留在人工调整和确定阶段,对参数的选取进行了分析,并对迭代终止条件进行了研究.通过实验,证明分析结果是有效的.     

基于神经元振荡子网络的视觉场景分割

为了在图像分割中使视觉场景分割成具有一致性的模块,本文根据神经和脑科学的神经元振荡相关理论,建立了神经元振荡子网络。利用相同物体对应刺激的神经元趋于同步,而不同物体所对应的神经元趋于异步的神经机制,实现视觉场景的分割。通过计算机模拟实验表明,通过合理调整参数,该方法可得到较优的场景分割效果。     

一种基于自组织神经网络的彩色图像分割方法

提出了1种基于自组织神经网络的彩色图像分割方法．它首先在空间-颜色联合域内利用自组织神经网络对图像进行聚类，再结合区域生长的方法和区域邻接列表，对图像中的相似颜色区域进行合并，并去除像素数量较少的小区域，从而得到最后的分割结果．在聚类后的图像上进行分割，可以较好的把1个物体对象只表示为1个或少数几个分割区域，明显减少对象物数目，较好地克暇了传统区域生长方法的过分割问题。     

细胞神经网络在通信信号处理中的应用

描述了细胞神经网络的基本理论及其在通信信号处理中的应用和发展趋势，并指出其今后在通信信号处理中的进一步研究方向。     

PCNN模型在彩色图像分割中的应用

针对脉冲耦合神经网络(PCNN)模型主要应用于灰度图像处理的局限性,利用脉冲发生器将颜色信息引入模型作为输入,与灰度信息共同控制神经元的内部行为,控制等灰度值的不同颜色区域分期点火,实现彩色图像的精确分割.双输入PCNN模型实现了彩色图像的分割,同时保持了PCNN模型对噪声的鲁棒性,从简单的仿真图像和实际图像两方面验证了此分割方法的有效性.     

医学图像分割的神经网络方法

给出了一种基于自组织聚类神经网络的图像分割算法．针对聚类中心初始值选取的盲目性,提出了初始值优选法,大幅度提高了分割算法的速度．实验表明,文中提出的算法能快速、准确地分割医学图像,将原始照片中不易分辨的病灶清晰地呈现出来．