基于随机Hough变换的零基线正弦曲线检测

研究零基线正弦曲线的随机Hough变换的最小点集、收敛映射和动态链接表结构3个基本问题,提出改进的三点拟合零基线正弦曲线的方法,给出零基线正弦曲线的随机Hough变换检测算法,并分析算法的计算性能和存储量性能。仿真实验表明该方法的有效性。     

基于热扩散模型的测试程序分类

提出基于热扩散模型的测试程序分类方法,根据峰值温度的高低对SPEC CPU2000的测试程序进行分类。讨论测试程序的热扩散特征和程序行为之间的对应关系。实验结果表明基于热扩散模型分类是一种有效的程序分类方法,其分类结果为不同类型多线程工作负载的组合提供了参考。     

序列模式发现的结构化动态优化方法

给出单模式、二模式和三模式3种序列模式发现的基本概念,给出二模式和三模式的表示方法。该表示方法不会产生实际不存在的候选序列,从而有效地缩小候选空间,提高序列模式的计算速度。结合Apriori方法,基于3种基本模式,应用无冗余的模式增长原则和三级动态优化方法,提出一种序列模式发现的结构化动态优化方法。     

多核图像处理并行设计范式的研究与应用

多核计算环境下采用图像处理并行算法可提高图像处理的速度,但已有的并行设计只针对边缘检测、图像投影等特定算法进行,没有形成通用的并行算法设计范式。为此,在研究图像处理算法可并行处理机制和多核架构特点的基础上,提出分析、建模、映射、调试和性能评价及测试发布等5个设计步骤的基于多核计算环境的图像处理算法并行设计范式,以图像傅里叶变换并行算法设计为例在单核、双核、四核、八核计算环境下验证了该并行范式的有效性。实验结果表明,该范式在图像处理并行设计方面可扩展图像处理的应用空间。     

J2ME中面向对象的持久存储管理研究

针对J2ME程序数据持久存储的问题,根据移动信息设备简表,提出一种采用缓存机制的面向对象的数据持久存储管理方案。该方案将数据封装为对象,在应用程序和持久存储之间采用数据管理层分离应用程序的数据访问逻辑和数据存储逻辑,并采用缓存机制提高数据访问效率。通过实验验证该方案的可行性,实验结果表明该缓存机制提高了频繁访问数据的访问效率。     

改进代理多重签名方案的安全性分析

对一个代理多重签名方案进行分析,指出该方案中存在的安全性漏洞,包括代理授权的不当会导致代理人有能力修改代理授权证书,所有原始签名人合谋可以伪造出代理人的数字签名,原始签名者能够合谋伪造出一个有效的代理多重签名,以及任何合法的签名者可能被别人陷害。     

车载CAN网络中直接NM逻辑环的实现

为实时监控车载网络中的节点,在使用控制器区域网络(CAN)总线的车载网络中,设计并实现一种基于OSEK/VDX规范直接网络管理(NM)的车载NM系统。由车载网关通过CAN总线收集各网络节点的故障信息,通过IPv6无线网络上传至远程故障诊断服务器,并将得到的故障处理信息下发至有关节点,实现车载CAN网络与远程故障诊断服务器的信息交互。测试结果表明,各网络节点上线后能快速建立稳定的逻辑环通信,并为远程故障诊断提供操作平台。     

三维几何信号经验模式分解及其应用

针对三维几何信号非线性、非平稳的特点,提出基于经验模式分解的三维几何信号处理方法。将信号球面参数化,映射到平面,进行均匀规则采样。对平面信号进行限领域的经验模式分解,得到各个内蕴模式图层。从图层信号得到不规则的原始映射信号,逆映射回三维几何模型信号。将该方法用于几何模型的光顺及增强处理,实验结果表明,该方法能够有效处理三维几何信号。     

基于口令的三方认证密钥交换协议

传统的三方认证密钥交换协议不具备前向安全性,难以抵抗不可察觉在线字典攻击。为此,研究简单三方口令认证密钥交换协议,分析其存在的安全漏洞并加以改进,提出一种基于口令的三方认证密钥交换协议。分析结果表明,与其他协议相比,该协议的执行效率和安全性较高。     

基于重启型随机游走模型的图上关键字搜索

基于重启型随机游走模型和个人化PageRank算法,提出一种新的图上关键字搜索算法。该算法将向量空间模型和随机游走模型进行有效的结合,使查询搜索得到的结果可以匹配查询关键字,通过充分挖掘利用图中隐含的结构信息,更好地提供搜索结果。实验结果证明了该算法的有效性。     

基于微分进化的PCNN图像分割方法

脉冲耦合神经网络(PCNN)是一种新型神经网络,可以应用于图像分割。然而在对PCNN的研究应用中,其模型参数的合理确定是个难点,这在很大程度上限制了PCNN的应用。针对这一问题,提出一种基于微分进化的PCNN图像分割方法。该方法使用微分进化算法来实现脉冲耦合神经网络参数的自动设定,并通过将其应用于图像分割,将分割结果与其他优秀分割方法比较,从而验证了该方案的正确性与可行性。     

基于改进PCNN的指纹图像细化算法

针对基于模板脉冲耦合神经网络(PCNN)指纹图像细化算法细化时间长、纹线断裂、细化不彻底等问题,通过增加4个细化模板,重新构造方形模板及改变细化过程,提出一种基于改进PCNN的指纹图像细化算法。实验结果表明,该算法能够较好地满足细化要求,细化彻底、速度快且纹线光滑无毛刺,能够应用于其他二值图像。     

利用直方图及边缘乘积互信息的PCNN图像分割

脉冲耦合神经网络（Pulse Coupled Neural Network）在图像分割中有很大的应用。其在实现过程时,传统的阈值选取是按等间隔下降依次试出来的,未考虑到图像的灰度先验分布,这种方法确定的分割阈值难以保证全局最佳,影响最终的分割效果。鉴于此,提出了将直方图和PCNN结合的算法,解决了全局最佳阈值的选取问题。同时提出了新的边缘乘积互信息准则用于判断图像分割的效果,不但能很好地利用图像目标的边缘信息,还可以大大降低计算量。实验表明,该算法可以在提高分割精度的基础上,显著地减少分割运行时间,提高分割效率。     

脉冲耦合神经网络与最大相关准则的图像分割

基于脉冲耦合神经网络（Pulse Coupled Neutral Network,PCNN）模型,提出了一种基于Canny算法的图像预处理方法,增强了图像的模糊边缘,提高或抑制了对应神经元的相似群捕获能力,利用最大相关准则确定神经元的衰减阈值和实现神经元相似群捕获强度的控制,避免了神经元完全捕获对分割图像的过平滑,成功实现了灰度图像的自动分割。该方法得到的分割图像取得了较好的结果,体现了更多细节,与相关文献相比,大大减少了神经元参数对分割结果的影响。     

基于Tetrolet变换与PCNN的图像增强

针对传统图像增强方法易损失边缘对比度以及抗噪性不强的缺点提出了一种基于Tetrolet变换与PCNN结合的图像增强方法。对待增强图像分别进行Tetrolet变换,得到不同尺度的高通和低通子带系数,并将分解后的高通子带系数进行软阈值处理;把经处理后的各尺度高通子带轮廓图像序列作为PCNN神经网络增强算子的外部输入,进而得到增强后的高通子带系数;通过Tetrolet反变换获得增强后的结果图像。数值实验结果表明,该增强算法不但能够有效抑制噪声,而且能够很好地增强图像边缘轮廓的清晰度。     

基于互信息量的图像分割

图像分割是图像信息处理的热点和难点之一,常用的分割方法有阈值法和聚类法等．模糊C均值（FCM）算法因其实现简单、结果较优而得到广泛应用,但FCM算法存在过分依赖初值、收敛于局部极值和需预先给定分类类数等问题．研究者们对此进行了大量研究和改进,但均无法彻底解决上述问题,基于模拟退火算法和互信息量,以最大互信息量为优化目标,文中提出了一种新的分类类数判据一互信息熵差,并在此基础上构造了一种新的阈值分割算法——最大互信息量分割算法（MMS）,实验结果表明,MMS克服了FCM算法的上述不足．更为重要的是,作为一种一般性的分类算法,MMS算法如同FCM一样,可以应用到图像分割以外的更广阔的领域,如经济学、运筹学、模式识别等．     

基于PCNN的二值文字空洞滤波

提出了如何用一种有生物视觉依据的人工神经网络——脉冲耦合神经网络(Pulse Coupled Nureal Network,PCNN)进行二值文字空洞滤波,即将二值文字中的空洞填满,从而便于后续的文字识别。计算机仿真结果表明,利用PCNN的脉冲传播特性,可快速而有效地将二值文字中的空洞填满,故基于PCNN的空洞滤波是一种有效的空洞滤波新方法。     

一种基于PCNN的多聚焦图像融合改进算法

为提高图像融合质量和融合效率,提出一种基于脉冲耦合神经网络的多聚焦图像融合改进算法。对待融合的源图像作分块处理,选取合理的图像质量评价指标,计算每个分块的指标值,归一化后相减得到指标差值。把指标差值作为外部刺激输入到PCNN模型中,得到脉冲输出结果。用脉冲输出与给定的阈值作比较,若输出脉冲超过阈值则选择指标值大的源图像块作为融合图像块,否则取指标值小的源图像块。选取互信息、交叉熵、均方根误差、峰值信噪比、结构相似度以及相关系数6个客观质量评价指标进行评价,实验结果表明,该算法可获得较好的图像融合效果。     

PCNN和最大相关准则相结合的图像分割方法

脉冲耦合神经网络（PCNN）是有着生物学背景的新一代人工神经网络,在图像分割方面体现了优异的性能。PCNN模型在参数估计和阈值迭代方面的问题还有待解决。将一维最大相关准则和二维最大相关准则相结合来估计神经元参数,实现了图像分割的自动化并降低了运算的复杂性。仿真结果表明,该方法在分割图效果和运算复杂度方面都得到了提高,具有较好的实用性。     

基于并行点火PCNN模型的图像分割新方法

提出一种并行点火脉冲耦合神经网络(Parallelized firing pulse coupled neural networks, PFPCNN)模型的图像分割方法. 首先用改进的Unit-linking PCNN (ULPCNN)模型对图像进行增强, 便于后续的图像分割. 然后采用PFPCNN新模型对增强后的图像进行分割, 最后用最大香农熵方法判定最佳分割结果. 各种复杂场景下的仿真实验及定量评价表明, 本文提出的图像分割方法, 其效果明显优于常规的PCNN分割方法.