一种新兴信息处理技术:多传感器集成技术发展综述

概括地介绍了目前国际上一项应用广泛的新兴信息处理技术－多传感器集成技术，比较全面地介绍了该技术目前在国际、国内的研究发展状况，特别着重介绍了该技术的主要基本概念和技术方法，主要有信息融合的层次，信息集成的方法（或计算与控制结构）和信息融合的方法。     

一种新的基于最大散度差准则的特征抽取方法

本文基于最大散度差准则（MSDC），利用统计不相关投影空间，提出了一组具有统计不相关性的最佳鉴别矢量的计算方法。该方法的目标是寻求一组鉴别矢量集，既要使投影后的特征空间的类间散度最大，而类内散度最小；又要使最佳鉴别矢量之间具有统计不相关性。另外，本文还揭示了最大散度差鉴别准则与Fisher准则的内在关系。在ORL与NUST603人脸库上的实验结果表明，本文所提出的方法在识别性能上优于原MSDC特征抽取方法与传统的PCA方法。     

中文日期词的分割与识别

非限定性手写汉字串的分割与识别是当前字符识别领域中的一个难点问题.针对手写日期的特点,提出了整词识别和定长汉字串分割识别相结合的组合识别方法.整词识别将字符串作为一个整体进行识别,无需复杂的字符串分割过程.在定长汉字串分割过程中,首先通过识别来预测汉字串的长度,然后通过投影和轮廓分析确定候选分割线,最后通过识别选取最优分割路径.这两种分割识别方法通过规则进行组合,大大提高了系统的性能.在真实票据图像上的实验表明了该方法的有效性,分割识别正确率达到了93.3%.     

一种对IMM真实误差二阶距的估计方法

交互式多模型IMM被认为是对混合系统估计的一种性价比最好的算法之一。考虑到各个模型之间的相关性，在假设已知真实模式序列的情况下，本文提出了一种对IMM真实误差均值、协方差以及二阶距的估计方法。在Monte-Carlo仿真实验下用真实误差二阶距的均值平方根来评估IMM的性能，并与RMSE进行了比较。另外对该方法在跟踪门设计中的应用前景进行了展望。     

非线性整数规划的粒子群优化算法

提出了一种新的粒子群优化算法来求解无约束的整数规划问题，粒子在[0，1]空间内运动，并与整数空间对应。对粒子群优化算法参数的合理选取进行了实验分析，给出了算法参数选取的基本原则。数值试验计算结果表明该方法比较有效，并具有通用性。     

改进的模糊神经网络及其在人脸识别中的应用

对基于模糊神经网络的人脸图像分类器进行研究.将多输入单输出模糊推理系统改造成多输入多输出的模糊神经分类器,并提出了一种改进的模糊神经分类器,改进模型的计算量明显减少.在将模糊规则库与训练样本集对应的基础上提出了一种模糊隶属函数参数的初始化方法.该初始化方法的优点在于它充分利用了训练样本所包含的鉴别信息.在ORL人脸的原始图像空间中用上述方法设计分类器,获得了较好的实验结果.     

基于肤色的复杂环境下人脸检测

对由光源颜色变化引起的图像色彩偏差,进行了校正,并在YCbCr颜色空间建立了Cb-Cr色度查找表和亮度信息联合的肤色模型,应用预处理技术,去除部分非人脸区域,减少人脸检测的搜索空间,并采用模板匹配方法在人脸候选区域检测人脸.实验表明,该方法能够有效的从复杂环境的彩色图像中检测出左右旋转不超过45°的人脸,且不受人脸表情、尺度和数目的影响,且错误率较低.     

一种适合移动设备的数字图像签名方案

根据移动商务中计算能力不对等的特点，针对数字图像，提出了一种新的有效的数字签名方案。在不泄漏图像原始信息的情况下，将信息分块之后发送给TP(Third-party)进行签名计算，然后将中间结果发回移动设备进行组合。描述了该协议的运行过程，分析了其在运算速度方面的性能，证明了该协议对各种网络攻击和网络意外所具有的安全解决能力。理论证明该方法可以在一定程度上解决未来移动商务中计算能力不对等的问题，并且可以保证通信的安全性。     

基于ILCS的多机器人强化学习策略

提出了一种基于改进学习分类器的多机器人强化学习方法。增强学习使机器人能发现一组用于指导其强化学习行为的规则。遗传算法则在现有的规则中淘汰掉较差的,并利用较优的种群规则产生出新的学习规则。规则合并能提高多机器人的并行强化学习效率,使多个机器人自主地学习到相互协作的最优策略。算法的分析和仿真表明,将改进的学习分类器用于多机器人的强化学习是有效的。     

基于红外图像的地面自主车导航的道路边界检测

讨论了用于地面自主车(ALV)视觉导航的红外道路图像的特点, 论述了红外道路图像的预处理策略和方法, 分析了一些常用的图像处理方法在处理红外道路图像时的缺陷, 指出由于温差的渐变性, 红外道路图像的路边检测特别适合使用阈值穷举法, 并给出了在温度渐变的路边上边缘强度的求取方法和使用二阶微分算子得到边界线段的精确位置的方法。同时使用了边缘信息和灰度信息来提取道路边界信息, 阈值穷举法和二阶微分算子得到的道路边界线段相互融合, 得到候选的道路边界线段, 在ALV 的实际应用中取得了很好的效果。