基于感兴趣区域的图像认证与自恢复算法

提出了一种基于感兴趣区域的图像认证与自恢复算法,该算法将图像分为两部分; 感兴趣区域和背景区域.算法首先利用了基于4×4分块的编码算法对感兴趣区域进行编码， 然后通过映射函数将此码流嵌入到背景图像的离散余弦变换系数中.实验表明该算法可以对 整幅图像进行完整性认证,同时对被恶意篡改的感兴趣区域也能很好地恢复原来信息.     

数字水印技术在印刷品防伪中的应用

防伪技术一直是人们关注的一个热点,针对印刷品盗版特定场合防伪存在成本较高的问题,在分析印刷扫描给电子图象带误差的基础上提出了一种用于印刷品防伪的数字水印技术,该方法中水印的添加采用了线性运算,而水印的提取则采用了阈值判断法,在提高算法的鲁棒性方面,水印的构造采用了简单但非常有效的重复构造法,另外,为了保证实验结果的稳定性,算法还采用了CIElab色彩空间,实验结果表明,在对参数优化后,该算法能较好的满足防伪的一般要求,同时与其他防伪技术相比,不仅大大减少了防伪成本,而且该算法还可用于普通证件的防伪。     

三维人脸建模与应用

三维建模是计算机视觉和计算机图形学领域中一个基本的问题，人脸借助其特有的普遍性和易用性成为众多先进三维建模算法的实验平台。但是由于人脸的复杂性、易变性，建立逼真的三维人脸模型成为众多研究者挑战的课题。本文分析了三维人脸建模的研究内容和研究难点，总结了1990年以来出现的最新方法和进展，从三维数据的获取、标准三维人脸建模、特定三维人脸建模及应用等三维建模的几个主要环节进行了分类综述，重点介绍了一些主要算法的基本思路和最新进展，并对该领域的研究热点和方向作了较为详细的分析。     

基于KPCA准则的SAR目标特征提取与识别

该文给出了一种基于 KPCA(Kernel Principal Component Analysis)和 SVM(SupportVector Machine)的合成孔径雷达(Synthetic Aperture Radar,SAR)目标特征提取与识别方法。该方法在非线性空间内利用线性 PCA(Principal Component Analysis)准则提取目标特征并由 SVM分类器完成目标识别。基于美国国防高级研究计划署(Defense Advanced Research Project Agency,DARPA)和空军研究室(Air Force Research Laboratory,AFRL)提供的实测 SAR地面目标数据的实验结果表明,该文方法不但能够提高识别率,具有良好的推广能力,同时还降低了对方位估计精度的要求,是一种有效的 SAR目标特征提取与识别方法。     

一种用于雷达目标识别的新型径向基函数网络

在分析径向基函数网络（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎＮｅｔｗｏｒｋ，ＲＢＦＮ）的基础上，提出了一种更适合于目标识别的基于模糊聚类的径向基函数网络（ＦｕｚｚｙＣｌｕｓｔｅｒｉｎｇＢａｓｅｄＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎＮｅｔｗｏｒｋ，ＦＣＢＲＢＦＮ）。这种网络利用模糊聚类方法，根据训练样本的空间分布确定网络的结构，利用聚类结果中的隶属度函数值控制高斯核函数形状参数。理论分析还表明，此径向基函数网络具有比一般径向基函数网络更强的泛化能力。利用一种战场侦察雷达获取的回波数据进行实验，结果表明，基于模糊聚类的该径向基函数网络的分类结果优于一般径向基函数网络。     

基于校企合作的“研究生实践讲堂嵌入式系统”课程

以"研究生实践讲堂嵌入式系统"课程为例,总结在组织教学过程中积累的经验,初步探讨"研究生实践讲堂"的教学模式,为加强研究生综合能力培养和深入推进校企合作提供新思路。     

基于图象内容的数字水印模型

为了提高水印算法的鲁棒性,安全性,提出了一种基于图象内容的水印模型（CBWM：Content-Based Watermarking Model),其基本原理是水印向量被嵌入到图象的特征向量中,且两者相互正交,在此模型中,静止图象的水印检测被归结于Neymann-Pearson准则下的统计模型,将该模型应用于通用的DCT水印算法,从实验结果看,算法性能有很大地提高。     

基于短时傅里叶变换及奇异值特征提取的目标识别方法

本文研究了短时傅时叶变换后再提取奇异值作为特征矢量的特征提取方法，并对提取出的特征利用神经网络进行了识别。从理论上证明了该方法的合理性，说明该方法是一种良好的特征提取方法，通过计算距离可分性测度结果得出该方法提取的特征比一般傅里叶变换法提取的特征具有更好的可分性。利用此方法提取出的目标特征及傅里叶变换后再提取奇异值的特征抽取方法可以获得更好的识别结果。     

基于信息扩散原理的RBF网络的分析与设计

从信息扩散的角度对ＲＢＦ网络进行了分析，从理论上证明了ＲＢＦ网络具有信息扩散功能，并分析了其网络的物理意义。说明了根据正态扩散的择近原则确定ＲＢＦ网络中规划因子的合理性，也说明了在训练样本数目大时用聚类方法确定中心参数的优越性。     

基于改进ENN算法的多生物特征融合的身份验证

基于多生物特征的身份鉴别技术已受到越来越多的重视.单个生物特征有其固有的局 限性,通过融合不同的生物特征可以提高身份鉴别系统的验证性能和鲁棒性.该文融合了声纹 和指纹特征,提出了一种改进的ENN方法,并与K-NN、传统ENN方法进行了比较.改进的 ENN将认证率提高了大约2％.同时,又在不同的数据集上比较了改进的ENN方法和基于 Bayes理论的融合系统,分析并评价了两种方法的适用范围和优缺点.实验结果证明了此方法的 有效性.