索网支撑式点支玻璃幕墙结构分析

本文建立跨度32m×20．3m索网式玻璃幕墙结构有限元模型,并对其进行了模态振型分析和风荷载作用下的变形分析,经分析可知,通过合理的索网布局,该种结构可以具有足够的刚度满足结构安全和使用时的变形要求,是一种美观、通透、高效的结构形式。     

基于统计信号处理的图像融合技术研究

文章研究了统计信号处理方法在像素级图像融合中的应用。提出了在没有对原图像进行多尺度分解的情况下,直接将统计信号处理的方法—EM算法应用到图像融合中。试验表明,融合所需的计算时间大大减少,融合后的图像质量取得了满意的效果。     

夜间图像匹配中的斑状噪声预处理

夜间图像匹配中，实时夜间图像中的斑状噪声影响了边缘相关匹配的性能。在分析了斑状噪声特点的基础上，提出了一种新的基于标记的噪声预处理方法，先标记出图像中的斑状噪声点，在匹配时被标记的噪声点不参与相关统计，从而达到消除斑状噪声对匹配影响的目的。该方法与传统的中值滤波、均值滤波等方法相比，更能提高相关匹配的性能，试验结果验证了该方法的有效性。     

动态红外图像的建模与仿真技术

讨论了红外场景的动态图像建模与仿真技术，由于目标、背景、大气状态的复杂性，红外图像建模与仿真的难度很大。首先介绍了在SGI工作站环境下，红外图像序列建模和仿真软件的设计思想、实现方法和软件框架。然后分析各种辐射对成像的影响，给出辐射计算公式，分别就无源和有源场景进行了分析，提出无源场景温度的求解方法，说明了场景模型、大气传输模型和材料的物理特性对红外成像的作用。最后给出了建模与仿真的一些实例和综合评价。     

采用复合导引头提高防空导弹综合打击能力

从分析现代防空面临的主要威胁入手，指出了现有防空导弹制导方式的局限性，提出采用被动微波相位干涉仪／主动毫米波／红外凝视成像三模复合导引头提高防空导弹的综合打击能力，并对其防空应用加以阐述。     

基于边缘信息的红外与可见光图像匹配技术

对红外、可见光两种不同谱段图像的匹配技术进行研究。在比较不同预处理方法后，采用边缘增强而不是边缘提取的预处理技术，以增强图像的有效边缘信息，突出不同谱段图像的共性特征，然后使用去均值归一化互相关的办法进行相似性度量。在实验中，通过确定影响匹配正确率的关键指标，对不同预处理方法和匹配策略得到的匹配结果进行比较分析，验证方法的有效性。     

基于确定性退火技术的分类器设计

针对传统分类器的缺陷,文章提出将分类问题看作一物理系统,把求解分类问题的最优解转化为模拟温度变化的物理系统的平衡态,通过求解一系列温度变化的物理系统自由能函数的极小来模拟物理系统的平衡态,最终达到物理系统的基态,即分类问题的最优解。由确定性退火技术构造学习规则用于优化分类器参数,目的是减少分类误差以及待识别空间的系统熵。试验表明,将确定性退火技术用于分类器设计中,降低了分类误差,取得了良好的分类性能。     

嵌入式操作系统在实时图像处理系统中的应用

以多片ADSP21060构成的图像处理系统为硬件平台，借助Virtuoso4．2提供的微内核构造了一个嵌入式系统软件，介绍了系统中任务调度、资源管理、并发处理、中断响应、数据通信等实现方式。最后，针对某些图像处理算法进行了实验，并测试了系统性能指标，实验结果表明提出的方案实现方便、开发快捷、性能稳定可靠，可在实时图像处理系统中得到广泛应用。     

面向并行图像处理的实时分布式操作系统的设计与实现

针对多片TMS320C64 DSP构成的多计算机体系结构的实时图像识别系统，设计并实现了面向并行图像处理的实时分布式操作系统PIPORTDOS（Parallel image processing-oriented real-time distributed operating system）．PIPORTDOS基于微内核体系结构，包括硬件抽象层、系统核心层、分布式消息通信机制和系统服务层四个层次．其多任务内核实现了基于优先级的抢先式调度、任务闻的同步和通信原语、实时的中断处理以及面向应用的缓存管理机制．为了实现对分布式并行图像处理的支持，PIPORTDOS采用了基于消息传递（Message Passing）的方式，并在实现中充分考虑了上层图像处理算法的应用需求以及DSP的硬件功能．相关性能指标表明，本文设计实现的PIPORTDOS完全可以满足系统的强实时性要求．在功能上也能适应算法对不同并行结构的需求．     

采用模拟退火算法的冠状动脉三维重建优化研究

在心脏冠状动脉的三维重建过程中,为了达到较好的重建结果,常常需要在造影前对造影系统进行标定,以得到较为精确的几何参数,但标定这一过程增加了三维重建在临床应用上的复杂度.本文提出了一种优化方法,不需要对造影系统进行标定,根据实际血管投影和三维重建血管投影之间的误差最小化这一原则,采用自适应模拟退火算法对重建后的结果进行迭代优化.结果显示优化后的结果较未优化前有了很大的改善.