基于区域收缩和DIRECT算法的运动分割

运动图像序列分割是计算机视觉中的一个重要问题.本文采用基于贝叶斯框架的最大后验边缘概率算法进行运动目标分割.首先,重新定义贝叶斯框架中似然函数的平滑项,并采用区域收缩算法实现迭代过程中运动目标支持区的估计.然后提出一种通过区域中心和主轴表示6参数仿射运动的模型,通过区域主轴像素估计运动参数,提高算法执行速度,将估计问题转化为一个取值有界的最优化问题,采用DIRECT算法估计运动参数.该方法与传统方法相比,提高运动参数估计的准确性和稳定性.通过仿真实验结果证明该方法的有效性.     

基于分块DCT的盲水印算法的研究

为了在保持嵌入强度不变的前提下进一步增强数字水印的不可见性,提出一种自适应盲水印算法,首先将水印图像进行比特位分解,提取其中的一层作为预处理的水印信号,并对其进行置乱处理;然后利用Logistic映射的混沌序列进行调制,构成水印;最后,利用视觉掩蔽特性对载体图像的DCT块进行分类,根据分类结果,对相应的斜方向相邻频域系数之间的差值进行量化和调整以嵌入水印．实验结果表明,该算法对常见的图像处理具有较好的鲁棒性．     

基于DIS边缘检测和自适应边缘生长的图像分割方法

提出一种基于DIS(differenceinstrength)边缘检测和自适应边缘生长的图像分割方法.此方法是边缘检测、边缘生长、区域生长等分割技术的有机结合.通过DIS进行边缘检测,产生了比梯度算子、sobel算子等更完全的边缘信息.为了解决伪边缘及不连续点的问题,提出了自适应的边缘生长方法,较好地解决了该问题,连接了不连续边缘点,产生了边缘点集组成的闭合轮廓.通过进行区域生长,得到了最终的分割结果.实验表明,该分割方法都能获得很清晰可靠的分割效果,提供精确的目标轮廓线.     

一种基于AEP和K主曲线的图像分割方法

广泛应用的第一主成分是对数据集的一维线性最优描述,主曲线是第一主成分的非线性推广.在此提出了一种基于AEP和K主曲线的图像分割方法,将统计学中的主曲线很好地应用于图像处理.该方法首先将腐蚀传播算法和区域生长型分水岭方法相结合,标记出图像中不同物体并产生初始边缘;然后,用K主曲线多边形线算法进行边缘点连接.实验结果证明,AEP算法能标记出一幅图中不同的目标,K主曲线能提供精确的目标轮廓线,该分割方法行之有效.     

一种新的基于高阶非线性扩散的图像平滑方法

该文首先基于方向曲率模值提出描述图像平滑度的泛函,并推导出新的高阶偏微分方程(PDE)图像降噪模型,在有效降噪的同时,能较好地保持特征．低阶非线性扩散方法处理结果是分段恒定图像,而文中方法得到的分段线性图像,视觉效果更加理想．与其它高阶方法相比,新方法具有理论和计算上的优势．其次,针对非线性扩散中出现的过度平滑现象,该文提出利用泄漏修补算子对偏微分方程进行补充,实验表明,泄漏修补机制对图中重要的、细微的特征有较好的保持作用．最后,文中还提出一种新的非线性扩散过程——复合扩散,以扩大方法的使用范围,提高其适应性．同以往的非线性扩散相比,复合扩散不但能自适应地调整扩散方向,而且可并行处理不同类型噪声．     

防汛会商决策支持中心研究

针对当前河流防汛会商系统和决策支持系统研究相分离的现状，对防汛会商及其决策支持的内容和特点进行了研究，提出了基于决策会商中心之上的决策支持中心的基本模式和防汛会商决策支持中心的框架，分别从群体决策支持系统、决策支持小组、决策会商中心3个方面给出了防汛会商决策支持中心建设的基本原则和途径。     

一种自适应的小波神经网络

本文受感知域划分思想的启发，将小波的多分辨分析与BP网结构相结合，构造了一种新的小波神经网络．该小波神经网络利用多分辨分析生成小波树，小波树的生长与网络的训练相结合，自适应地生成隐层结点，并且删除分类不佳的结点．以声纳信号进行了实验，结果表明：该网络充分发挥了小波的特点，将模式识别的特征抽取与分类器设计融为一体．     

一种集成模糊聚类神经网络

在分析了模糊ＡＲＴ网和ＢＰ网的基础上，提出了把模糊ＡＲＴ网的结构自适应能力和ＢＰ网良好记忆能力结合起来的思想，构成一种集成模糊聚类神经网络，该网络的特点是：类别数不需预先确定，分类效果优于模糊ＡＲＴ网和ＢＰ网。     

基于BREW平台支持IMAP4的智能手机邮件客户端的设计与实现

为了实现支持IMAP4协议的移动邮件客户端在智能手机上的应用，在VC++6.0环境下，采用了高通推出的专门为无线设备设计的BREW平台。提出了原子流程的概念，以降低程序间的耦合度，提高代码复用率。经在仿真环境下测试实验，实现了与Internet上多台常用邮件服务器的交互，并且运行稳定，可作为智能手机的一个组件应用于3G网络。     

一种全局优化的水平集图像分割方法

该文对Chan—Vese提出的水平集图像分割算法进行了改进，提出了分段光滑的Mumford—Shah全局优化的水平集图像分割模型，并对偏微分方程进行了修正，以提高模型的图像分割能力。实验表明，该方法不但解决了C—V方法对于灰度值渐进图像无法正确分割的问题，同时可更精确地描述原图像，是一种高效、稳定的图像分割模型。另外，针对水平集方法中符号距离函数构造计算量大的问题，还提出一种全邻域源点扫描法，以便通过对图像平面网格点的扫描来实现距离函数的快速计算，这种方法不仅计算性能稳定，而且速度快、精度高。