并行哈夫曼编码器的硬件设计与实现

文章设计了一种并行编码的哈夫曼硬件编码器，它采用了流水线和并行编码方法，使得在一个时钟周期内可以编码一个字节的数据，在编码时显著降低了工作频率。文章给出了关键部分的实现方案并分析了实验结果。     

利用弹性感受野检测弱小目标

针对红外图像和复杂背景图像中弱小目标的特点，提出一种弹性感受野方法。它模拟生物眼睛瞳孔的放缩能力，利用可伸缩算子检测目标，给出快速算法的计算复杂度与滤波过程类似对红外图像和工业Ｘ光片的实验表明此算法简单易行，快速有效。     

基于小波的全局多源遥感图像信息融合方法

提出的图像信息融合方法用于解决传统方法在空间分辨率等方面的不足。原始图像经过小波变换，分解成子图像，再进行分块处理，高、低分辨率图像根据全局方差准则分别计算融合的权值系数，进行图像融合重建，然后，对图像采用全局法进行信息融合，实验表明，方法切实可行，能使低分辨率图像接近于高分辨率图像。     

一种基于函数联接网络的纹理分类方法

提出了一种基于函数联接的感知器神经网络的纹理分类方法,它采用高新－马尔柯夫随机场模型（ＧＭＲＦ）对纹理进行描述,模型参数即为纹理特征,参数估计采用最小平方误差方法获得,将估计参数作为表达纹理的特征向量,用感知器网络对特征进行分类,并且采用函数联接的方式解决线性不可分问题,对纹理图象进行的实验表明,采用这种方法能够提高学习速度,简化计算过程,并取得较好的纹理分类效果。     

三维物体识别研究进展

出于工业和医疗等领域大量现实应用的需要,如今三维物体识别已成为一个很活跃的研究领域。一般来说,三维物体识别系统可以通过两个阶段的处理来完成三维物体的识别和定位,首先用传感器获取的场景输入数据来得到场景的表达;然后将它与数据库中存储的物体表达相匹配。为了推动该领域研究进一步发展,因而对近１０ａ年中该识别过程中必须解决的感传器类型、三维物体表达方法和匹配策略等３个方面问题的研究成果进行了综述,对主要方法进行分类和总结;并提出了一些三维视觉系统中还需要深入研究的问题,包括对所研究物体形状的限制、复杂背景的影响和表达以及识别中的“整体和局部”的矛盾等。     

基于神经网络的地形匹配方法研究

提出了基于神经网络实现多特征融合的地形匹配算法，充分利用地形的各种不同的统计特征和几何特征，构造了一种地形匹配网络模型．通过对实时图和基准图的分析，给出了计算网络节点之间的权值函数，建立了网络系统能量方程，通过求系统的最小能量得到最佳匹配位置．由于网络能融合地形的不同统计特征和几何特征，所以算法大大提高了系统的抗干扰能力和定位精度，适合于实时图容易发生畸变的地形匹配领域．实验结果表明，定位精度和抗干扰能力均优于传统的地形匹配方法．     

基于邻域阈值分类的小波域图像去噪算法

利用图像小波系数的空间相关性可以有效地去除图像中的噪声。将一维信号的小波邻域阈值扩展并应用于二维图像,子带内的每个小波系数根据其邻域阈值的大小被划分为“大”系数或者是“小”系数;对“小”系数直接置零,对“大”系数则采用一种具有局部空间强相关性的零均值高斯模型,通过最小均方误差准则得到其估计。仿真实验结果表明该算法简单有效,在去噪性能上优于传统的子带自适应阈值去噪方法,可与两种优秀的空间自适应去噪算法相媲美。     

增强现实中的虚实注册技术研究

增强现实是把计算机产生的虚拟物体或其他信息合成到用户看到的真实世界中的一种技术 .实现虚拟信息与真实景象的正确匹配或有机结合是每个增强现实实用系统都必须完成的一项重要任务 ,且它的具体实现需依赖于计算机硬件和软件系统的相互配合及协调 .为了有效地降低增强现实应用系统中的虚实注册误差 ,在对基于位置跟踪和相机定标技术的传统虚实注册技术进行分析的基础上 ,首先研究了仿射变换技术理论在增强现实中的应用 ,并提出了在全局仿射坐标系下 ,获取像素相对深度参数的一种策略 ;然后在对 AR中的虚实注册问题进行研究分析的基础上 ,进一步讨论了图象分析技术在虚实注册问题中的应用问题 ,并提出了一种基于数值背景表达的快速虚实注册策略 ,以提高虚实注册过程中 ,场景特征点提取的精度和速度 ;最后还分别用该仿射理论进行了动态和静态的虚实注册实验 ,实验结果表明 ,该方法能有效地降低增强现实应用系统的虚实注册误差 .     

统计模式识别研究进展

研究了统计模式识别研究的主要新进展。介绍了统计模式识别的原理和方法。从类条件概率分布的估计、线性判别法、贝叶斯分类器、误差界以及新的模式识别模型等方面概述了近几年有关统计模式识别方面的研究进展。最后进行了评述。     

一种新的全天自主几何结构星图识别算法

提出了一种新的星图识别算法,该算法根据星敏感器的观测精度,在识别前去除星三角形的观测误差,对无误差的星三角形进行编码,构造特征量。导航三角形的识别只需基于单一特征量的匹配就可完成。多三角形的组合,有效地提高了正确识别率。仿真实验表明,该算法与传统的三角形算法相比,具有更好的实时性和鲁棒性。