一种改进的步态识别方法

步态识别通过人体走路的姿势来识别人的身份。近年来,步态作为一种生物特征识别技术备受计算机视觉研究者的关注。对某个人的一个步态序列利用动态Viterbi算法得到一个样本姿态序列,对其多个步态样本姿态序列的对应姿态取平均得到这个人的特征姿态序列,对特征姿态采用主成分分析法和线性判别分析法处理特征空间,并用最近邻法进行识别。利用CASIA数据库对本文方法进行验证,取得了较高的识别率,并对体形变化具有较强的鲁棒性。     

运动模糊车牌图像的恢复与定位

从车辆运动模糊图像产生的机理出发,分析运动模糊图像的退化模型,提出一种改进的参数估计方法进行运动模糊车牌图像的恢复与定位.首先,对运动模糊图像进行两次傅立叶变换后通过Radon变换以估计运动模糊方向,其次,利用微分自相关得到运动模糊长度,最后,结合边缘检测和数学形态学方法进行车牌的定位.实验结果表明,对于运动模糊的车牌图像,该方法能够有效地实现运动模糊图像的恢复与车牌定位.     

动态大气散射系数的颜色衰减先验图像去雾

针对颜色衰减先验图像去雾算法存在对较浓的有雾图像去雾效果不佳的问题,提出基于动态大气散射系数的颜色衰减先验图像去雾算法.用动态大气散射系数取代颜色衰减先验去雾算法中恒定大气散射系数的假设,定义大气散射系数为关于图像景深的指数函数.利用Middlebury stereo datasets中无雾图像和相应的景深图像得到合成有雾图像.采用均方误差(MSE)和结构相似度(SSIM)的综合评价参数MSE-SSIM确定上述指数函数的两个参数的最佳取值.实验结果表明与颜色衰减先验算法、He、Meng算法相比,该算法的去雾图像清晰颜色自然,有效地提高了去雾效果.     

基于序列结构信息的多序列比对算法

在介绍生物信息学中多序列比对定义和原理的基础上,给出了序列结构信息集的表示形式和基于序列结构信息的度量函数,该函数只与参加比对序列自身信息有关,不受主观因素的影响,能更客观、有效地反映生物序列之间的进化距离.通过利用该函数计算序列间的进化距离,在渐进比对的基础上,采用迭代策略,不断修正指导树,进而提高比对的准确性,避免了局部最优问题.最后,通过实验模拟,本算法在保证不提高计算时间复杂度的基础上,提高了序列比对的准确性,同时也很好地反映了生物学意义.     

IETM馈线数据模块的设计与应用

在IETM综合保障的应用中,馈线数据的开发对装备中电路的查看、部件的查找、信息的交互帮助很大,通过对馈线数据模块的总体构架和模块基本功能设计开发,提高IETM的使用效益。开发过程中依据馈线数据Schema模型对用例电路的馈线数据信息进行XML格式化,通过XML序列化和反序列化技术实现数据的调用和查询,利用XML专用数据存储技术原生数据库来存储XML文档,保持数据格式的完整性,最后结合XSL+CSS样式单来显示数据内容。     

军队任职院校排课问题的数学建模

针对军队任职院校课程表编排特点,在分析军队任职院校排课因素、约束条件以及求解目标等问题的基础上,建立相应的数学优化模型,构建其基本求解框架,并利用遗传算法解决排课问题。     

基于频域的遥感图像互信息配准方法

针对直接利用互信息进行图像配准存在的误差和插值假象问题,结合图像的频谱特性提出了基于频域的互信息计算方法,引入退火的思想改进了梯度上升法,利用它迭代搜索互信息最大值,使用相关长度估算最佳参数域,使得参数初始化更接近于最大值。实验结果表明,该方法对于多谱段遥感图像,较之传统方法具有明显的收敛性和稳定性。     

蛋白质结构的多分辨率分析及其应用

基于蛋白质骨架结构的BSSC生物信息学分析模型，利用多分辨率曲线小波分解方法，实现了对蛋白质骨架结构的多分辨层次描述，从而提供了一种在不同分辨率层次上对蛋白质结构进行分析和研究的新思路，为生物信息学中有关蛋白质的结构比较与分类、蛋白质折叠模式及其分子进化等问题的研究开辟了一条新途径。     

非下采样Contourlet变换的图像融合及评价*

分析和研究了非下采样Contourlet图像表示方法及其在图像变换中的优点,提出一种基于非下采样Contourlet变换的图像融合方法。首先将待融合源图像分解成不同尺度、多方向的频带;然后采取不同的融合方法对分解的高低频分量进行融合处理,低频系数采取局部能量优先的加权法融合,高频系数则采取局部梯度优先的加权法融合;最后将融合的各频带进行逆非下采样Contourlet变换得到融合图像。实验表明,在几种不同的客观评价标准下,该方法优于传统的小波域中的融合效果,能有效消除小波变换带来的光谱扭曲和假边缘现象。     

非下采样方向滤波器组在遥感图像融合中的应用

利用具有平移不变性的非下采样方向滤波器组(NSDFB),结合具有平移不变性的àtrous小波变换,提出了一种基于NSDFB的低分辨率多光谱图像和高分辨率全色图像的融合方法.将多光谱图像亮度、色度、饱和度(IHS)色彩空间的I分量和全色图像(PAN)分别进行àttrous小波变换,并对得到的高频系数分别进行NSDFB分解,从而得到多方向的高频信息,然后将高低频系数分别通过一定的融合算子进行融合、重构,得到I'分量,最后通过IHS逆变换得到融合图像.实验结果表明,在几种不同的客观评价标准下,该方法优于传统的IHS、主成分分析法(PCA)和小波变换方法的融合效果,能有效地改善主成分分析法(PCA)和小波变换所带来的虚假边缘和光谱扭曲现象.