结合位图切割和区域合并的彩色图像分割

就经典分水岭图像分割算法中存在的过分割问题，提出一种结合位图切割和区域合并的彩色图像分割算法。对原始彩色图像通过空域梯度算子求其梯度图像，并利用位图切割重建梯度图像；对新梯度图像进行分水岭预分割；对预分割图像基于异质性最小原则进行区域合并，并获得最终分割结果。相比于现有的同类方法，该算法引入位图切割，抑制噪声对分割结果的影响，在边缘模糊处分割准确，得到符合人类视觉的较小分割区域数目，同时在运行效率上提高。     

一种新的无监督的卫星影像变化检测算法

提出了一种基于主分量分析(PCA)和上下截集模糊Kohonen聚类网络(UDSFKCN)的、无监督的、不同时相的和卫星影像的像素级变化检测新算法.将PCA和UDSFKCN两种方法结合,并将它应用于不同时相的卫星影像的变化检测.该方法结合每个像素的邻域信息,利用PCA,产生每个像素对应的基于邻域信息的特征向量;又将变化区...     

基于电力线信道的一类OFDM盲同步算法的改进

针对电力线通信中多普勒频移为零以及具有一定拓扑结构的电力线信道中由多径反射所产生的时延扩展较移动信道而言相对稳定的特点,这里在最大似然（ML）类算法的基础上,实现了基于电力线信道的改进的正交频分复用技术（OFDM）同步算法。该方法有效的弥补了ML类算法不适合具有多径效应的电力线信道的不足。理论分析和仿真结果表明,该算法在电力线信道中具有良好的定时估计和频率偏移估计性能,而且计算量减少。     

周期性动态热效应光栅的研究

为使激光诱导动态光栅产生在空间上可分辨的高效率衍射光，光栅介质必须足够薄以满足光栅条件，但动态光栅自衍射效率却又随介质厚度的增加而增加，我们提出用相位匹配的周期性薄光栅组可解决这一矛盾，并在实验上用周期性热效应光栅对理论进行了验证。     

基于人眼视觉特性的混合滤波算法

为了有效地滤除混合噪声,本文提出了一种基于人眼视觉特性的混合滤波算法。该方法首先采用基于人眼视觉特性的噪声敏感系数作为阈值来确定脉冲噪声点,对检测出脉冲噪声点采用自适应窗口大小的迭代中值滤波进行滤波,而对于含有高斯噪声的像素点则采用一种保护细节的改进的自适应模糊滤波器进行处理。该算法与标准滤波方法及其它改进混合滤波算法相比,具有更好的滤波性能。     

一种FDL和LRWC相结合的光分组交换网络的性能分析

研究了FDL和有限长波长转换器(LRWC)相结合的方法来解决异步变长的分组交换网中的冲突问题,对这种冲突解决方案建立了数学模型并进行了理论分析,提出了一个用于修正最佳延迟单元的公式,即在负载较大的情况下,我们要求延迟单元较小,这样可显著的降低在此交换网中的分组丢失率;对系统丢包率与负载、FDL数目和最佳延迟单元的关系进行了研究和讨论,结果表明:在同样的输入负载情况下,有限长波长转换器(LRWC)的引入可以降低缓存的数量;对延迟单元的修正可以大大降低丢包率,同时系统的性能较之单独使用FDL时有较大的改善。     

LTE系统中的一种基于优先级的干扰协调方案

本文以LTE系统的小区间干扰协调为研究背景,对频域资源进行合理规划、分配,提出了一种基于优先级的干扰协调方案。改善了小区边缘用户服务质量。仿真结果表明,本文提出的基于优先级的干扰协调方案,大大提高了用户的信噪比,使用户的吞吐量稳定在相对高度,块误码率保持相对较低值,在提升了系统的整体性能的同时也极大的提升了小区边缘用户的性能。在4G网络的大背景下,本文提出的方案对4G网络的规划有一定的应用价值。     

基于改进模糊算法和相对熵的遥感图像增强

针对传统的Pal-King算法阈值难以确定的缺点,利用改进的最大类间方差(OTSU)算法来自适应获取阈值,通过改进的模糊增强算法对遥感图像进行全局增强,然后以相对熵为判别标准,进行领域信息的自适应对比度增强。实验结果表明,该算法增强的结果在主观上能获得很好的视觉效果,客观指标中清晰度和标准差有了大幅度的提升。因此该算法能获得很好的视觉效果和更加明显的细节信息。     

异构网络中基于Savitzky-Golay滤波的垂直切换算法

为了实现异构网络中的无缝链接和准确地判断网络状态,需加强确定移动台(MS)的位置信息,以及减少不利的衰落效应。本文提出了一种基于Savitzky-Golay滤波(即S-G滤波)的垂直切换算法,该算法能够使MS准确地判断网络的覆盖范围。仿真结果表明,该算法可以减少衰落效应,从而有效地减少了乒乓效应,提高了网络的性能。     

基于压缩感知信号重构的wifi室内定位算法研究

针对位置指纹定位算法在训练阶段信号数据采集量大和定位精度不高的问题,提出一种压缩感知(CS,Compressed Sensing)与K均值改进支持向量机(SVM,Support Vector Machine)相结合的定位算法模型(CS-KSVM)。CS算法在训练阶段利用已采集到的部分参考点wifi信号强度数据对整个指纹信号库进行重构以降低信号采集工作量,再用K均值改进SVM算法来实现测试点的准确分类。实验仿真结果表明,CS-KSVM算法在相同采样点条件下的定位精度明显要高于传统定位算法,同时在相同定位精度条件下大大减少了定位需要的采样点数。CS-KSVM算法在3米之内的定位准确度可以达到93.2%。