基于正交补空间的人脸识别

为了实现人脸识别免于特征提取,提出了一种基于正交补脸(OC-faces)的人脸识别方法.该方法基于空间正交分解理论,对不同类的原始训练样本进行Gram-Schmidt正交化,以正交化后的基张成各个不同的子空间,将测试样本分解为子空间投影及子空间正交补两部分.正交补的范数体现了测试样本到各类子空间的距离,并以此作为分类的依据.在Yale库和AT&T库上的实验结果表明,与主成分分析(PCA)、线性判别分析(LDA)两种经典识别手段相比,该方法有更好的识别效果.     

一种新的基于多信息测度融合的边缘检测方法

针对高强度噪声图像, 提出了一种新的基于信息测度概念和Dempster Shafer(DS)证据理论的边缘检测算法. 利用邻域一致性、方向性和结构性3种信息测度定量描述边缘特征; 引入检测不确定性, 根据各信息测度响应分布设计基本可信度分配函数, 并利用DS合成规则加以融合; 融合后根据组合决策规则将像素分类成边缘与非边缘. 实验通过检测结果以及Pratt品质因数的分析比较, 表明该算法能够有效地区分边缘点和噪声点. 在低噪声情况下, 检测性能与传统检测方法相近; 而对于高强度噪声图像, 该方法具有较强的噪声免疫力.     

海底热液长期原位探测器流控系统的设计与实现

为了实现深海热液长期原位探测,设计了3套能实现深海热液传感器在线自校正与自维护功能的流控系统.在实验的基础上,针对系统结构、功耗以及流量特性3个主要方面,对3种流控系统进行了比较,最终选择采用二位二通阀配合泵工作的系统作为探测器的流控系统.针对流控系统不能在高压下工作的缺陷,借助于甲基硅油介质,采用压力补偿的方式设计了流控系统的压力补偿装置,并实验验证了在40 MPa的压力下,所设计的流控系统仍能正常工作,证实了该流控系统合理且实用,从而为深海热液长期原位探测的实现提供了技术支撑.     

连续相位调制的定时-频偏联合估计方法

针对连续相位调制信号的同步问题,研究了一种定时-频偏联合估计算法.算法分3步实现：(1）对接收基带信号差分并平方,得到四阶非线性变换值;（2）求其二阶统计量;（3）基于该统计量联合估计定时偏差和载波频偏.通过改变载波频偏值及参与二阶统计量计算的符号数,对定时同步及频偏估计性能进行研究.在加性高斯白噪声信道及Rice慢衰落信道下分别进行仿真.加性高斯白噪声信道仿真表明,算法在载波频偏达到15%符号率条件下仍有出色同步性能,当参与估计的符号数等于64时,定时偏差和频偏均方误差分别达到10－6及10－5以下;低信噪比不影响算法定时恢复性能.Rice慢衰落信道仿真表明,算法具有一定的抗衰落能力,适当改变Rice信道模型参数能提升其性能.算法采用非数据辅助方式及前馈结构,同步捕获快速,实现简单,适合于突发通信.     

有机磷农药乙酰甲胺磷的太赫兹光谱研究

为了获得有机磷农药乙酰甲胺磷在远红外波段的光学特性, 采用太赫兹时域光谱技术(THz TDS), 测量了室温下乙酰甲胺磷在0.2~2.2 THz的高分辨率吸收谱和折射率谱. 结果表明,在室温和氮气环境下,特征吸收峰位于1.58和2.10 THz处, 平均折射率为1.45. 同时运用密度泛函理论(DFT)计算了乙酰甲胺磷分子结构及其在太赫兹波段的振动频率, 并根据计算结果对实验数据进行了解析, 计算结果与实验数据吻合较好. 研究结果表明, 实验光谱的特征吸收峰是由分子的集体振动及扭转形成, 不同的吸收峰位对应分子不同的振转模式.     

大规模环境下基于激光雷达的机器人SLAM算法

为解决大规模环境下机器人的同时定位和地图构建(SLAM)问题,提出一种基于Rao Blackwellised粒子滤波器的SLAM算法. 通过选取稳定且易于区别的特征点,发展了一种基于全局约束的数据关联方法,有效地减少了误匹配的概率;采用改进的粒子分布预测函数,提高了粒子滤波器的性能.实验结果表明,该算法具有较低的计算复杂度,精度也比较高,能够有效地解决大规模环境下的机器人SLAM问题.     

结构化P2P网络上语义发布/订阅事件路由算法

为解决结构化P2P网络上语义发布/订阅系统上基于内容的高性能语义事件路由问题,提出一种基于集结点的语义事件路由算法（rendezvous-based semantic event routing, RSER）,该算法根据订阅和事件的域标识、属性个数以及属性名映射订阅和事件到集结点,在支持语义路由的同时,避免了分布式哈希表 (distributed hash table, DHT)映射精确性与语义数据模型复杂性之间的矛盾;通过属性个数限制事件发布目的地,减少事件发布流量;采用P2P的内在路由机制和聚合优化措施分发事件,充分利用P2P网络容错性的同时,降低事件路由流量.实验结果表明,在大规模的发布/订阅下,RSER算法在性能上优于基于逆向路径转发的路由算法,并在路由效率、网络资源消耗、订阅维护效率和扩展性等方面取得了良好的平衡效果     

基于泊松形状信号的网格模型部件分割算法

为了将网格模型分割成若干个有意义的部件,提出了一种基于网格模型结构信号的分割算法.通过构造网格模型对应的体素模型,基于体素模型求解泊松方程得出每个体素对应的泊松形状信号;根据网格模型顶点与体素模型的对应关系,计算出网格模型中每个三角面片对应的泊松形状信号;采用Mean-Shift算法将每个三角面片对应的泊松形状信号进行聚类;最后基于泊松形状信号值,提取网格模型主要部件,并精化分块结果边界,从而达到网格模型部件分割的目的.实验表明,该算法能对具有部件结构特征的实体模型有较好的分割效果、鲁棒、速度快,与物体各个部件刚体变换无关.     

流化床内干化污泥燃烧污染物排放特性研究

采用小型电加热流化床焚烧实验台, 对干化污泥燃烧的污染物排放特性进行了研究. 实验通过改变干化污泥中水的质量分数(7.3%, 28.4%和41.5%), 不同的炉膛温度, 石灰石的添加以及污泥和煤混烧等多种工况对污染物的排放特性进行了研究. 研究结果表明, 当污泥含水质量分数由41.5%降为7.3%, CO和N2O的排放质量浓度分别提高了一倍和四倍; 相反, 丙烷、己烷和苯胺等有机污染物的排放质量浓度明显下降, NOx的排放质量浓度降低了70%; 煤对污泥燃烧二恶英的排放有明显抑制作用, 并且二噁英的排放质量浓度和HCl的质量浓度有很明显的关联; 此外, 石灰石能促进NOx生成, 但抑制N2O生成, 而对二恶英的排放质量浓度几乎没有影响     

一种单轮的动态组密钥协商机制

针对动态组密钥协商协议中,轮数大多为2轮,且效率不高的问题,利用ID-based密钥体系下的“免交互两方静态共享秘密”技术,构建了一种单轮信息交互的基于成员认证的组密钥协商协议,并将协议推广到组成员动态变化的情况.它使得密钥协商阶段所需的广播交互消息数目较2轮的协议减少一半,因而通讯效率得以提高.该协议的密钥协商过程是安全的,并且具备“前向”和“后向”安全属性,它能适用于不要求“完美前向安全”的安全组通信应用.     

基于直方图和区域信息的图像去噪滤波器

提出了一种去除图像中椒盐噪声的新型滤波器．该滤波器给出了一种有效的估计原图像直方图的方法，利用该直方图所携带的原图像的信息进行滤波；并根据椒盐噪声的特点，对滤波窗口中的像素进行排除最大和最小的操作，滤除椒盐噪声点；同时该滤波器还根据图像区域特性差异采用了不同的滤波方法．实验表明该方法滤波效果优于传统的滤波器和其他模糊滤波器，特别是当噪声概率超过0．3时，这种优势尤为明显．     

基于模糊神经网络的彩色图像滤波器研究

为实现彩色图像噪声的滤波，基于模糊神经网络技术构建了一种新型的彩色图像滤波器．该滤波器通过对滤波窗口的彩色图像像素矢量进行模糊加权来判断邻近像素和中心像素的关系，针对不同性质的噪声由神经网络的自学习和自组织功能来自动调节滤波器的权值以实现噪声的滤除．用Flowers图像和Lena图像对经过训练的滤波器和矢量中值滤波器进行了测试对比．结果表明：模糊神经网络彩色滤波器无论对单纯的脉冲噪声及高斯噪声，还是二者的混合噪声，其滤除能力都要优于矢量中值滤波器，并且有较好的边缘和细节保持能力．     

基于细胞神经网络的尿沉渣图像分割

针对临床尿沉渣显微图像识别问题,提出了一种新的图像预处理方法和基于细胞神经网络（CNN）的分割算法.该方法通过拉伸图像中各个像素的灰度值与局部灰度值之间的差来增强图像中目标的边界,通过对局部灰度均值的非线性变换来消除图像中光照的不均匀,进而设计出合适的CNN模板来分割图像,最终利用形态学操作得到分割结果.通过对100幅临床尿液样本图像的测试,并与传统的阈值分割法相比,该方法获得了更加连续的边界和更加准确的目标分割结果,并已集成到全自动尿液粒子分析系统中,应用于临床,取得了良好的效果.     

一种基于奇异值分解和反传神经网络的多小波域数字水印算法

针对图像经过CARDBAL多小波变换后,各层系数的能量平均分配,且其同一尺度、同一方向上的4个子块系数相近这一特性,结合奇异值分解和BP神经网络将二值图案水印嵌入到多小波系数的高频分量中。实验表明,该算法有良好的不可感知性和强健的鲁棒性。     

Multimodality image registration and fusion using neural network

Multimodality image registration and fusion are essential steps in building 3-D models from remote sensing data. We present in this paper a neural network technique for the registration and fusion of multimodality remote sensing data for the reconstruction of 3-D models of terrain regions. A FeedForward neural network is used to fuse the intensity data sets with the spatial data set after learning its geometry. Results on real data are presented. Human performance evaluation is assessed on several perceptual tests in order to evaluate the fusion results.     

神经网络在图像压缩中的应用研究

探讨应用神经网络实现图像压缩和解压缩技术。神经网络结构由两组三层ＢＰ网络嵌套而成，分别为输入层、结合层、压缩层、分解层和输出层。由ＲＧＢ彩色模式的ＢＭＰ图像文件产生样本数据，采用ＢＰ算法的一种扩展型，即嵌套训练算法，对网络进行训练，得到有效的模拟结果。     

基于EKF的神经网络在变形预测中的应用

给出了一种用于变形预测的基于扩展Kalman滤波的神经网络学习算法,与BP算法相比,该方法具有更好的收敛率和学习能力.实例计算表明,该方法具有较高的精度和较快的计算速度.     

基于神经优化的最大熵图像重建算法

提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络优化的图像重建算法。将图像重建问题转化为ＨＮＮ优化问题,取重建图像熵函数最大以及原始投影与再投影之间的误差平方和最小作为图像重建的优化目标,作为能量函数构造连续型ＨＮＮ模型,由ＨＮＮ能量函数极小化可得到重建问题的优化解。     

一种基于自组织神经网络的彩色图像分割方法

提出了1种基于自组织神经网络的彩色图像分割方法．它首先在空间-颜色联合域内利用自组织神经网络对图像进行聚类，再结合区域生长的方法和区域邻接列表，对图像中的相似颜色区域进行合并，并去除像素数量较少的小区域，从而得到最后的分割结果．在聚类后的图像上进行分割，可以较好的把1个物体对象只表示为1个或少数几个分割区域，明显减少对象物数目，较好地克暇了传统区域生长方法的过分割问题。     

粗糙集神经网络在图像分割中的应用

提出了粗糙集神经网络用于图像分割的方法.该方法利用粗糙集约简理论对分割后的图像区域特征进行约简,以降低特征向量维数,抽取出规则,然后根据这些规则构造神经网络隐含层的神经元个数,从而确定粗糙集神经网络的结构.粗糙集神经网络中每个神经单元的输入为区域值,输出为决策分类值,此时权值预设为各规则粗糙隶属度值,然后用BP算法迭代,最终实现图像的分割.试验证明,该方法大大缩短了训练时间,提高了精度,并且得到优于常规的分割图像以及满足图像处理的实时性要求.