基于视频增强的昏暗背景下目标检测方法

昏暗背景下视频图像对比度低，通常的检测算法很难实现对运动目标的检测。提出了一种基于视频增强的昏暗背景下目标检测方法，首先通过直方图均衡与时空混合高斯滤波相结合的方法进行视频增强，然后对增强后的视频用传统检测方法进行目标检测。实验表明该方法在昏暗背景下能较好地检测出运动目标，具有较强的鲁棒性。     

强噪声背景下确定性谐波信号的模糊滤波

文章提出了一种在强背景噪声环境下对被淹没的谐波信号进行模糊滤波，从而恢复微弱目标信号的方法。在MATLAB环境下，先利用相干平均法，除去被测信号中的随机白噪声，对于有色噪声运用自适应神经模糊推理系统（ANFIS）的方法，对被测信号进行模糊滤波，在较低信噪比下，能较好的恢复出原始微弱信号。     

变频状态下利用多普勒信息的超分辨波达方向估计方法

讨论了在变频状态下利用信号多普勒信息的波达方向估计问题，提出了在此状态下的时－空域联合处理方法和时－空域级联处理方法，并与在变频状态下的常代域处理方法进行了比较。分析及仿真结果表明，利用了多普勒信息的方法比常规方法的性能大大提高。     

基于多渠道融合的智能故障预测技术

近年来，随着大数据和人工智能技术的不断发展，基于日志数据的智能故障预测方法逐渐受到关注。传统的基于日志数据的故障预测方法仅关注单一的需求属性，难以面向多维度预测需求进行适配调整。针对该问题，提出一种多渠道融合的智能故障预测模型Multi-Det，该模型采用机器学习和深度学习相融合的调度方式。通过特征提取和数据融合，面向用户不同属性需求进行系统模型适配，优化特定场景下的故障预测准确性和可靠性。为了验证Multi-Det的有效性，在公开数据集下对多个场景下的需求参数进行了实验对比，结果表明该方法能够有效适配不同故障预测需求，在特定场景下智能调整预测策略，为专业领域设备的维护和管理提供有力支持。     

基于预测滤波的航天器GPS定位实时性处理方法

对于航天器高动态定位，针对接收机处理耗时带来的非实时性现象，利用Kalman最优预测方法进行处理。首先建立了系统状态方程和量测方程，且在满足精度条件下对系统模型进行简化。仿真结果表明，该方法能有效减小高动态环境下定位非实时性带来的误差。     

基于IEEE802．16的无线Mesh网络的冲突改进方法

文章首先介绍了IEEE 802．16的mesh结构以及Mesh模式下协同分布式调度，对mesh结构下的三次握手机制进行了阐述，提出了原协议中三次握手机制的冲突问题，并在此基础上进行分析，针对所存在的冲突，提出了一种三次握手机制改进方法。通过分析和NS-2仿真表明，该方法性能较好，不但缩短了端到端时延，而且同时增加了吞吐量。     

基于线激光的自然条件下路面车辙实时检测方法研究

对路面车辙线激光实时检测方法进行了研究，在自然驾驶条件下，采用激光器向路面连续发射线激光，通过高分辨率相机动态获取路面车辙激光线的序列图像，并对路面车辙进行实时检测。针对路面复杂背景强干扰条件下的车辙激光线难以提取问题，对路面车辙激光线图像进行了特征分析，给出了非负特征测度定义及非负强度计算公式，提出了基于非负特征和峰值连续性的路面车辙激光线提取方法。该方法不再采用图像处理常规方法，而是利用峰值连续性快速跟踪路面车辙激光线的显著脊点与非显著脊点，实现路面复杂背景车辙激光线的快速和精确提取。在不封路、不停车、不阻碍交通的自然运行条件下，进行了大量的路面车辙检测实验，实验结果验证了文中提取方法的有效性和准确性，解决了自然条件下路面车辙激光线的快速和精确提取问题，为路面车辙的自动检测及路面质量评价提供技术支撑。     

基于多小波增强的雾天运动目标跟踪技术

在雾天等能见度极低的天气环境下应用联合变换相关器对运动目标进行跟踪识别，针对目标由于灰度对比度极低、能见度差及环境中背景噪声干扰所引起的低识别率问题，提出了一种基于多小波增强的预处理方法，该方法在多小波变换优点的基础上，根据分解后系数的不同特点，采用不同方法分别增强高、低频系数，使处理后的图像在不失真的同时，对比度和目标边缘同时增强，且背景噪声得以抑制。对模拟雾天环境下拍摄的大量运动目标进行光学相关实验，结果表明:该方法能有效提高在雾天天气环境下运动目标的跟踪效率，验证了算法的可行性。     

一种在CCSS中与DSP进行联合仿真的方法

本文主要介绍一种在仿真软件CoCentric System Studio(CCSS)环境下运用DSP开发包（DDK）进行DSP联合仿真的方法，该方法可以将算法仿真结果与DSP的具体实现结果在同一环境下进行测试、比较，降低了仿真与测试的复杂度，适用于含有DSP的系统仿真。     

关于时延测试方法的探证

介绍了网络互联设备的时延测试方法，以及时延测试中被测设备的配置问题。通过实验，讨论了RFC2544中关于恒定比特率流量下时延测试方法中的流量选取问题，最后提出了一种在突发流量下进行时延测试的方法，并进行了实验。     

基于自组织稀疏RAM的N-tuple神经网络的人脸识别

本文提出了一种首先采用自组织映射(SOM)神经网络对稀疏RAM的N-tuple神经网络(SN-tuple)的稀疏分布存储器(SDM)的地址矢量根据训练样本进行优化,然后再对SN-tuple进行学习训练的人脸识别方法,在此称为自组织稀疏RAM的N-tuple神经网络。通过大量人脸识别的实验证明,该方法有效的解决了SN-tuple受随机SDM地址矢量影响较大的问题,具有识别率高且稳定的特点。     

基于稀疏RAM的逼近型神经网络与统计模式识别的人脸识别

本文提出了一种基于稀疏RAM的逼近型神经网络(SN-tuple)与统计模式识别相结合的人脸识别方法,采用首先直接将原始图像数据输入稀疏RAM的逼近型神经网络中进行粗分类,再由统计模式识别方法中的PCA、LDA来进行最终细分类的方法,通过大量的实验证明了该方法的有效性。     

基于Gabor小波和神经网的人脸检测

论文提出了一种基于Gabor滤波特征和的正面人脸检测方法。算法首先利用了Gabor滤波器的良好的空间位置与方向的选择特性,采用了四种方向的Gabor滤波器提取人脸样本图像特征并送入神经网路进行训练。实验结果证明该方法行是十分有效的。     

Gabor字典及l0范数快速稀疏表示的人脸识别算法

针对光照、遮挡、伪装情况下,识别率比较低,识别时间长的问题,本文提出了基于Gabor字典及l0范数快速稀疏表示的人脸识别算法。Gabor小波提取的特征能够克服遮挡、光照等干扰对人脸识别的影响,平滑l0算法通过平滑连续函数来近似 l0范数,只需较少测量值并且较快速度便能重构稀疏信号。本算法通过提取人脸的Gabor特征、主成分分析法（PCA）降低维度,l0范数快速稀疏分类完成识别。在伪装人脸情况下,分块计算Gabor人脸特征,提高Gabor字典的形成速度。基于AR人脸数据库的实验结果表明,本算法可在一定程度上提高识别速度和识别时间,即使在小样本情况下,依然具有较高的识别率。      

一种融合Gabor+SIFT特征的人脸识别算法

姿态变化和光照干扰对于人脸识别的准确率和效率有很大影响。针对这一问题,文中采用结合Gabor特征和SIFT特征的人脸识别方法进行识别,提取一幅人脸图像的多个方向和多个尺度的Gabor特征,并将提取得到的Gabor特征图像进行分块。对分块后的子图像进行提取SIFT特征的操作,将得到的Gabor特征全部SIFT向量级联作为最终特征向量。使用主成分分析方法对得到的最终特征向量进行降维处理,随后使用最小二乘支持向量机进行训练识别。在FERET人脸数据库中进行的实验结果表明,相对于传统单一的人脸识别方法,利用本文方法在姿态变化和光照干扰情况下对人脸识别的准确率达到98.1%,证明了新算法的有效性。     

基于Gabor小波变换和PCA的人脸识别方法

基于Gabor小波在图像表征方面的优越性,阐述了将Gabor小波和主分量分析(PCA)相结合用于人脸识别的方案。对人脸图像进行Gabor小波变换,通过PCA(主分量分析)降维后,计算特征点之间的距离,最后进行人脸识别。     

基于Gabor多通道加权优化与稀疏表征的人脸识别方法

稀疏表征理论在模式识别中的应用引起广泛的关注。在用稀疏表征方法研究人脸识别问题中,为了使得表征系数矢量具有更为显著的稀疏性,该文提出一种Gabor稀疏表征分类(Gabor Sparse Representation Classification, GSRC)算法,该算法利用Gabor局部特征构造字典,增强算法对外界环境变化的鲁棒性。GSRC算法对所有的Gabor特征等同对待,通过进一步考虑不同Gabor特征对识别的不同贡献,该文提出了一种加权多通道Gabor稀疏表征分类(WMC-GSRC)算法,该算法通过引入Gabor多通道模型,提取不同通道的Gabor特征分别构造字典和稀疏表征分类器,在决策级执行分类器的加权融合得到识别结果。通过在ORL, AR和FERET人脸库上的实验结果验证了该文算法的有效性。     

基于Gabor调制的深度多层子空间人脸识别算法

人脸识别的关键在于特征提取,过去主要从完美的低维特征子空间来刻画高维图像,但是近年来深度学习模型为特征提取提供新方向。本文提出在Gabor特征描述子调制下的深度子空间模型,在深度子空间这一新型深度学习框架基础上,使用Gabor滤波器组处理图像,并构建深度特征提取多层网络,得到Gabor调制下的深层抽象特征。首先将传统的8个方向5个尺度的40个Gabor滤波器在尺度上进行压缩得到8个基本Gabor滤波器组;然后将经过Gabor滤波的描述特征分别送入深度化改造的子空间模型,得到图像的深层特征表示;其次将这些特征进行哈希编码,直方图分块,作为描述特征。本文在FERET、ORL、CMU_PIE等数据库上讨论加入Gabor滤波器调制后的深度多层子空间特征提取模型在人脸识别问题上性能的提升,实验结果表明,该算法可以取得较好的识别率,并对光照、表情、姿态等有很好的鲁棒性,能够弥补浅层网络易受训练图像影响的缺点。      

基于Gabor变换的人眼定位

眼睛是人脸图像中最重要的特征点,有效地提取人眼特征在人脸识别中有重要的意义。鉴于2D Gabor函数与高等动物视觉皮层接受场的一致性,本文采用人眼的Gabor变换系数作为其特征模板,并用高斯多分辩搜索的方法,快速的定位人眼。实验结果表明,这种方法对于轻度旋转 、倾斜、面部表情的变化等有效好的鲁棒性。     

双X特征下自组织竞争网络的手写字符识别

对图像预处理、字符特征提取和神经网络类型的选择、优化、训练及调整等进行研究,提出运用双X特征作为输入的自组织竞争网络对手写字符进行识别的方法。首先进行图像预处理,包括图像的灰度化、二值化、剪裁及缩放等。然后,提出字符的双X特征提取方法,并运用该方法提取各个字符的特征信息。最后,将字符特征数据送入自组织网络中进行学习,反复试验确定理想网络参数,使其可以自组织地将各字符模式相区分。实验结果表明:这种方法减少送入网络的数据量,降低了冗余信息对网络的干扰,使网络处理的复杂程度大大降低,训练后的网络误差小,网络的错判率约为12%,比传统方法有明显提高。