一种高精度的亚像素级图像配准算法

针对图像亚像素配准中旋转缩放参数的快速精确估计问题,提出一种新的亚像素级图像配准算法.首先,采用Fourier-Mellin和相位相关法计算初始旋转缩放系数;其次,利用矩阵乘法离散傅里叶变换快速计算n倍上采样相位相关曲面;再次,对其峰值为中心的局部小区域进行曲面拟合计算旋转缩放系数调整值,修正峰值坐标得到任意精度的旋转...     

基于FrFT变换和全变分正则化的异常检测算法

针对低秩稀疏表示的高光谱异常检测算法中背景字典易被污染、空间信息利用不足的问题,提出基于分数阶傅里叶变换（FrFT）和全变分正则化约束的高光谱图像异常检测算法. 通过聚类算法,将图像高维数据映射至多个子空间;构造FrFT-RX算子,增大背景和异常的可分性,得到较纯净的背景字典. 为了表示FrFT变换后中间域内背景与异常的空间特征,在低秩稀疏表示模型中引入全变分正则化项约束. 采用交替方向乘子法对模型进行优化求解,得到异常检测的结果. 在3个真实高光谱数据上开展目标检测实验,实验结果表明,与其他5种异常检测算法相比,本文算法具有更高的检测率和较低的虚警率.     

非监督的高光谱混合像元非线性分解方法

在进行高光谱混合像元非线性分解应用中,提出一种非监督的高光谱混合像元非线性分解方法.通过核函数把原始高光谱数据映射到高维特征空间中,揭示数据之间的高阶性质.通过非线性映射,原始数据在高维特征空间中变得线性可分.在高维特征空间中运用线性的非负矩阵分解(NMF)算法进行光谱解混,挖掘出数据间更多的特征.解混结果以端元相关系数、光谱角距离、光谱信息散度和均方根误差作为质量评价指标.进行模拟数据仿真实验和真实高光谱遥感数据分解实验,结果表明,采用该算法得到的分解结果优于非负矩阵分解算法.     

参数不确定混沌系统的自适应同步

针对参数未知的混沌系统,提出了一种基于参数估计和黎卡提不等式的自适应混沌同步方法.利用
李雅普若夫稳定性理论,证明了混沌同步的问题可以转化为黎卡提不等式的求解.用状态观测器方法构造
同步混沌接收系统,根据最速下降法辨识未知参数.结合严格正实函数的概念,分析了实现混沌同步保密
通信的条件,构造并求解相应的黎卡提不等式和等式组得到目标矩阵,实现混沌系统的同步和参数的自适
应估计.并通过对蔡氏电路的同步及双通道保密通信的仿真研究,结果表明,该同步方法可以实现两个系
统参数未知的混沌系统的快速同步,及信息信号得以复杂的加密和正确地接收.     

基于反馈控制几何理论的混沌系统同步方法

基于反馈控制几何理论提出了一种新的混沌系统同步方法。该同步方法的基本思想是在系统可以转化为规范型的前提下，由两个混沌系统的输出之差和输出的各阶导数之差构造误差方程，根据极点配置的方法设计反馈控制，实现两个混沌系统的输出同步，从而使两个系统的部分状态或全部状态同步。对CHUA电路的仿真结果证实了这种方法的有效性。     

ZigBee无线传感器网络在点餐系统中的应用

介绍了ZigBee技术的特点,同时阐述了信息化餐饮管理的三种模式,提出了一种基于ZigBee无线传感器网络的点餐系统设计方案。该方案给出了点餐系统的具体管理模式,对系统各部分的软、硬件进行了设计,并着重阐述了无线传感器组网的过程。研究表明,该无线传感器网络实现了网络组建和数据通信的功能。基于ZigBee技术的点餐系统具有低功耗,低成本,无线化,通信距离远等特点。     

基于径向基函数网络估计密度函数的数据分类

针对样本总体分布已知的分类问题,提出了一种新的分类方法.通过非线性映射将训练样本映射到高维特征空间,基于向量投影法从训练样本中选择边界向量,运用多维二叉树搜索法确定每个边界向量同类中的k-近邻,运用统计理论中的大数定理估计样本的类条件概率密度函数,由边界向量与相应的密度函数构成新的训练样本对.对每一类数据建立一个径向基函数（RBF）网络,以相应类的边界向量作为中心,通过训练以RBF网络来估计样本的类条件概率密度,并采用基于最小错误率的贝叶斯决策来实现分类.对机器学习数据的仿真研究结果表明该方法具有与支持向量机（SVM）相似的识别率,并且能快速有效地实现多类分类.     

基于箱型图与折点阈值边界的电缆分割方法

针对电缆区域多样且数量较多等原因导致各区域难以分割的问题,提出一种基于箱型图与折点阈值边界的电缆分割方法.设计一种HSV空间下的阈值边界分割方法;根据电缆结构特征对各区域进行初步分割,对分割结果进行统计,根据箱型图计算各通道的初始阈值边界;计算折点阈值边界并完成区域的精确分割.实验结果表明,该算法对于不同的电缆区域可以...     

决策树支持向量机多分类器设计的向量投影法

针对如何有效地设计决策树支持向量机(SVM)多类分类器的层次结构这个关键问题,提出一种基于向量投影的类间可分性测度的设计方法,并给出一种基于该类间可分性测度设计决策树SVM 多分类器层次结构的方法.为加快每个SVM子分类器的训练速度且保持其高推广性,将基于向量投影的支持向量预选取方法用于每个子分类器的训练中.通过对3个大规模数据集和手写体数字识别的仿真实验表明,新方法能有效地提高决策树SVM类分类器的分类精度和速度.

     

由粗到细的高光谱图像多端元光谱混合分析

光谱可变性是影响高光谱图像光谱混合分析精度的重要因素,多端元光谱混合分析是解决该问题的有效手段。为了降低光谱混合分析时间复杂度的同时提高其精度,提出了一种由粗到细的多端元光谱混合分析算法,该算法首先基于扩展的端元集对每个像元进行全约束光谱混合粗分析,确定含所有地物的初始端元集,在此基础上进一步进行精细光谱混合分析,迭代光谱混合分析构建端元子集,最终根据重构误差变化量确定各个像元的最优端元集。实验结果表明:相比迭代光谱混合分析法和分层多端元光谱混合分析法,所提出的由粗到细的高光谱图像多端元光谱混合分析能有效降低算法反演丰度误差并改善计算效率。