2SFS方法及其与立体视觉方法的集成方案综述

立体视觉（Stereo Vision）方法是目前利用图象数据获取物体三维信息的主要方法之一。但该方法在图象灰度变化较缓慢的区域，由于难以准确地进行图象间的象素配对．而严重影响了它的效果。利用从明暗重构物体三维表面形状（Shape from Shading，简称SFS）的方法与该方法相结合，是改善重构结果的主要途径之一。文章通过分析SFS问题本身的不适定性，揭示了目前几类主要的SFS算法在可靠性、稳定性、局限性以及实用性方面所存在的问题，并在此基础上，简要地介绍了四类SFS与立体视觉方法相结合的形式．说明了通过利用立体视觉为SFS补充辅助的信息来消除SFS问题的不适定性，并对过去SFs的实现方法进行有效的改进．它是提高集成系统准确性的关键。     

目标多自由度Mean Shift序列图像跟踪算法

现有的Mean Shift跟踪方法使用单一半径参数来描述目标大小变化，每个目标仅有位置和尺寸两个自由度，因而不能适应复杂的目标运动情况。文中提出新的Mean Shift跟踪方法，该方法引入带宽矩阵来描述目标尺寸，能够在水平和垂直两个方向上独立描述目标大小变化，并加入目标倾角，使得目标旋转运动得以很好描述。实验表明，该算法能够准确跟踪序列图像中的任意复杂运动，尤其对目标的缩放、旋转运动有良好的适应性。     

一种未知光源参数的明暗恢复形状方法

针对传统SFS(shape from shading)必须已知光源参数的缺陷，提出了一种新的使用神经网络恢复单幅未知光源参数环境中物体三维形状的方法。该算法利用前向神经网络的非线性映射能力，建立了物体表面形状和其对应的图像灰度值之间的非线性关系，所得权值可视为环境光源参数，由此得出反射图函数。基于该反射模型，物体表面高度值通过迭代的方法求得，并使用多分辨率分级实现SFS算法以减小算法复杂度。实验结果表明该算法对于无光源环境，能给出有效的恢复结果。相比传统算法，精度提高了约29％。     

利用光源投影坐标系处理SFS中的自阴影问题

对于由明暗恢复形状(SFS)问题来说，自阴影的存在是影响其重构效果的因素之一，应该加以特殊的处理。为了使自阴影的处理不延伸破坏其他区域，并能保护整体的重构形状，提出了一套从阴影分割、坐标系变换到数据拟合的自阴影处理方法。该方法使用了根据图像平面以及光源方向定义的光源投影坐标系，以降低自阴影处理问题的复杂性，从而使得可以通过逐行恢复图像内跨各自阴影数据区段高度变化量的方式来实现其基本处理要求，并可采用抛物线拟合的方法来完成重构的阴影区形状与其他部分的光滑连接。实验表明，该方法能有效地改善SFS的重构形状。     

论频率分辨率与频率步长的关系以及数据添零对频谱的影响

在阐明了“频率分辨率与频率步长既不是一个概念，在数值上也并非始终相等”的基础上，论证和对比了数据添零（补零与插零）、提高采样率与数据延推（延长与外推）等，共两类五种缩小频率步长的方法对频谱包络及分辨率的影响，得出了“添零不改变频谱包络，根本不能提高分辨率，只能单纯缩小频率步长、密化谱线”，“补零使谱线插值式密化对提高谱分析精度也有一定好处”，“插零使谱线周期性密化，可方便地实现基带带宽压缩和多采样     

一种有效的SAR图像目标识别方法

根据不变矩特征提取和支撑矢量机分类的优势,提出了一种有效的SAR图像目标识别方法.首先对样本SAR图像进行预处理。然后提取目标区域的不变矩特征并计算灰度均值,将其组成特征向量训练SVM分类器,最后用训练好的SVM分类器对要识别的SAR图像进行目标识别.采用该方法对一些含有桥梁和坦克的SAR图像进行目标识别实验,取得了较好的识别结果.     

加速度传感器幅频特性测试及改进

研究了一种具有同灵敏度的加速度传感器本身的幅频特性。基于加速度传感器多次幅值、频率特性的测试,建立了传感器的传递函数模型。依传递函数模型设计动态补偿滤波器,以改善传感器本身的幅频特性,扩展其工作频带。实际测试结果表明：所建立的传递函数模型是正确的,动态补偿滤波器的设计也是成功的。     

考虑饱和的舵机自适应控制系统

针对某飞行器舵机系统中饱和非线性造成的不良影响,研究了一种模型参考自适应控制方案后,对舵机系统进行了自适应改进设计,并将其应用于此飞行器纵向控制系统中。仿真结果表明,这种自适应舵机系统不仅能提高飞行性能,而且对电机转速饱和值的大小具有很强的鲁棒性     

模糊自组织神经网络在语音识别中的应用

在对语音信号进行分析的基础上,讨论了模糊自组织神经网络（ＦＳＯＮＮ）在语音识别领域的应用,并对ＦＳＯＮＮ算法进行改进。语音训练的实验结果表明,修正后的ＦＳＯＮＮ具有较强的聚类能力,这表明人工神经网络在完成某些语音识别子任务上仍大有可为     

基于上下文三音素DBN模型的连续语音识别

考虑连续语音中的协同发音问题,提出基于词内扩展的单流上下文相关三音素动态贝叶斯网络（SS-DBN-TRI）模型和词间扩展的单流上下文相关三音素DBN（SS-DBN-TRI-CON）模型。SS-DBN-TRI模型是Bilmes提出单流DBN（SS-DBN）模型的改进,采用词内上下文相关三音素节点替代单音素节点,每个词由它的对应三音素单元构成,而三音素单元和观测向量相联系;SS-DBN-TRI-CON模型基于SS-DBN模型,通过增加当前音素的前音素节点和后音素节点,构成一个新的词间扩展的三音素变量节点,新的三音素节点和观测向量相联系,采用高斯混合模型来描述,采用数字连续语音数据库的实验结果表明：SS-DBN-TRI-CON具备最好的语音识别性能。