一种基于快速区域标识的交互式体切割算法

提出了一种基于快速区域标识的交互式体切割算法.在进行切割计算时采用了一种有效的体数据空间标识算法,该方法具有和切割形状无关的特性,可精确地按照用户定义的任意形状对体数据进行切割.同时,还利用基于三维纹理映射的通用图形硬件加速体绘制算法对切割结果进行绘制,该方法在普通PC上可有效地对体数据进行交互式切割.     

基于区域增长技术的树状器官的骨架提取算法

提出一种树状体数据的骨架自动提取算法．通过适当地定义体素的间距，就可以借助区域生长技术在体数据中生成从给定根节点到所有体素的最短距离图．基于此距离图，骨架提取算法印可自动检测出所有体数据分支的结束节点及其到根节点的最短路径．然后，通过中心化算法删除冗余点。且保证剩余节点集中于树状体数据的中轴线上．该算法产生的骨架具有单体素宽度和26邻域连通性，可以用作虚拟内窥镜的自动漫游路径，实现所有分支的内表面测览的自动导航．     

一种新的Contourlet域鲁棒水印算法

为提高水印算法的鲁棒性和效率,提出了一种基于图像纹理特征的自适应鲁棒水印算法．选定灰度共生矩阵的能量、熵、对比度3种纹理特征量,通过Mean Shift聚类算法快速准确地提取图像强纹理区域,在图像强纹理的Contourlet变换域大系数中添加水印,通过纹理聚类结果自适应选择水印嵌入位置,控制嵌入强度．实验表明,这种算法对多种攻击(高斯低通滤波、维纳滤波、中值滤波、椒盐加噪、高斯加噪、JPEG攻击、剪切攻击)表现出强的鲁棒性,收敛速度明显优于基于FCM聚类以及K均值聚类的水印算法．     

随机集粒子滤波的快速被动数据关联算法

针对杂波干扰环境下的被动多目标跟踪问题,将多站集中式融合方法与概率假设密度粒子滤波递归过程相结合,实现被动多目标跟踪．进一步,将概率假设密度粒子滤波递归过程并行化处理,每个目标使用单独滤波器跟踪,避免了大量粒子的聚类过程,简化算法复杂度,进而提出一种快速被动数据关联算法．实验结果表明,与传统算法相比,新算法可以在不增加额外计算负担的基础上,有效得到每个目标的航迹．特别对于目标发生交叉的情况,能很好地区分每个目标的航迹．     

基于S变换的混合DS/FH扩频信号参数估计

针对混合二相编码调制的混合扩频信号的参数估计问题,提出了一种基于S变换的跳频参数估计方法．该方法利用非线性变换获得携带跳频信息的参考信号,并利用循环谱估计该信号的频率集作为修正信息; 在S变换中引入高斯窗长控制参数以实现其时频分辨率的可控性．在此基础上,提取修正S变换时频脊线作为对参考信号瞬时频率的估计; 利用修正信息降低脊线高频区域的误差,同时抑制噪声对参数估计精度的影响．仿真实验表明了该算法对跳频参数估计的有效性．算法无需信号的先验知识,并易于通信侦测接收机的实现．     

一种抵抗强剪切攻击的鲁棒性数字水印算法

为了增强水印的抗几何攻击能力,提出了一种能够抵抗强剪切攻击的鲁棒性水印算法,即把水印嵌入在代表宿主载体基本特征的基矩阵中．理论分析表明：这种算法可以获得智能特征以抵抗强剪切攻击; 可对水印进行加密扩频调制以增强隐蔽性; 通过比较合成图像与原始图像的峰值信噪比,可自适应调整水印嵌入强度; 引入改进的PCA(Principal Component Analysis)方法,加强了矩阵元素之间的联系,提高了算法的效率．实验表明,当图像剪切程度达到87.50％时,水印检测正确率为100％,同时算法对有损压缩、滤波、噪声等常规攻击同样具有良好的鲁棒性; 算法嵌入容量大,宿主载体可为图像、音频等多种形式,是一个具有普适性的盲水印方案．     

多源Web对象与关系数据的集成

利用序列数据语义标注学习方法来解决异构数据源的模式匹配问题,将从多个网站抽取的异构Web对象集成到关系数据库中.在线性链条件随机场的基础上提出了一种可叠加多阶链的组合条件随机场模型.该模型可以在由手工标注数据和关系数据库记录组成的联合样本集上进行训练,因此减少了对繁琐手工标注样本的依赖;此外,通过在线性链条件随机场模型上叠加高阶链,使得该模型能够有效地处理状态变量间的长距离依赖.在多个领域的真实数据集上的实验和分析结果表明,所提出的方法能显著提高异构Web数据的字段标注性能.     

雷达目标双谱持征分析与分类方法研究

利用复信号双谱估计技术分析了常规相参雷达实测飞机目标回波信号,研究指出目标回波是典型的非高斯信号,且其双谱分布区域信息较好地反映了目标的部分散射调是特性,可作为目标分类特征,在此基础上,提出一种目标双谱特征抽取和模板构造方法。利用双谱经阈值化处理后的二值特征图,分别定义了“核”和“域”来表征目标双谱分布区域的共性和范围,并用其构造目标模板,实测数据实验结果表明了该方法在分类效果和特征降维方面的有效     

基于模糊融合的红外弱小目标快速检测算法

提出了一种基于模糊融合的红外弱小目标快速检测新算法。算法以差分图像为基础,根据差分图像的噪声特性引入衡量像素点灰度变化程度的隶属度函数,将经过隶属度函数“模糊化”的数帧差分图像进行模糊“与”操作实现融合,按照规则对融合后的图像进行两次模糊推理,实现了弱小目标的检测。仿真实验结果表明,该算法保留了差分法良好的实时性,克服了确定检测阈值难和“硬”判决带来检测概率低的缺点,能快速有效地检测出低信噪比红外图像序列中的像素个数不小于4的弱小运动目标。     

基于变分贝叶斯势均衡多目标多伯努利滤波的 多扩展目标跟踪算法

由于传统多扩展目标跟踪算法在量测噪声协方差未知情况下跟踪性能急剧下降,本文提出一种基于变分贝叶斯的势均衡多目标多伯努利滤波(VB--CBMe MBer)跟踪算法,并给出了高斯混合实现.该算法在未知量测噪声协方差的情况下,将量测看成随机分布在扩展目标上的量测产生点所产生,利用变分贝叶斯方法近似地求出各量测产生点状态和量测噪声协方差的联合概率密度,并给出其递归形式以估计量测产生点,继而将得到的量测产生点状态进行聚类得到扩展目标的状态.仿真实验表明,所提算法可以自适应地跟踪未知数目、未知量测噪声协方差的多扩展目标.其跟踪精度与传统的CBMe MBer跟踪算法相比,有明显提高.