基于局部二值模式的作物叶部病斑检测

根据作物叶片症状准确、快速检测作物病害是防治和控制作物病害的基础。为准确检测作物叶部病害,在窗阈值中心对称局部二值模式（WTCSLBP）的基础上,提出了一种作物病斑检测方法。首先利用自适应局部二值模式获取正常叶片图像特征并确定病斑判断阈值,然后将待检测叶片图像分割为大小相同的检测窗,并提取同样特征与阈值进行比较,以判断该检测窗是否有病斑。在三种苹果病害叶片图像数据库上的实验结果表明,该方法能够有效检测作物病斑分布特性。与中心对称LBP（CS-LBP）和WTCSLBP相比,该方法具有更少的特征维数和更高的正确识别率。     

基于多分辨率分割的区域图像融合

图像融合是一项综合同一场景的多幅源图像信息的技术.现有的区域图像融合方法或者是只对最高层低频带分割并以此分割信息来指导所有层的融合,或者是其多分辨率分割方法过于复杂难以满足实时性.鉴于此,该文发展了一种基于多分辨率分割的区域图像融合方法.它的主要特点是多分辨率分割.其步骤为:首先对源图像进行小波变换的多分辨率分解,然后对分解后每一层的低频图像都进行区域分割,最后用每一层分割得到的区域信息来分别指导每一层的融合.仿真表明该文发展的基于多分辨率分割的区域图像融合方法的融合性能要优于传统的基于窗口的图像融合方法和只对最高层低频带分割的区域图像融合方法.     

Linux环境下窗口管理器的分析

给出Linux环境下窗口管理器的角色位置和基本功能,分析窗口的通讯协议和窗口管理器的实现过程.通过对MwM窗口管理器源码的分析,结合KWIN,METACITY,实现了对窗口管理器的优化定制.     

基于XML的窗体自动生成框架的设计与实现

提出了一种基于XML配置文件的窗体自动生成框架,并利用VC 加以实现,有效地保证了窗体生成的动态性和扩展性.简化了由于需求的改变而导致重新书写并编译源代码的过程,从而将版本控制转移到XML配置文件的管理中.     

改进周期图法功率谱估计中的窗函数仿真分析

周期图法是功率谱估计的一种基本方法,但该方法不满足一致性估计条件,谱估计的分辨力和方差都很难满足实际应用需要.因此采用其改进方法(即Welch法)估计信号功率谱,并结合该方法对四种典型窗函数的谱估计性能进行了具体的仿真,就其中的频率分辨率、采样信号的数据长度与窗函数的特性等因素之间的关系,进行了详细的讨论,重点分析了窗函数对谱估计的影响,指出了它们的优缺点,得出了不同数据类型与估计方式下的功率谱标准方差的均值.最后,根据实验结果并结合窗函数的评价指标,指出了选取合适的窗函数应注意的一般原则,具有一定的实际指导意义.     

浅谈PowerBuilder中窗口继承的使用

PowerBuilder技术在现代软件开发中属于一项领先技术,本文描述了在PowerBuilder创建继承窗口的方法,这也是PowerBuilder一项关键技术,掌握了该方法,会给软件应用及管理系统开发带来极大便利,适用于管理信息系统设计过程中相似窗口界面布局。     

外窗型材热工性能的两个模拟软件差异分析

通过软件对外窗型材的相关性能进行模拟是指导型材设计和进行相关性能评价的有效途径。本文对国际上通用的两种型材热工性能模拟软件之间的差异进行了比较,分析了差异产生的原因,并将两个软件模拟原理与检测原理进行了对比,得到了相应的结论,为相关单位和人员选择使用这两个软件提供一定的依据。     

一种新的基于神经网络的高精度电力系统谐波分析算法

提出了一种新的基于三角基函数的人工神经网络算法,利用该算法可一次性获得电力系统基波及各次谐波的频率、幅值和相位,提出并证明了该神经网络算法的收敛定理,给出了利用该算法进行谐波分析的仿真实例.仿真结果表明,文中提出的谐波测量方法的计算精度极高,且计算量较小,因此在电力系统谐波测量中有较高的应用价值.     

Automated classification of brain tumours from short echo time in vivo MRS data using Gaussian Decomposition and Bayesian Neural Networks

Neuro-oncologists must ultimately rely on their acquired knowledge and accumulated experience to undertake the sensitive task of brain tumour diagnosis. This task strongly depends on indirect, non-invasive measurements, which are the source of valuable data in the form of signals and images. Expert radiologists should benefit from their use as part of an at least partially automated computer-based medical decision support system. This paper focuses on Magnetic Resonance Spectroscopy signal analysis and illustrates a method that combines Gaussian Decomposition, dimensionality reduction by Moving Window with Variance Analysis and classification using adaptively regularized Artificial Neural Networks. The method yields encouraging results in the task of binary classification of human brain tumours, even for tumour types that have seldom been analyzed from this viewpoint.