粮情监测系统传感器网络的混合路由算法

无线粮情监测系统传感器节点的立体晶格结构提供了有效的位置信息,针对LEACH协议簇内单跳能耗不均衡的问题,提出了一种O(n)复杂度的混合路由算法,该算法以网络能耗均值为阈值确定多跳节点,根据网络能耗均值和最低转发能耗选择最佳转发节点。仿真实验表明该混和路由算法降低了能耗方差,延长了网络生存时间,适用于无线粮情监测系统。     

基于谱聚类与混合模型的SAR图像多尺度分割

针对谱聚类方法应用于合成孔径雷达（SAR）图像分割时Laplace矩阵的特征值和特征向量难以计算的问题,结合SAR图像在多个尺度的统计信息,给出了一个包含顶点凝聚、初始分割和分割细化3个步骤的SAR图像多尺度分割方法。首先,用一个顶点数不断减少的凝聚图序列来逼近从SAR图像得到的图;然后应用谱聚类方法对最粗尺度的凝聚图进行分割得到初始分割结果;最后根据SAR图像的统计性质,利用基于混合模型估计的分类后验概率将初始分割结果逐尺度进行细化得到SAR图像的最终分割。实验结果表明了方法的有效性。     

基于高斯混合模型的阴影消除算法

关于阴影消除是智能监控系统的重要组成部分,且对后续的识别和跟踪有很大的影响。根据改进的高斯混合模型检测出目标,用高斯混合阴影模型来检测阴影,并用高斯平滑滤波处理检测的结果。然后动态选择合适的阈值对图像做二值化处理,进一步对结果进行形态学滤波。经过整个过程的处理,得到了较为完整的轮廓,很好的消除了阴影,提高后续的识别和跟踪的准确性和可靠性。实验表明,算法能较好地消除阴影,且具有较好的实时性和鲁棒性。     

一种基于混合变换域的双重扩频盲水印算法

为权衡水印技术的鲁棒性和对篡改敏感性的冲突,本文提出了在载体图像中嵌入鲁棒水印和全脆弱水印的双重数字水印方案。首先对水印图像进行了置乱和加密,并对得到的加密水印进行了扩频处理。接着在混合变换域内实现了对加密扩频水印的嵌入:先对图像载体进行小波变换和离散余弦变换,通过修改各块的部分余弦系数的差值实现水印信息的嵌入。提取时实现了盲水印提取。实验结果表明,该算法具有很强的安全性和不可见性,对抗噪声和剪切攻击具有良好的鲁棒性。     

基于遗传-蚁群混合算法的软件测试数据自动生成方法

自动化测试可以有效地提高软件测试效率,降低软件开发成本。测试数据自动生成是自动化测试过程中一个非常重要的环节。以路径覆盖为准则,本文提出一种利用遗传-蚁群混合算法来对程序输入域进行搜索的方法,进而生成满足需要的测试数据。经过实验验证,该算法可以有效地生成满足覆盖准则并且分布多样的测试数据。     

基于水印技术的隐蔽通信算法设计

本文研究了在音频信息上实现水印技术的难点与价值,分析和对比了利用音频信号进行信息隐藏的算法,探讨了隐蔽通信的编码策略,提出了一种基于混合模式的语音信号的信息隐藏编码算法。文中首先给出了编码过程中覆盖半径、覆盖编码等相关定义和信息隐藏编码的相关定理,从理论上分析了隐蔽通信编码策略的可行性和步骤;接着详细论证了该编码算法的基本原理、构造方法和算法的实现过程;然后以一段音频信息为例,阐述了隐蔽通信算法的实现方法和编码步骤;最后从算法的频谱分析、隐蔽信息嵌入量和听觉效果三个方面对算法性能进行测试。测试结果表明,算法隐蔽信息嵌入量可达2.1×103bps。     

基于混合高斯模型的目标差分自适应背景模型

提出一种自适应背景更新率的方法。在混合高斯背景模型基础上。通过混合高斯匹配将前后两帧分割出的运动目标作差分。差分后再次采用混合高斯匹配分辨出过去目标区和当前目标区。在背景更新的过程中,加大过去目标区的更新率,让运动目标在出现停滞状态时给背景模型带来的干扰区域得到快速恢复。试验结果表明,该方法有效地提高背景模型的鲁棒性。     

混合高斯模型和LBP纹理模型相融合的背景建模

提出了一个适用于动态背景的基于颜色和纹理的背景模型。这个概率背景模型不仅考虑了传统目标检测中的时域相关性（背景减除等）,也考虑了在动态场景中大量存在的空间相关性（方块纹理等）,使得在动态背景中依然得到准确的运动目标检测。首先应用混合高斯概率模型和LBP纹理模型计算当前像素的颜色前景概率值,然后应用数据融合算法D-S证据理论,进行决策层级上信息融合得到当前像素隶属于前景的概率值,提高了前景判别的准确性。实验证明,上述算法能够在一般目标检测特别是动态场景下的检测中取得良好的效果。     

基于神经网络的渔业养殖成本与效益分析和预测

在单一的养殖模式下,由于破坏了生物多样性,这使得生态系统处于非常不稳定的状态,并对其他物种的生存,如珊瑚礁也产生了巨大影响。虽然混合水产养殖是一个有效的解决办法,但由于混养系统中的食物链的复杂特征,并没有有效的关于如何预测成本与效益的预测方法。本文试图从神经网络角度入手,为用户提供完整,准确的预报服务。     

三维立体混合特征地图的构建

本文介绍了双目视觉的基本原理和空间点重建。利用双目视觉传感器获取了环境特征点的三维坐标,建立起了环境几何特征的立体地图,同时将这些特征角点局域窗口的灰度信息作为图像特征信息一并保存,建立起包含环境几何特征和图像特征的混合地图。