Karhunen-Loeve展开基函数的小波分解算法

Karhunen-Loeve展开被广泛应用于信号处理,图像分析中的特征提取,动力系统中的模型简化等.文中提出了用小波方法快速估计Karhunen-Loeve展开式中基函数.通过把核函数投影到小波空间把积分问题离散化.应用正交小波变换,积分问题就被转化为矩阵特征分解问题.若核函数还是局部p阶光滑的,所得矩阵的维数可进一步降低,而精度却没有大的损失.实验结果表明所提出的算法是快速有效的.     

一种高效的JPEG2000位平面编码器设计

针对JPEG2000 芯片实现时的硬件复杂性和编码效率低的问题,通过分析编码所需状态变量的产生机制,得到了一种最高有效位(MSB)检测电路,它能使状态变量实时产生.同时,在 3 个通道编码时引入列快速扫描电路,它在清除通道编码中设计了游程编码和0编码的流水实现电路,最后得到了位平面编码器 0冗余时钟设计.将此方法用于实现三通道并行的位平面编码器时,相对于单通道的跳点跳列,其运算速度可提高2倍,逻辑电路节约50%,而对于64×64像素的码块,存储器节约20 kb.     

多目标跟踪的序贯分层抽样信任传播算法

多目标视觉跟踪除了具有单目标跟踪中观测模型与目标状态后验概率分布的非线性、非Gauss的困难外，目标数目可变、数量众多以及目标之间的相互作用（如遮挡、交错）使得跟踪问题更为困难。基于三个耦合的Markov随机场（MRFs）导出了描述多目标跟踪问题的动态Markov网络（DMN），然后提出序贯分层抽样信任传播算法在DMN中求解多目标状态。首先用三个耦合MRFs表示每一时刻目标的配置情况，即表示目标联合状态的连续随机场、表示目标存在与否的二值随机过程和表示相邻两个目标之间是否存在遮挡的二值随机过程；其次，引入两个鲁棒函数来消除其中的两个二值随机过程，从而得到与耦合MRFs等价的Markov网络；最后提出序贯分层抽样信任传播算法求解该图模型，从而得到目标联合状态的最大后验概率估计。提出的序贯分层抽样信任传播算法集成了自底向上通过学习得到的目标检测器信息和来自目标节点的信任信息，从而能获得较好的跟踪结果。进一步，其他底层视觉线索也可以很容易嵌入本文的多目标跟踪框架中。实验结果表明，在多种测试序列情况下，与其他多目标跟踪算法相比，本文的方法均可以获得较好的跟踪效果。     

面向运动估计器硬件实现的加权块匹配检测算法

在各种视频处理算法中，运动补偿型算法大大提高了各种视频处理效果。运动估计器的硬件实现是各种运动补偿视频处理算法在实际系统中运用的关键。由于块匹配运动估计算法较低的运算复杂度和硬件实现难度以及块匹配检测标准函数很高的调用频率，已经广泛应用到各种实际系统中。文中提出了加权最小最大误差的匹配检测标准，能够降低运动估计器的运算复杂度，减少估计器的硬件面积，提高硬件速度，而且能够降低递归搜索块匹配运动估计算法固有误差传递带来的负面影响。     

相控阵雷达信号的无损压缩算法

提出了一种基于可逆整数小波变换（IWT）的雷达信号实时无损压缩算法，雷达回波信号是一个非平稳的随机过程，首先用IWT滤波器对雷达信号进行分解，将小波系数分割为重要系数图和残余系数图两部分；对重要系数图用改进的SPIHT算法进行量化编码，最后一次阈值为分割阈值；对残余系数图按位平面采用基于自适应上下文模型（context-based model)算术编码压缩，并比较不同上下文模型对压缩效果的影响，实验结果表明，该算法具有实时性和易于并行实现的特点。     

基于小波变换的快速二维门限化方法复杂度研究

将小波分析这一新兴的数学工具与传统的基于灰度直方图门限选择方法结合起来,提出了一种快速的二维门限化方法,并对其复杂度进行了入地研究,该方法首先对二维直方图进行小波分解,得其低频分量,然后在此低频分量上确定出门磁量的范围,最后在此范围内确定出精确的门限矢量,理论分析及实验结果均表明,该方法可以极大地降低二维门限化的时间复杂度。     

基于低松弛迭代格式的快速自适应滤波算法

利用Ｂ样条函数基底的光滑性及其局部支撑性质,以最小二乘（ＬＳ）为准则,构造了基于低松弛迭代格式的快速自适应滤波算法．对于一个Ｎ×Ｎ输入图像,由于Ｂ样条函数的局部支撑性质以及低松弛迭代算法的引入,使得在统计意义下最佳的最小二乘滤波算法的计算复杂度降为Ｏ（Ｎ２）,就ＬＳ算法的复杂性而言,优于不动点（ＦＰ）迭代算法的Ｏ（Ｎ３）及基于ＦＦＴ的预处理共轭梯度（ＰＣＧ）算法的Ｏ（Ｎ２·ｌｎＮ）．实验结果表明,该滤波器对Ｇａｕｓ白噪声及均匀分布的噪声图像具有良好的降噪特性．     

大学的责任

西安交通大学校长郑南宁：我想讲三个内容，一是一流大学要把培养学生放在最根本的位置上；二是一流大学更要重视大学文化和精神的建设；三是西安交大在建设一流大学中一些新的做法。     

认知过程的信息处理和新型人工智能系统

本文对认知过程的信息处理进行了较为深入的讨论。阐述了智能机器原型与认知模型的关系，讨论了新型人工智能系统的研究方法，提出了认知科学和信息科学交叉的若干重要基础研究内容，并进一步提出用混沌吸引子实现联想记忆的思想和新型人工智能系统结构。深入研究认知科学及其信息处理对发展我国２１世纪的知识经济具有重大科学意义和应用前景。     

一种适用于信息检索的支持向量机

针对基于内容的信息检索中负样本抽样效率低的问题，设计了1．5类支持向量分类器．在训练过程中利用正样本对分类线建立初始模型，在保证总体泛化能力的基础上，用所能获得的负样本修正分类线，以提高其检测精度；通过对比标准序列最小优化方法，得到快速训练算法．在美国邮政数据库(USPS数据库)与麻省理工大学人脸数据库(CBCL数据库)上的实验结果表明，与传统的支持向量分类器相比，这种方法能取得更高的检测精度．