NS—2网络仿真器中动态路由算法的动画仿真研究

研究了基于Unix系统的大型离散事件可视化网络仿真器NS—2(Network Simulator V.2)，分析了基本网络模型C 类的设计原理，Tcl仿真脚本文件的Otcl语言建立方法，局域网模型拓扑描述，路由策略与协议算法，组件的编译等。着重剖析了分布式Bellman—Ford(或距离向量DV)路由算法，以及动态网络拓扑变化的仿真机制。设计了一个7结点的令牌环形网的动态路由仿真实例。利用Nam工具仿真实现了动态路由DV算法的动画效果，利用Xgraph工具描绘出通路上的数据流量曲线，实验结论验证了在DV路由算法下网络的通畅性，以及实际通信中数据包的抛弃、丢失和网络阻塞干扰等现象的客观存在。     

自主车辆视觉系统的摄像机动态自标定算法

为了解决自主车辆视觉传感器在姿态变化后摄像机旋转外参数的在线自标定问题,提出了一种利用道路图像消失点相对不变量的摄像机旋转外参数的动态自标定算法.它首先从汽车采集到的道路视频序列中实时分析道路消失点,然后依据中心极限定理并使用相应的统计量,动态地估计主消失点与消失线参数,最后利用小孔成像模型下的消失线与消失点方程,解析地求得对应于当前统计特征的摄像机外部参数动态解.实验结果表明,在摄像机进行姿态调整后,实验系统使用本算法可在不超过90帧有效图像样本的基础上,能对摄像机旋转外参数进行精确标定,使旋转外参数的绝对误差值收敛于0.001 rad的误差带之内.     

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．     

线性人脸对象类模型的匹配提升技术

针对真实感人脸模型匹配的细节控制和稳健创建问题，提出了线性人脸对象类模型的匹配提升技术。基于非统一抽样(NUS)的动态高斯金字塔分析(DGPA)方法，结合不等概率抽样和整群抽样策略，自适应地动态调整每级高斯金字塔图像的抽样分布，利用最优化算法由粗到精的计算全局近似最优解，获得精确的模型匹配。动态调节整群区域边界并利用再抽样率调节抽样密度，可以有效控制人像模型的细节表达效果，提高模型创建的稳健性。随机梯度下降的线性相关性扰动(CD-SGD)和学习率自适应(ALR)技术，提高了模型匹配的准确性和收敛速度。以M     

基于支持向量机的机场检测算法

提出了一种新的机场检测算法．该算法通过把机场跑道的几何特征与其所在区域的纹理特征相结合来描述机场特征，其中由灰度的平均值和方差、区域的光滑性、直方图的偏斜度、区域的一致性、图像的随机性、图像的梯度平均和方差等8个特征组成机场的纹理特征向量．先通过直线检测找到机场跑道的候选区域，然后用基于高斯核函数的支持向量机作为分类函数，对候选区域的特征向量进行分类，由此判别机场跑道．实验表明，与传统的仪通过形状判断机场的方法比较，该算法对机场的误检率较低，检测率比刘德红的方法高近10倍，几乎能实时完成一幅图像的检测．     

一种改进的图像自适应非线性滤波方法

针对图像的保边光滑问题，分析了Perona-Malik(PM)方程的非线性滤波扩散行为，利用保边正则化思想给出了由一种新的各向异性扩散方程所决定的图像自适应光滑算法。这种新的各向异性扩散滤波方法与PM方程的不同之处在于：扩散系数不是直接来源于图像的梯度幅值，而是在图像梯度模基础上恢复出图像的边缘信息。实验结果表明，所提方法对图像边缘的恢复结果要比PM的方法具有更高的可靠性和准确性。     

非监督图象分割的神经网络方法的研究

本文提出了一种新的神经网络模型UMAN,以实现非监督的图象分割。该神经网络采用广义信息熵作为描述系统稳定和收敛的定量判据,克服了广义能量函数的缺陷;改进的Kohonen非线性映射结构,既突出了分类信息又减少了信息冗余;网络内部层和结点数由系统内部动态地确定,不需人工干预和先验知识;非监督自学习功能反映了低层次视觉信息处理的特点,可处理一般的图象,具有较强的适应性.实验结果表明该模型及算法是有效和实用的,具有一定的鲁棒性.     

并行多处理机上的具有真实感的三维图形合成

用光线跟踪来合成三维图形需要非常大的运算量，大规模的并行处理，可使合成速度得到大幅度的提高，特别是在ＭＩＭＤ机上，系统具有非常好的性能价格比，在ＭＩＭＤ机上实现三维图形的合成需要解决２个关键的问题：１）负载平衡；２）模型数据库的分解，在这篇文章中给出了一种ＭＩＭＤ机上实现三维图形合成的方法，并且提出了一种模型数据库分解的策略，根据光线跟踪一致性的特性，对各节点机的任务进行预估计，使系统的负载得到了     

车辆单神经元模型参考自适应控制算法研究

针对智能车辆油门控制系统,提出了一种单神经元模型参考自适应控制算法.首先通过实验研究获得油门控制系统的传递函数,再以该函数获得的数学模型为依据设计了自回归滑动平均模型（NARMAX）神经网络,并对系统输出进行离线辨识和在线预测.采用免疫模糊思想改进二次型单神经元控制算法,构建基于NARMAX神经网络预测的模型参考自适应控制系统,定义了一种评价车辆纵向运动的目标函数,采用浮点遗传算法寻找各控制器的最优值.仿真结果表明,NAR-MAX神经网络可辨识和预测车辆油门系统的动力特性,与免疫模糊和二次型单神经元算法相比,单神经元模型参考自适应算法的阶跃响应速度显著提高.     

基于等高线的图像特征表达

结合多尺度图像分解技术和等高线理论提出了一种图像特征表达方法.该方法的独特之处在于将经验模态分解技术应用于图像的梯度模,而不是直接应用于图像本身.对梯度模图像进行经验模态分解,获得表示图像不同尺度下变化信息的固有模态函数,取携带丰富图像特征的前两个固有模态函数进行叠加,对叠加后的固有模态函数求取等高线,以实现对图像特征的提取和表达.实验结果表明,这种图像特征表达方法,不仅可以捕获图像中不同灰度变化属性信息,而且可以获得图像的几何结构,对图像的弱特征信息也有较好的表示能力.