基于卫星云图的无眼台风中心定位算法

基于数学形态学理论,采用球形结构元素设计了一种滚球滤波器,以去除红外卫星云图的噪声。采用多值自适应分割算法,生成自适应的分割模板,分割出主体台风云系。通过分析不同类型无眼台风云系的眼区特点,提出了具有自适应特性的无眼台风云系中心自动定位算法。通过红外通道和水汽通道的多谱图像融合,校验无眼台风中心的定位。实验结果表明,这种方法可以初步解决大部分无眼台风的中心定位。     

基于二维灰度直方图的最小模糊熵分割方法

本文在一维最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法．本文还针对传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差的缺点，提出了基于二维灰度直方图的模糊熵分割算法．本实验结果证明，最小模糊熵分割方法对于某些图像的分割效果要好于最大模糊熵分割效果，而二维分割方法对于绝大多数图像，都具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且方便地推广到其他的一维熵分割方法中。     

基于行的整数小波变换图像压缩算法

为克服小波图像压缩中内存开销大的问题，提出一种基于行的图像压缩算法．该算法是在完成行向小波变换后以累进方式完成列向小波变换，降低了对存储容量的需求，在大数据量图像压缩上优势明显．针对基于行的特点，采用整数实现的提升格式代替传统的Mallat塔式算法，实现CDF9／7的双正交小波变换，减小了计算复杂度，加快了算法执行速度．实验表明，该算法在比特率为0．5bpp附近时，恢复图像的峰值信噪比均高于30dB．根据人眼视觉特性及小波变换特点对变换系数进行感觉量化，提高了压缩比，适用于超大图像或内存敏感的应用场合．     

基于JPEG2000低内存低复杂度的图像编码算法

针对JPEG2000内存需求大、计算复杂度高等问题，提出了用提升格式实现的基于行的小波变换方法．以累进方式完成列向的小波变换，可在不影响变换结果的前提下降低对存储容量的需求；同时利用提升格式的特点，进一步节省内存和加快计算速度．针对EBCOT算法3个通道编码、三次扫描操作浪费大量运算时间的情况，应用一次扫描完成3个通道编码操作的算法对其进行改进，不用重复形成上下文，大大减少了运算时间，并保持了JPEG2000的优异性能．     

大波动短时公路交通流K-近邻预测的稳健组合方法

在公路短时交通流预测中,为改善大波动以及离群值情况下的预测效果,提高实时性,对K-近邻非参数回归预测方法进行了2种改进:先采用相关系数来选择K-近邻,再采用组合预测中的方差倒数法来进行预测.采用相关系数代替以前的距离,以改善在大波动交通流情况下K-近邻的选择效果.采用稳健统计方法来估计方差倒数法中的方差,以抑制离群值的不利影响.这些改进降低了搜索量,可提高预测准确率约1%.数值仿真证实了2种改进的效果.     

基于局部保留映射与径向基网络的人脸识别方法

局部保留映射（locality preserving projections,LPP）选择人脸子空间特征包含非线性信息而不利于最近邻法分类．基于径向基函数（radial basis function,RBF）分类器可以将非线性可分问题转化为线性可分问题的特点,提出了利用LPP子空间和RBF网络相结合进行人脸识别的方法,LPP算法采用监督模式,RBF网络隐层中心采用正交最小二乘（orthogonal least—squares,OLS）法训练．实验结果表明,该方法在Yale—B和Yale—B Extended人脸数据库上的识别率为95．67％,在CMU—PIE人脸数据库上的识别率为98．52％,具有较好的抗噪能力,识别效果优于特征脸、Fisher脸以及拉普拉斯脸法．     

一个分析时序逻辑电路ICAI系统的设计与实现

提出了一个用于分析时序逻辑电路的智能计算机辅助教学系统的构成，详细阐述了采用面向对象的知识表示方法建立系统领域知识库的设计思想及专家模型的设计过程，并讨论了实现中的一些技术问题。研究结果表明本系统可快速求解一类时序逻辑电路（计数器电路）。     

基于小波域隐马尔可夫模型的人脑MRI体数据分类

为保证三维体视化图像能较准确地表达组织，以人脑磁共振图像为例，提出了基于小波域隐马尔科夫模型的体数据分类算法，首先采用EM算法进行HMT模型参数估计，然后通过小波分解，得到近似初始分类数和各类在小波空间中的特征量，这在以往体数据分类中需要事先对体数据进行大量的训练才能得到．分类结果采用ICM（iterated conditional mode）方法获得．其结果表明，该方法在运算时间和分类效果上都优于以往的多分辨率分类方法．     

基于交通视频序列的多运动目标跟踪算法

针对智能交通领域对自适应多运动目标跟踪的广泛需求,提出一种新型的基于交通视频序列的多目标跟踪算法。通过Marr小波概率核函数生成静态背景,并结合当前帧在B/RDWT(Binary/redundant discrete wavelet transforms)域进行多运动目标识别,同时采用边缘阴影剔除算法去除阴影的干扰。运动跟踪采用SI_P(SIFT-particle)粒子滤波算法,并结合改进的均值漂移(mean-shift)法获得运动目标的准确跟踪窗口。采用队列链表法记录多运动目标之间的数据关联,在提高识别准确率的同时降低运算的复杂度。算法采用VC++6.0实现,通过实际道路测试,研究结果表明:SI_P粒子滤波算法与传统算法相比,平均时耗只多0.15s,跟踪窗口尺度可自适应变化,并且该算法对于多运动目标识别跟踪具有更优越的实时性和抗遮挡性。     

基于BDWT的运动目标识别及Mexico小波核mean shift跟踪算法

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法.针对帧间差分提取运动目标的缺陷与不足,提出了一种基于二进小波变换的运动目标识别算法,即直接在二进小波变换域提取运动区域,从而检测出运动目标.对于检测出来的运动目标,对mean-shift跟踪算法进行了改进,采用以Mexico小波核函数自适应mean-shift算法对目标进行跟踪.实验结果表明,提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响.本算法具较高的实用价值和应用前景.