局部统计量的快速计算算法

本文提出了一种新的在频域中计算局部统计量的快速算法。首先探讨了如何根据局部统计量的具体性质,设计快速卷积算子,然后将该算子与图象作循环卷积以达到快速计算的目的,最后讨论了循环卷积算子与线性卷积算子在计算局部统计量上的异同点。本文算法的最大特点在于计算速度与运算空间不随计算窗口的变化而变化。植物染色体图象的实验表明:本文算法较在时域中直接运算约快5～6倍。     

关于教学评估的几点研究

针对教学评估中存在的问题，提出了一些改进方法，用众数取代平均值，利用聚类分析理论，对指标进行分类，从而减少指标数目，提高评估效率。     

植物染色体图象的自适应复原

本文提出了植物染色体图象的一个自适应多元回归复原方法。选择染色体带边缘的某个邻域作为特征区域,经过滤波、分割和边缘提取得到特征区域的理想图象。根据模糊图象和估计的理想图象,利用多元回归分析设计滤波器,最后将滤波器应用于整幅图象完成图象的复原。实验结果表明:本文方法速度快,复原效果好。     

植物染色体图象处理与计算机自动分析

本文主要研究了植物染色体图象预处理与计算机自动分析。预处理包括复原与几何处理两部分。鉴于染色体图象的具体情况,我们设计了一种新的复原方法——多元回归复原方法。将该方法应用于模拟图象和植物染色体图象的结果表明:该方法速度快,复原效果颇好。以此为基础,进行几何处理(包括放大,中轴提取与拟合)。在预处理的基础上,再进行计算机自动分析(包括特性提取、特征提取与分类器设计)。我们选用Fourier变换进行特征提取,然后利用K—NN判别规则进行分类、识别。为了加快K—NN判别规则的运算速度,还提出了线性空间的快速分类技术。