基于水平差集的多精度图像表示及绘制

提出了一种图像的非线性尺度空间表示方法，并将其应用于时间要求严格的场景绘制。首先把图像分解为水平差集，对水平差集的连通分支赋予一个测度，然后根据测度从大到小对所有水平差集的所有连通分支进行排序。绘制进根据所排序依次将连通分支显示出来，根据时间的限制， 显示的将是不同层次细节的图像。这种表示方法具有保形、保对比度的特点。最后，给出了实验结果，并探讨了此方法的局限性及改进方向。     

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。     

非线性时滞系统的保性能鲁棒稳定性和鲁棒稳定控制--时滞相关情形

研究了带有非线性摄动的时滞系统的时滞相关保性能鲁棒稳定性和时滞相关鲁棒稳定控制问题.对这类非线性时滞系统分别建立了时滞相关的鲁棒稳定性判据和时滞相关的保性能鲁棒稳定性判据,指出了系统时滞相关鲁棒稳定时存在时滞上界,并且提出了降低系统可保性能的一个优化算法.给出了系统的两类时滞相关鲁棒稳定控制器的设计方法.     

基于Markov随机场和FRAME模型的无监督图像分割

提出了一种多纹理图像的无监督分割方法. 此方法应用两层的随机场模型对需要分割的图像进行建模. 第一层用Markov随机场(MRF)模型表示一个不可观测的区域图像, 第二层用“滤波器, 随机场和最大熵(FRAME)”模型表示覆盖每一个区域的纹理图像, 与传统的分层Markov随机场(HMRF)模型相比较, FRAME模型可以取较大的邻域系, 从而对更加复杂的图案式样进行建模. 根据Bayes定理, 分割问题被转化成一个最大后验(MAP)估计问题. 迭代条件模型(ICM)算法用来求解最大后验估计. 提出一个基于局部熵率的算法来简化MRF参数的估计, FRAME模型的参数用最大期望(EM)算法估计. 最后, 使用一些合成的和真实的图像分别来做实验, 实验结果表明该方法能有效地分割含有复杂纹理的图像, 并且对噪声有一定的鲁棒性.     

基于粒子滤波的部分对应点集刚体配准算法

为了解决部分对应点集之间的刚体配准问题,本文提出了一种基于粒子滤波的刚体配准算法.该方法将部分对应点集配准问题转化成相应的状态估计问题,通过采用基于配准误差驱动的运动模型及设计基于迭代最近点原理的观测模型,从而提出了基于粒子滤波的配准算法解决部分对应点集的刚体配准问题.实验结果验证了本文所提出算法的有效性.     

一种用于计算机图形分离的自组织映射彩色量化方法

提出了一种用于计算机图形分离的自组织映射彩色量化改进方法，该方法首先将自组织映射的输出神经元分成灰度组和彩色组分别进行初始化，在训练过程中分别训练灰度组和彩色组中的神经元，同时采用生长、修剪及合并方案来自适应地调整神经网络的结构，实验结果表明，该方法能够大大提高收敛速度和量化精度，满足了后续图像分割和识别的需要。     

证据框架与自由能框架

在指出证据框架和自由能最小化方法等贝叶斯推理方法的局限性的前提下，通过对比证据框架的方法，提出了自由能框架的概念，将通常难以求解的自由能最小化过程分解成参数自由能最小化，超参数自由能最小化，模型参数自由能最小化等层次，在每个层次上调节参数，超参参数和模型参数，使其后验分布与其真实分布之间的Kullback-Leibler矩最小，以使以变自由能逼近真实自由能，同时，保持其他层次上的参数，超参数和模型参数固定不变，以简化贝叶斯前馈神经网络的参数估计，应用自由能框架，对通常较难求解的贝叶斯支持向量回归机器的参数与超参数进行估计，推导出相应的计算公式，并验证了该方法的可行性与有效性。