高速运动物体的图象分析与研究

按照狭义相对论,一个运动物体看起来将沿运动方向缩短为原来的１倍－Ｌｏｒｅｎｔｚ收缩,由此而见,高速飞船中的乘客观看球形物体时,看到的会是一个椭球吗？本文给出了否定的结论,并将证明：正是由于Ｌｏｒｅｎｔｚ收缩,我们会看到高速运动的物体只不过转了一个角度,并没有发生畸变,这个结论试图澄清人们对狭义相对论中关于高速运行物体视视形象描述的某些“事实”。     

一种改进的基于活动轮廓和光流的运动目标分割方法

将光流技术和几何活动轮廓模型结合起来对运动目标进行分割,一方面可以通过算法分割出运动目标轮廓,另一方面,使得算法面对背景变化的情况仍具有一定的适应性.为了更好地将二者结合起来,进行2个方面的改进;建立基于运动边缘的几何活动轮廓模型,从而克服光流计算中由弱纹理区域产生的运动空洞对分割的影响;引入边缘增强的非线性扩散作为光流计算模型中的平滑项约束,可以在平滑流场的同时减小运动边缘处平滑效果而保护边缘,进而提高运动目标分割的完整性.研究结果表明:与现有算法相比较,该算法能够更准确地分割出运动目标的轮廓,同时在一定程度上克服背景运动的情况.     

ΔN=1直和空间的■截断

在由N_n、N_p标记的SU(6)SU(6)Hilbert空间中,用F截断方法可求得以N=N_n+N_p标记的全对称子空间,本文推广此形式理论至ΔN=1两空间的直和,可用于原子核sds′、sdg及sd+2q.p.等模型的研究工作。     

U群生成元算符在与 U(n_1+n_2)U(n_1)U(n_2)匹配的非正则基下的矩阵元计算

本文提出一种新的计算 U 群子约化系数的简便图解法。该方法和作者不久前提出的计算U 群生成元算符的矩阵元的 Weyl 图解法结合起来可用于多电子体系壳层模型问题时出现的非正则基的矩阵元计算。     

去滑动均值趋势的DeWijs模型多重分形特征分析

运用去滑动均值算法,探讨了De Wijs模型的多重分形特征。结果显示,趋势波动函数Fq(s)与尺度s具有较好幂律关系,Hurst指数h(q)与标度函数τ(q)都是随q变化的非线性函数,且随着富集参数d的增大,多重分形谱f(α)曲线跨度越大,指示多重分形特征越明显。这表明去滑动均值算法是识别De Wijs模型的多重分形特征及区分其分形强度的有效方法,可为进一步应用于实验数据的非线性特征分析提供理论指导。     

弱压缩映像下黏性逼近非扩张半群的不动点问题

设E是自反的Banach空间且具弱连续正规对偶映像J:E→E*,C E是非空闭凸集.{T(t):t∈R+}:C→C的非扩张半群,且F(T(t))≠φ,f:C→C的弱压缩映像,在{αn},{tn}满足一定的条件下,若{xn}是由(1.3)和(1.4)式分别定义的迭代序列,则xn→q∈F(T(t)),(n→∞),且q是变分不等式的惟一解:〈(f-I)q,j(x-q)≤0,x∈F.     

MTM与MTC模型中PGB对qq→tt过程的单圈修正

本文分别在多标度ＴＣ模型（ＭＴＭ）与带有一个标量子的ＴＣ模型（ＭＴＣ）中研究了赝标哥尔斯通粒子（ＰＧＢ）对Ｔｅｖａｔｒｏｎ上ｔｏｐ夸克对产生截面的单圈贡献．我们发现在ＭＴＭ中该贡献是显著的，当ｔｏｐ夸克的质量取１７６ＧｅＶ，色八重态ＰＧＢ的质量可以取到６００ＧｅＶ时，该修正值达到２９％，这是很有实验意义的，然而在ＭＴＣ中，该修正较小，不可观测     

运动目标的快速检测、跟踪和判别

为完成自然环境中大范围的环境监控 ,实现了一个运动目标检测、跟踪和判别系统。该系统利用一个固定平台上的、有 3 60°旋转和一定俯仰的两自由度摄像机监视自然环境 ,利用 2 -D仿射模型和鲁棒参数估计的主运动分析得到背景运动参数 ,能够在短时间内完成 3 60°全景图的拼接 ,并能利用出格点检测和聚类自动检测、通过限制搜索范围的检测和维护运动目标缓冲池主动跟踪运动目标 ,还能按目标区域的周期性变化判别目标种类 (人或车辆 )。实验表明 ,系统能够实时可靠地检测、跟踪运动目标并完成判别 ,满足特定的监控要求。另外 ,该运动目标判别方法简单可靠 ,其结果可作为视频序列识别和检索的一项重要特征     

涉及活动超平面的截断型唯一性定理

利用非常数全纯曲线涉及活动超平面的截断型第二基本定理，讨论了全纯曲线的唯一性问题．证明了对于若干个分享q个位于一般位置活动超平面的全纯曲线，若q足够大，则这些全纯曲线在C上必代数相关．     

运动图像跟踪过程中丢帧误差消除技术

为解决传统方法不能自动对跟踪窗口的大小进行调整,造成跟踪定位误差高,无法有效消除丢帧误差的问题,提出一种新的运动图像跟踪过程中丢帧误差消除方法。通过对帧间差分法进行优化,利用每帧获取的背景部分完成背景模型的更新处理,通过当前帧和背景模型的差分获取运动范围。利用优化的Mean-shift法对运动图像进行跟踪处理,采用改进的帧差法对目标边缘进行提取,完成Mean-shift搜索窗口的更新处理,自适应调整跟踪窗口大小。通过适于P帧幅度能量模型对此刻帧与上一帧图像信息的改变程度进行描述,以体现运动图像序列运动分布情况,对运动图像跟踪中的丢帧误差情况进行描述。在此基础上求得运动图像跟踪状态矩阵,完成对丢帧状态参数的处理,将丢帧误差消除,以增强运动图像跟踪质量。结果表明,所提方法误差消除效果好,运动图像跟踪精度高。可见该方法能够对丢帧误差进行有效消除。