有限对数级亚纯函数的Julia方向和Borel方向

亚纯函数的奇异方向是值分布论理论中重要的研究对象,其中Julia方向和Borel方向是最重要的奇异方向,很多学者都对其进行了研究,但是探讨奇异方向关系的研究并不多见,尤其是研究有限对数级亚纯函数的Julia方向和Borel方向的关系的结果尤其少见。基于此,利用线性分式变换构造出一类有限对数级的亚纯函数,其具有Julia方向△θ,但△θ不是此函数的Borel方向,此结果解决了Tien-Yu Peter Chern的一个问题。     

基于曲波变换的视网膜血管图像增强算法

视网膜血管图像存在像素对比度低等特点,干扰正常的视网膜图像分割.针对视网膜血管的图像特性,提出了一种改进的基于曲波变换的视网膜血管图像增强算法.首先选取视网膜图像的绿色通道分量进行预处理,然后通过对变换系数的自适应增强完成图像的增强处理,并结合改进的形态学变换,实现图像细节的增强和背景噪声的抑制,使得图像对比度得到增强,细节信息更加明显.通过与其他增强算法的比较表明,该算法在增强对比度、降低噪声干扰等方面优于其他算法.     

基于高提升滤波与àtrous小波分解的遥感图像融合算法

针对àtrous小波分解过程中的细节损失以及融合结果边缘模糊等问题,提出一种基于高提升滤波和àtrous小波分解的遥感图像融合算法.首先,利用àtrous小波变换得到第一层小波面,然后将获取的小波面作为非锐化模板进行高提升滤波,最后将滤波后的影像作为高频分量参与àtrous小波重构得到融合图像.基于北京地区的高分一号影像进行了算法验证,结果表明本算法优于传统小波域中的图像融合算法,对于城镇等建筑密度比较高的地区,融合后的影像保留了更多的细节信息,可以更好地支持城市变化检测和城市土地利用分析等方面的应用研究.     

基于小波变换的智能天线波达方向估计研究

对比两种经典的智能天线波达方向(Direction of Arrival,DOA)估计算法——延迟-相加算法、多重信号分类(Multiple SignalClassification,MUSIC)算法,提出了一种基于小波变换的智能天线波达方向估计算法(Smart Antennas Direction of Arrival Eseimation Based on Wavelet Transformer,SADOAWT),该算法利用小波变换,将来波信号变换在多尺度频域,针对不同频域采用不同算法以实现分辨率、计算复杂度的高度兼顾.计算机仿真结果表明,新算法复杂度较低,克服了延迟-相加算法分辨率低、副瓣较多的缺点,避免了MUSIC算法遇到相关信号分辨率降低的问题.     

一类带有界面条件的奇异摄动弱非线性边值问题

研究了带有界面条件的弱非线性边值问题,借助Schauder不动点定理建立带有界面条件的弱非线性边值问题的上下解理论,通过边界层函数法构造形式渐近解,证明解的存在性.     

齐次Poisson冲击模型中元件寿命递增的条件

证明元件寿命在齐次 Poisson 冲击模型中依期望序、反向失效率序、反向平均剩余寿命序、增凹序、Laplace 变换序等增加的充分条件,是促使元件失效的随机冲击次数也依相应的随机序增加.     

基于多小波统计特征的纹理图像检索

为了研究多小波性能,对多小波系数分布的统计特性进行了研究.多小波在实数域能同时具有正交、对称、短紧支撑和高消失矩等特性,单小波却不具有上述的性质,因此在理论上多小波比单小波具有更多的优势.提出并验证了多小波系数直方图服从于指数族分布;根据多小波的特点研究了其系数分布的一阶、二阶矩(共生矩阵)和系数直方图的统计特性,并应用于纹理特征的提取.通过理论分析和在纹理图像检索的对比实验说明在冗余预滤波方式下,采用二阶统计矩方法时多小波优于单小波.     

一种基于混沌序列定位的跳频盲水印算法

对基于混沌序列定位的跳频盲水印算法进行了研究.采用跳频技术,利用描述图像自身特征的分形维数对图像块进行分类.根据图像块的种类决定水印嵌入的频带,将图像块的分类信息和一维混沌映射的初始条件作为密钥,由产生的混沌序列确定水印在频带中嵌入的位置,再通过系数关系比较的方法嵌入水印信息.实验结果表明,该算法在满足水印透明性的同时,水印信息在噪声干扰、图像处理、图像压缩及各种人为恶意攻击条件下具有很好的鲁棒性.采用跳频技术和混沌序列定位增强了该算法的安全性.     

两时间尺度的捷联速度算法研究

根据奇异摄动理论分析具有小参数的捷联惯导系统方程,在两时间尺度上对系统状态方程进行了降阶简化处理,设计捷联算法.在内回路推力速度矢量计算中,应用一种新的划船补偿算法补偿比力转换过程中载体姿态变化产生的速度误差.在外回路中进行重力地速计算,完成导航坐标系上速度的更新.仿真结果表明:新算法精度与Savage四子样算法近似,计算量小.     

一种基于皮层变换的图像融合方法

提出一种基于皮层变换的图像融合方法. 该方法模拟生物视觉皮层中简单细胞的响应特性,将单幅图像映射成一系列分辨力及方向各异的子图像,子图像中每个像素代表了视觉皮层中某个神经元的响应. 通过简单的展开运算和加法操作就可实现逆变换. 仿真实验表明,较之于基于最大绝对系数和最大方向对比度的小波变换融合方法而言,该方法在交叉熵和对比度意义上性能更佳. 对于某些源图像而言,其主观效果亦更好.