一种两步HMT文本图像分割方法

引入一种新的文本图像分割方法：两步隐马尔科夫树模型（HMT）多尺度文本图像分割。该分割方法是在文献[1]1的基础上，先将背景分出，再将文本分为文字与图像两种类型，分别建立HMT模型，完成文本图像的分割。最后通过实例阐明了方法的有效性。     

探空火箭图像系统设计方案

作为一种理想的实验平台,探空火箭在微重力科学领域得到了广泛应用.利用探空火箭进行微重力实验,首要问题是如何将实验过程以图像形式记录下来,并实时传回地面台站.因此,箭上图像的实时采集、编码与传输对实验具有重要作用.根据探空火箭微重力实验图像的特点,提出了一种适合于探空火箭图像系统的设计方案.按照该方案,图像系统可根据微重力实验的科学需求.实时调节实验图像的分辨率、帧速率和压缩比.该系统中,箭上的小波压缩单是核心模块,它通过基于硬件级的小波自适应压缩算法实现图像的箭上实时压缩,解码和实时显示则由与之对应的地面小波解码单元完成.     

小波视频图像处理技术

基于小波的视频图像压缩的理论，根据小波变换的基本特点，用小波视频图像处理的关键技术对现有小波视频图像处理技术进行分析，结合软件和硬件的实现方法提出小波视频图像处理的新方案。通过选取最佳的小波基和快速提升小波算法，实现了经小波变换处理后的图像细节部分清晰，层次感强，适合于高压缩比的应用领域要求。     

低信噪比神经元锋电位信号的分类方法

基于离散序列小波变换和主元分析，对低信噪比的神经元锋电位信号提出了新的分类方法。通过对原始信号进行尖峰检测，获得尖峰信号样本，对每个样本进行离散序列小波变换之后，再对小波变换系数进行主元分析，选取主元进行聚类，实现对原始信号的分类。将该方法应用于多电极细胞外记录的小鸡视网膜神经节细胞电活动信号分析，并据此推断出某电极附近的神经节细胞的个数。仿真结果表明，在低信噪比情况下，该方法比单纯通过小波变换进行分类的方法更有效。     

汽车造型特征定量模型构建与应用

针对汽车造型特征难以定量化表达的问题,通过汽车造型特征空间构建和层次分析,对汽车造型的几何特征进行提取,并基于特征关系映射实验对汽车造型语义特征进行分析,构建了基于几何空间、语义空间及其映射关系的汽车造型特征定量化模型,并应用到设计实践中,初步解决了汽车造型设计主要依赖经验而定量工具缺乏的问题.     

Lagrange乘数法的几何直观推导

从几何上，直观地介绍求解一类条件极值问题的Lagrange乘数法，显得很形象、易于理解。另外，用Lagrange乘数法求出的解不一定是条件极值问题的极小值解。利用二阶导数给出了用Lagrange乘数法求出的解是条件极值问题的极小值解的一个充分条件。用该条件判别，比用已有的方法判别简单易行。     

GPS测量中的坐标系统及其变换原理

GPS测量得到的是WGS-84中的大地坐标,而工程施工中通常使用地方独立坐标系,要求得到地方平面坐标。如何实现其中的转换,是GPS数据处理的难点。就此比较详细地阐述了从WGS-84坐标系到1954北京坐标系的空间变换以及1954北京坐标系到地方坐标系的平面转换原理。按实际情况可分为七参数变换、三参数变换和四参数转换,三参数为七参数之特例。     

重复性经颅磁刺激对吗啡依赖小鼠条件性位置偏爱表达的影响

通过检测重复性经颅磁刺激（rTMS）对吗啡依赖小鼠条件性位置偏爱（CPP）表达的影响,探讨rTMS对吗啡依赖小鼠的治疗效应。30只雄性ICR小鼠随机分为对照组、CPP模型组和rTMS治疗组。CPP模型组与rTMS治疗组通过交替注射吗啡和生理盐水建立CPP模型;对照组皮下注射等量生理盐水替代吗啡。在成功建立CPP模型的基础上,rTMS治疗组采用频率为1Hz的低频脉冲磁场进行治疗,每天治疗15min,连续7d;CPP模型组进行假电磁刺激操作;对照组不作任何处理。在rTMS治疗后分别检测三组小鼠的CPP表达并进行比较。结果显示在rTMS治疗的前3d内,rTMS治疗组小鼠的CPP值显著低于CPP模型组（P < 0.01）,且维持在相对稳定的范围内。结果表明1Hz rTMS能有效抑制吗啡依赖小鼠的CPP表达,可能成为戒毒治疗的新方法。     

分数阶Fourier域宽带相干LFM信号的DOA估计

针对具有相同时频分布的宽带相干LFM信号,提出了一种DOA估计新算法.该方法利用分数阶Fourier域前后向空间平滑技术对信号去相干,然后由MUSIC算法估计信号的DOA.这种算法既具有避免矩阵插值和汇聚变换,不需要到达角初始估计等优点,又能正确地估计宽带相干LFM信号的DOA.仿真结果验证了算法的有效性.     

图像目标语义层级结构及其非监督学习算法

根据场景图像中某些目标的特征间具有空间关联性和几何连贯性的空间语义属性,对特定场景的图像序列进行学习,首先提取各图像的尺度不变特征变换(SIFT)特征点,分析每对图像中各匹配特征点对间的几何连贯性,然后根据图像序列特征点矢量间的空间紧密程度进行聚类获得目标对象,从而得到基于空间关联性的一种新的图像语义层级结构(SBOSH),此层级结构图是通过非监督自动学习的过程获得的.由SBOSH结构图不仅可得到各节点上的目标对象,而且能够获得各节点间的空间交互性.所得的SBOSH结构图符合人对场景的逻辑分析,可以应用于场景分析、目标及目标局部精确定位和类目标的识别中.