基于TMS320C6000DSP图像匹配积相关算法的实现

提出了在TMS320C6000系列DSP上实现图像积相关算法的软件方案,重点介绍C6701的设计方案.在该方案中使用了Ping Pong存储区交替、基准图与实时图错位存放、按列扫描输入、基准图和实时图分割与填零扩充等技术措施,解决了片内存储区数量少、图像大小随机变化和存取冲突等难题,并人工优化核心汇编语言程序,充分发挥了C6701的并行处理能力,并在此基础上通过比较得出C6201的实现方案.实验证明,对于72×72实时图与320×320基准图的积相关处理,C6701用时1s,C6201用时0.85s.     

一种基于背景记录和变化检测的视频对象分割算法

MPEG—4引入视频对象的概念，以支持基于内容的操作．视频对象分割是MPEG—4成功与否的关键因素之一．该文提出了一种基于背景记录和变化检测的视频分割算法．通过背景记录，它可克服常规的变化检测算法存在的对阴影和亮度变化敏感的缺点．实验结果表明，它可应用到各种视频序列，并能快速得到准确的分割结果．     

快速模拟退火算法用于噪声图像配准

提出一种基于快速模拟退火的噪声图像配准算法，将模拟退火算法纳入鲍威尔(Powell)直接搜索法可以使优化解不陷入局部极值解而获得全局优化解，而且可大大地提高运算效率。实验表明，该算法能对平移、旋转后的噪声图像进行有效地配准。     

基于目标区域颜色与纹理特征的图像检索

该文提出一种基于目标区域的图像检索方法。该方法首先利用色度直方图完成对图像目标区域的提取；然后以目标区域的纹理特征作为全局图像的特征向量进行图像间相似度的检索。该方法综合利用了图像的颜色及纹理特征，并根据人的视觉习惯以图像目标区域的特征作为图像的检索特征。实验表明，该方法在检索效果和检索效率上都优于利用单一特征或全局特征的检索技术。     

移动Ad Hoc网络拓扑控制研究

概述了Ad Hoc网络拓扑控制的研究现状和一些典型的拓扑控制方法，并提出了一种适用于移动Ad Hoc网络的分布式拓扑控制算法，它通过寻找网络的不同划分(panitions)之间最近的结点对，以最小的能量维护连接的拓扑．该算法与某种路由协议(如优化的链路状态协议)相结合，从而该拓扑控制机制几乎没有额外的控制开销．通过对网络拓扑的控制，可显著增加多步(multihop)移动无线网络的性能和网络寿命。     

硅酸盐中Si—O~(br)键与Si—O~(ter)键相对强度的量子化学研究(英文)

用ab-initio法对硅氧烷及硅酸分子的研究指出,在硅酸盐中,由于电子的局域性,体系的总能量可以向结构单元或双中心分割:从而可以得到Si-O~(br)比Si-O~(ter)更稳定。用这些结果可以解释硅酸盐的许多性质。     

基于小波分解的痕迹灰度图像边缘检测

针对痕迹图像边缘检测的特征，给出了一种新的基于小波多尺度分解的分层图象边缘检测方法，其基本思想是先对源图像进行小波多尺度分解，其次在不同尺度的子带图像上进行基于局部区域特征的软阈值滤波。最后再进行小波重构，以提取图像的边缘。实验结果表明，该算法比其它算法提高了痕迹图像边缘的检测精度，是十分有效的。     

基于Logistic映射的图像保密通信

将Logistic映射产生的混沌序列作为载波，利用序列具有的良好相关特性，提出了一种图像保密通信方案。计算机仿真结果表明，只要收发双方使用相同的初值条件，即使在有一定噪声的情况下也能正确地进行图像传输，而初值的微小差异将导致通信失败，表明混沌序列用于保密通信具有很高的安全性能，同时方案具有很强的抗干扰能力。对图像恢复质量进行了评估，并给出了误比特率与码片长度的经验公式。     

基于Snake模型的图像目标轮廓自动跟踪方法

针对实验数据像素灰度的分布特点，提出了一种对目标轮廓线进行有效和可靠的搜索和跟踪策略．由于数据中病变组织与其邻近组织像素灰度差别相对明显，首先通过来用一种改进的轮廓自动跟踪方法对目标轮廓进行跟踪，将得到的轮廓线经采样得到其离散控制点作为Snake轮廓搜索和跟踪算法的输入，既克服了Snake方法对初始轮廓线控制点分布的局限性，又避免了采用单一轮廓跟踪方法跟踪目标轮廓线的不确定性，提高了分割病变组织的速度和准确性，此方法具有较高实用意义。     

一种新的基于投影矩的三维图像配准方法

提出一种投影矩的概念，并将其用于三维医学图像的配准．与传统的几何矩相比，投影矩不仅可以完各地描述图像的特征，而且计算量较小，因而可以将其用于三维图像的实时配准．选取待配准的2幅三维图像若干阶投影矩差的平方和为目标函数，采用Powell方法求取最优解，得到配准结果．将方法应用于一些模拟和实际数据，获得了较高精度的实验结果；并且缩短了整个计算过程的时间．这表明投影矩在多模态医学图像的配准和融合等方面具有潜在的实用价值．