网络远程控制软件的设计与实现

根据Client／Server的程序设计模式，介绍了网络远程控制软件的设计途径，给出了网络管理中屏幕抓取、远程关机、远程计算机键盘锁定、远程计算机IP地址获取功能模块的设计和实现方法，具有一定的实用性。     

基于小波变换的数字遥感影像无损压缩编码系统的设计与开发

针对遥感影像的海量数据对其自身应用的影响，指出了研究图像压缩技术的必要性，从实用的角度出发，采用面向对象的技术方法，设计并实现了基于小波变换的数字遥感影像无损压缩编码系统。     

用例建模技术在需求获取中的应用研究

统一建模语言(UML)为面向对象系统定义了一个统一的标准.使用UML提高了与不同背景领域专家、工作流专家、软件工程师和其他专业人员的沟通,UML可以用在各个方面.在描述用例建模技术原理的基础上,重点讨论了它在实际系统中的应用,并对一些相关问题进行了探讨.     

应用高分辨率卫星遥感影像进行土地利用动态监测

对应用高分辨率卫星遥感影像进行土地利用动态监测的关键技术进行了讨论，给出了土地利用动态遥感监测的工艺流程。     

影像技术:一个人类生命的总体化表征

本文从存在于人类大脑中的精神现象--意象的考察开始,分析了近现代诸多关于技术的观念,从而认为媒介符号系统是意象的技术显现,而在形态各异的技术显现活动中,影像技术表征着人类整体化生命意象的显现.影像技术由于其能够吸纳每一个时代的重要技术而成为各种技术系统的神经中枢,从而不断地推进着人类历史上最为重要的科学技术活动:复制、延续与创造生命.     

一种高精度遥感影像配准融合方法

介绍了一种实用的高精度遥感影像配准、纠正、融合方法．该方法将数字摄影测量技术应用于遥感影像定量化处理，不仅解决了长期困惑遥感信息定量化处理的理论和实际应用问题，而且为大规模生产提供了实用的手段，使遥感信息定量化处理步入实际应用的新阶段．     

贾樟柯影像的文化意蕴

贾樟柯生于1970年,山西汾阳人,1997年毕业于北京电影学院文学系电影理论专业。他是中国新生代电影导演群体的中坚,“故乡三部曲”之《小武》《站台》和《任逍遥》成为新生代电影的重要代表。同时他身体力行,参与并引导了中国新兴的青年DV电影创作活动。从某种意义上说,关注“贾樟柯现象”其实就是对中国新生代电影研究关键词的一种梳理,如边缘化、平民视角、现实主义、都市化、新DV运动和美学转型等等。本期的四篇论文中,美国明尼苏达大学JasonMcGrath教授的论文《我对贾樟柯电影的一些看法》从比较电影研究的视角,强调贾樟柯早期影片创作在新纪实运动的影响下逐渐显露出独特的现实主义风格,这种“如其所是”的现实影像不同于政治现实主义和第五代的寓言式电影,从而表现出国际艺术片普遍具有的世界性美学特征。林少雄教授《贾樟柯影像的文化意蕴》从身份认同观念、视像书写意识、时间感悟体验与空间建构意识等方面,探讨中国新生代导演全新的“影像本体”美学的建构过程。刘志荣博士《漫谈贾樟柯的“故乡三部曲”》从切实的感性实感出发,指出贾樟柯电影是从日常生活中升腾起来的“无邪”之诗,这源于导演本人对于生活世界保持的开放态度以及对文化之根的溯求。王卓慈副教授《修复失忆的影像表达》则以贾樟     

MAPGIS平台下获取地理信息系统数据探讨

为了满足实际工作中获取地理信息数据的需要,通过具体获取实验,对在MAPGIS平台下获取地理信息系统数据进行了研究,得到了利用国产地理信息系统软件MAPGIS获取基础地理信息数据的多种实用方法,该方法在实际工作中是可行的,可以根据具体情况进行选择;通过进一步对各种方法进行比较分析,得出各种方法优缺点和实际工作中方法选择的一般规律,为类似工作提供了借鉴.     

面向脑MR影像分割与偏置场修正的FCM方法

传统模糊C-均值(fuzzy C-means,FCM)算法以及结合空间信息的改进方法在分割脑磁共振(magnetic resonance,MR)影像时对噪声十分敏感,且无法消除脑MR影像中的偏置场。针对上述问题,提出一种面向脑MR影像分割与偏置场修正的FCM方法。该方法充分利用图像中的空间局部信息和非局部信息,分别构造出多局部信息模糊因子和非局部权重,在提高算法抗噪性的同时,尽可能多地保持图像细节;建立偏置场模型,以去除脑MR影像中的灰度不均匀性;将提出的多局部信息模糊因子和非局部权重嵌入到带有偏置场模型的FCM方法中,以实现噪声和偏置场条件下的脑MR影像分割。实验结果表明,与其他方法相比,所提方法对脑MR影像中的噪声具有更强的抑制能力,且能够有效消除偏置场对脑MR影像分割的影响,具有更优的分割性能。     

基于深度极限学习机的高光谱遥感影像分类研究

高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱遥感数据的地面物体精确分类是高光谱遥感技术的核心应用之一.针对高光谱遥感影像的分类问题,提出一种基于深度极限学习机(D-ELM)的分类方法.该方法利用一种新的深度学习模型——深度极限学习机对高光谱遥感影像进行分类,并与基于极限学习机(ELM)、支持向量机(SVM)、核极限学习机(ELMK)分类方法进行了比较分析.研究结果表明:相对于ELM、SVM、ELMK分类方法,D-ELM分类方法能够更加准确地挖掘高光谱遥感影像的空间分布规律,提高分类的准确度.