基于Kalman滤波和改进的MeanShift算法的目标跟踪

MeanShift算法因为简单性和稳定性在目标跟踪中得到广泛应用,但是当目标和背景的颜色模型比较接近时,传统的MeanShift算法由于缺少空间信息,且经典的相似性度量函数不易区别,导致跟踪失败。为了克服上述缺点,采用基于空间颜色特征和新的相似性度量的MeanShift算法,并提出一种融合Kalman滤波器和改进的MeanShift算法的目标跟踪方法。首先,利用改进的MeanShift算法计算出当前帧中目标的准确位置,然后使用Kalman滤波器去预测下一个初始搜索位置,用于下一帧中MeanShift迭代,最后实现对目标的跟踪。实验结果表明,该算法可以准确地跟踪目标,并且跟踪的准确率优于传统的MeanShift算法或者Kalman和传统Meanshift的融合算法。     

温度变化对煤层气解吸效果的影响

通过寺河嚎?#煤层的吸附解吸实验,讨论了温度变化对煤层气解吸作用的影响,得出3个结论:①随着温度的升高,解吸率增大,温度降低抑制了解吸作用;②降压解吸过程中,低压阶段煤层气的解吸量较大;③从22℃到38℃,解吸率增加4.5%/3℃,温度增高比压力降低对解吸作用的影响要敏感得多.     

波速线性变化介质中地震波传播特征

根据变速介质中地震波传播所满足的变系数波动方程，推导出波速线变化介质中一维波动方程的解析解，讨论了波速不均匀性对地震波传播的影响：地震波振幅衰减大小与介质速度梯度有关；频率转折点两侧地震波传播性质；频率与地震波波速关系。     

基于有限维线性模型的监督颜色回归恒常性算法

提出了一种监督颜色回归恒常性算法，可将某种光照条件下获得的颜色值转换到囊先确定的标准光照下的颜色值，该算法基于表面反射的有限维线性模型，利用多元线性回归方程的最小二乘法求解转换矩阵和修正矢量，给出了算法的基本思想和实验结果，同以前的算法相比，本算法应用条件几乎不受限制，且简洁有效。     

Impact of urbanization on changes in temperature extremes in Beijing during 1978–2008

To quantify the impact of urbanization on changes in observed surface air temperature and extremes, a homogenized dataset of daily mean, maximum and minimum temperature （Trn, Trnax and Train） observations at 20 stations in Greater Beijing （GBJ） from 1978 to 2008 is analyzed. In contrast with previous studies, a cluster analysis is done to objectively classify observing stations into four categories （urbanized, suburban, rural and mountain）, which is checked with remote-sensing night-light images since the 1990s. At urbanized sites, there is an added warming trend in annual mean Tm representing an average of 10.9% （up to 18.4% or 0.12℃/decade at the most strongly influenced site） of overall warming. Corresponding contributions for Train are 12.7% （up to 20.8% or 0.19℃/decade） and 24% for diurnal temperature range DTR （up to 37.4% or 0.149℃/decade） over the last three dec- ades. Although it has not had a significant impact on daytime records （Tmax）, urbanization has enhanced the increasing （decreasing） trend of extremely warm （cold） nights by an average of 12.7% or 2.07 d/decade （29.0% or 5.06 d/decade） at the urbanized sites since the 1970s.     

羊毛拉伸细化及其效果

分析了有捻毛条拉伸过程中拉伸载荷的变化规律和纤维直径的变化，通过烘燥和沸水收缩率的测量，探讨了细化羊毛的定形效果，并借助扫描电镜照片，分析了细化羊毛的形态变化及其原因。     

西安东郊和蓝田偏白村剖面黄土含水量研究

通过对蓝田县偏白村和西安东郊刘家坡黄土剖面的观测和含水量的测定,研究了黄土含水量变化.结果表明,偏白村黄土地层与刘家坡黄土地层中含水量代表了两种不同的变化类型,偏白村黄土层含水量高,红色古土壤层含水量低;刘家坡黄土层含水量低,红色古土壤含量高.黄土层比红色古土壤层更利于地下水富集,黄土层为含水层,红色古土壤层为隔水层.黄土、古土壤含水性与含水量和古气候密切相关.     

全球变化与地球系统科学研究院简介

<正>北京师范大学全球变化与地球系统科学研究院(下称"全球院")于2008年12月15日正式挂牌成立。在学校领导的大力支持下,全球院实行体制和机制改革,从全世界招聘最优秀的科学家,在过去5年中取得了显著发展,为学校创建国际一流大学做出了重要贡献。团队建设:全球院拥有教学科研人员共计60人,包括10个创新研究团队,其中中组部千人计划专家4人,青年千人专家1人,杰青/长江1人,973/863首席科学家3人,高端人才聚集。科研项目:承担了一批国家级重点科研项目,其中863重点项目1项,课题2项;国家重大科学计划项目2项(973),课题6项,获得自然科学基金23项,总到位科研经费1.2亿元。     

国际上LUCC研究的现状、问题和未来展望

土地利用，覆盖变化(LUCC)是全球变化的主要原因之一，当前LUCC研究已成为全球变化研究的前沿和热点问题。近年来国际上LUCC研究出现了许多新的趋势。本文主要介绍了当前国际上LUCC研究的现状、存在的问题和未来发展趋势，以为我国开展这方面的研究提供参考。     

基于DDR的字典学习在光照变化人脸识别中的应用

针对光照变化人脸识别中大多数现有的人脸识别算法只能单独实施降维或者字典学习而不能完全利用训练样本判别信息的问题,提出了基于判别性降维的字典学习算法。首先,利用经典的特征提取算法PCA初始化降维投影矩阵;然后,计算字典和系数,通过联合降维与字典学习使得投影矩阵和字典更好地相互拟合;最后,利用迭代算法输出字典和投影矩阵,并利用经l2-范数正则化的分类器完成人脸的识别。在PIE及扩展的YaleB两大人脸数据库上得到了验证了所提算法的有效性及可靠性,实验结果表明,相比几种较为先进的线性表示算法,所提算法在处理光照变化人脸识别时取得了更高的识别率。