基于同态滤波及多尺度Retinex的低照度图像增强算法

针对在彩色图像采集过程中,光源偏暗或曝光不足等因素,常导致图像亮度和对比度偏低问题,提出了一种改进的低照度图像增强算法。首先用改进的同态滤波增强低照度图像的RGB各分量;然后将RGB图像转换到HSV彩色空间,对饱和度分量进行自适应非线性拉伸;同时用改进的多尺度Retinex算法对亮度进行增强处理,对照射分量用伽马变换进行校正,对反射分量用Sigmoid函数进行处理,最后将图像再转换至RGB空间。用MATLAB对图像进行仿真处理。实验表明该算法提高了低照度图像的信息熵、峰值信噪比和对比度,提升了低照度图像的视觉效果。     

L-fuzzy闭包空间的层紧性

文章引入了 L F闭包空间及其层紧性的概念 ,并且用滤子和网给出了层紧性的等价刻画 ,证明了层紧性在C连续的 L-值 Zadeh型函数下是不变的 .最后给出了链所具有的特征。     

用球面多项式最佳逼近阶刻画Besov空间

设Ｅｎ（ｆ）ｐ表示ｆ∷Ｌ＾ｐ的ｎ次最佳逼近,Ｅｎ（ｆ）ｐ＝ｄｉｓｔ（ｆ;ｎ,Ｌ＾ｐ）－ｉｎｆ＾ｈｎ∈ｎ｜｜ｆ－ｈｎ｜｜ｐ,Ｄ＾ｐ．ｒ表示序列型子空间,则在球面函数的Ｈｏｌｄｅｒ范数下,Ｄ＾ｐ．ｒ为Ｂａｎａｃｈ空间,且有结论：若ｆ∈Ｌ＾ｐ（１≤ｐ〈∞）以及ｒ,ｎ∈Ｎ,则有Ｅｎ（ｆ）≤ｃｏｎｓｔＫ．（ｆ,ｎ＾－ｒ,Ｌ＾ｐ,Ｄ＾ｐ．ｒ）。又用球面函数的Ｈｏｌｄｅｒ范数,定义了一类Ｂｅｓｏｖ空间,用球面最     

矩阵向量空间上线性变换的对角化

由矩阵A定义了n阶矩阵空间Mn(F)上的若干线性变换φA,研究了其线性变化的对角化问题:在A可以对角化的前提下,利用A的特征根与特征向量得到了φA的特征根和特征向量,进而得出φA可以对角化.用A的互异特征根的重数得到了KerφA的维数和范围,用φA的特征向量得到了KerφA的基.     

基于神经网络的空间柔性机械臂PID快速学习控制

针对自由漂浮柔性空间机器人的轨迹跟踪问题,提出一种径向基函数（RBF）神经网络控制策略.首先建立漂浮基柔性空间机器人的非线性动力学方程,考虑到RBF神经网络良好的逼近能力,柔性臂的非线性逆动力学模型通过RBF网络来逼近,采用PID控制器与神经网络控制器来共同保证系统稳定性,其误差代价函数由PID控制器提供,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整来实现快速学习能力.仿真结果表明了这种RBF神经控制器能够达到较快的误差收敛速度.     

Lukasiewicz三值逻辑度量空间中的反射变换

在Lukasiewicz三值逻辑度量空间中定义了反射变换φ和(准)对称逻辑公式,探讨了反射变换φ的性质,证明了φ保持逻辑等价关系和(准)对称逻辑公式,且为同态变换.研究了φ在商代数——Lindenbaum代数上诱导的反射变换φ*的性质.证明了φ*是自同构的等距变换,进而讨论了φ*的不动点的性态,得到了4类特殊的不动点形式[A]∨φ*([A]),[A]∧φ*([A]),[A]φ*([A])和[A]φ*([A]).     

基于矩形宏模块的片上系统布图规划算法

布图规划和布局是集成电路片上系统物理设计的基本问题之一。总结了作者提出的几个新的布图规划和布局优化算法及其特点。基于随机优化算法 ,提出了角模块序列表示方法和基于这一表示方法的包含各种布图约束的布图规划和布局算法。提出的基于约束图的布图规划表示 ,为研究序列队 (SP)、变形网格 (BSG)、有序树 (O- tree)等表示之间的关系奠定了理论基础。基于“最小自由度优先原则”,提出了迄今最快的确定性布图规划与布局算法。提出了基于解空间平滑的布图规划和布局算法。该算法与基于模拟退火的算法相比性能更加健壮稳定。在解空间平滑中首次考虑了局部平滑效应 ,这是对解空间平滑方法从原理上的重要改进     

浅析豫西南山地传统石板民居的聚落空间及建筑特征——以淅川县土地岭村为例

以豫西南山区淅川县土地岭村传统石板民居为例,在大量实地勘察测绘基础上,从村落选址、聚落、空间组织、院落平面布局、结构特征及材料构成几方面,论述豫西南山地传统民居的聚落空间和建筑特征.对豫西南山地传统民居的保护和发展进行探讨.     

风水理念对中国传统建筑选址和布局的影响

中国传统建筑文化内涵丰富,其各种建筑活动几乎无不受到所谓风水理念的深刻影响．从通俗和专业两个不同角度对“风水”这一概念进行了解释,并分析了中国源远流长的风水理念对传统建筑选址和布局的影响,从而总结出在风水理念影响下的中国传统建筑空间构成特征——重重封闭的内向性空间．     

基于相空间重构的神经网络短期风速预测

针对风速具有较强的混沌特性,预测难度较大,提出了一种基于相空间重构的神经网络短期风速预测方法:对数据进行小波降噪,运用互信息法和虚假最近邻点法确定最佳的延迟时间和嵌入维数,对样本空间进行重构,使新的样本能够表征原始时间序列动态特性,更能反映风速变化特性。在此基础上运用BP神经网络进行短期风速预测。实验结果表明短期风速预测精度得到提高。