纹理特征抽取和纹理识别的神经网络系统

本文提出一个纹理特征抽取和纹理识别的神经网络系统,它含有一基于纹理回归模型的特征抽取网络和一个纹理识别的多层神经网络,尤其是前者是一个能求解回归系数的,神经网络,不仅解决了纹理特征抽取问题,而且解决了一大类采用最小二乘估计的应用问题,因而具有一定通用性.     

贡嘎山东坡森林土壤类型发生学基本特征的研究

论述了贡嘎山东坡森林土壤形成的条件及森林土壤的基本属性,并着重阐述了山原型红壤和山地灰化土的发生学基本特征,且森林土壤的垂直分布规律明显,垂直带谱结构完整.     

贵东岩体花岗岩中晶质铀矿的特征及其找矿意义

本文系统地研究了贵东岩体产铀矿与非产铀矿花岗岩中晶质铀矿的标型特征。据研究结果,贫钍晶质铀矿的含量高是产铀矿花岗岩的基本特征,其晶质铀矿的强烈溶蚀现象是铀活化转移的直接证据,可以将其作为寻找铀矿的标志之一。     

辽宁本溪思山岭铁矿石工艺矿物学

通过化学分析、X射线衍射、光学显微镜、电子探针、MLA等分析手段,对辽宁本溪思山岭铁矿石的化学组成、矿物组成、矿物产出形式、嵌布特征及连生关系等进行了详细研究.结果表明:矿石中的铁主要赋存于磁铁矿和赤铁矿中,主要的脉石矿物为石英和含铁白云石,磁铁矿被赤铁矿交代残余、紧密连生,自形晶粒状铁矿物集合体不规则赋存于石英或白云石矿物中,磁铁矿嵌布粒度微细.此研究结果为该铁矿综合利用提供了重要依据.     

基于光流法的运动目标检测与跟踪算法

选用Harris角点作为跟踪对象,将尺度空间引入角点检测,提取特征尺度上的Harris角点,并进行曲率非极大值抑制,滤除"伪角点",提高角点检测对尺度变化的抗扰能力.跟踪算法选用结合图像金字塔的光流法,迭代计算光流,并提出基于光流误差的跟踪算法,即用不同时间流的运动轨迹在同一帧图像的误差来衡量运动跟踪情况,避免跟踪点因被遮挡、消失或者纹理特征发生变化而导致跟踪失败.通过对不同视频图像进行检测的结果证明基于改进的角点提取和图像金字塔的光流法具有良好的跟踪效果,引入光流误差可以有效地滤除跟踪失败的特征点,准确估计运动目标的位置.     

基于虹膜特征的密钥生成和AES算法的图像加密

针对传统加密算法密钥长、记忆困难、不易安全持有等特点,提出虹膜特征密钥提取和AES加密算法相结合的图像加密算法.该算法利用db2小波分解的虹膜区域,提取第三层的虹膜关键特征高频系数,通过使用随机映射函数生成一个192位的密钥.随后将该算法与经典的Arnold算法的同时应用于图像加密实验.实验结果表明,利用该算法得到的加密图像的安全性更高.     

多尺度积角点检测和视觉颜色特征的鲁棒车牌定位算法

车牌图像包含的尺度、仿射变化及其复杂的背景是影响车牌定位准确度的重要因素。在高斯差（DOG）尺度空间框架下,笔者提出了一种基于多尺度乘积的角点特征和视觉颜色特征提取及其相融合的车牌定位算法。基于高斯差尺度空间的图像边缘信息,应用多尺度乘积分别提取具有尺度和仿射不变特性的角点和颜色特征,并在两特征融合结果基础上确定车牌位置候选区域;最后通过车牌区域特征点之间的距离及密集关系实现车牌的准确定位。对大量实拍的复杂环境下的车辆图像进行测试表明,该算法对车牌定位具有快速、高效的定位效果,且在噪声、仿射变换等方面的鲁棒性表现较好。     

2012年11月福建省多暴雨过程成因分析

为分析2012年11月福建省降水异常偏多的现象,利用统计学和天气学的分析方法,对11月的降水气候特征和下旬3场暴雨的环流形势、影响系统及水汽输送特征进行了分析。整个11月,200 hPa西风急流偏强,在福建省上空有气流的辐散;500 hPa乌拉尔山脊偏强,贝加尔湖槽偏深,有利于冷空气南下;850 hPa为较强西南急流。下旬3场暴雨期间,500 hPa南支槽位于105°～110°E,副高强度偏强;中低层700,850 hPa有切变线和西南急流,850 hPa比湿大于8 g/kg。结果表明,稳定的环流形势、频繁出现的天气系统以及充沛的水汽条件是发生多暴雨现象的主要原因。     

2D-Haar声学特征超向量快速生成方法

针对大数据量音频的高速处理,提出一种快速的声学特征超向量生成方法,有效提高音频识别系统的识别速度和精度.所提方法首先将多个连续音频帧的常用声学特征构成声学特征图,进而使用低复杂度的运算方法在其中快速提取维数达数十万的Haar-like声学特征;然后使用AdaBoost.MH算法,筛选出具有较高代表性的Haar-like声学特征模式组合,用以构成声学特征超向量;进而提出Random AdaBoost特征筛选方法,进一步提高特征筛选速度.实验结果表明,在音频事件识别、说话人识别、说话人性别识别3种场合下,使用Haar-like声学特征可以使SVM、C5.0、AdaBoost等识别算法获得比MFCC、PLP、LPCC等常用声学特征更高的识别准确率,同时可以获得7~20倍的训练速度提升和5~10倍的识别速度提升.      

基于稀疏表示和粒子滤波的在线目标跟踪算法

针对目标跟踪过程中由于外形变化或者遮挡所造成的跟踪效果下降或导致漂移的问题,提出一种粒子滤波框架下基于稀疏表示的在线目标跟踪算法.采用分层梯度方向直方图(PHOG)特征对目标模板进行描述,并且每一个候选模板都可以通过PHOG基向量和琐碎模板进行稀疏表示,进而利用L1范数最小化方法进行最优求解.为保证在遮挡的情况下目标跟踪的精度,对目标遮挡部分和非遮挡部分进行拆分建模,并利用PCA子空间增量学习的方式不断更新目标跟踪模型.通过对具有挑战性的跟踪视频进行定性和定量分析,实验证明该方法在跟踪精度上要优于传统的跟踪方法.