基于八向链码的矩的快速计算及2—D目标识别

提出一种直接基于八向链码的矩的快速计算方法，给出了与多边形近似法矩的计算及形状识别时间比较，最后使用不变性矩和人工神经网络完成了２－Ｄ形状。实验结果表明，本文所提出的方法具有更高的计算和知识速度。     

多尺度边缘检测中尺度因子的选择

基于二种典型边缘的尺度空间边缘检测结果，分析实际计算过程中数字信号的最小分辨率对尺度因子进化的约束，导出了尺度因子对给定边缘和最小分辨率的关系不等式。该结果从实了献计献策的角度解释了尺度定理的产生原因，同时为多尺度边缘检测中尺度因子进化步长的选择提供了依据。     

一种改进的全局Retinex图像增强算法及其仿真研究

Retinex理论认为物体对光线的反射能力决定其颜色,故该算法就是从图像中获得物体的反射性质来得到物体本来面貌.为了消除传统Retinex算法假定两像素点入射光分量相同而导致图像颜色失真的缺陷,提出了-种改进的Retinex方法,该方法使用原像素灰度值与以它为中心高斯平滑后的灰度值间的差异来校正原像素点.仿真结果及两种评价标准表明,该方法更具准确性,增强效果优于传统Retinex算法.     

一种具有SA预报能力的GPS KALMAN滤波器

对ＧＰＳ定位中的ＳＡ误差作了系统辨识。表明：ＳＡ误差可用时变ＡＲ（ｐ）模型表述，ＡＲ（ｐ）的时变参数可由ＲＬＳ算法结合Ｆ判据建立的ＡＲ（ｐ）模型辨识机获得。用该方法获得的模型对ＳＡ误差进行预报，在剔除野值后精度在１０ｍ之内。还提出了一种将以ＡＲ（ｐ）模型表述的ＳＡ误差加入ＧＰＳ ＫＡＬＭＡＮ滤波器的方法，可得到一种具有ＳＡ预报能力的ＧＰＳ ＫＡＬＭＡＮ滤波器。     

一种基于遗传算法的小波神经网

网络的优化学习是人工神经研究中的一个重要问题.将遗传算法全局性优化搜索和小波分析的时-频局部性特点相结合,本文提出了一种基于遗传算法学习的小波神经网络--遗传算法小波神经网络(WNNGA).三位异或问题和双螺旋问题的实验结果证明,遗传算法小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力,而且具有遗传算法全局快速寻优的特点,是多层前向神经网络学习的一种理想算法.     

基于不变性矩的3D目标识别

提出一种直接使用３Ｄ信息的目标识别方法。３Ｄ不变性矩可作为任意３Ｄ形状的表示特征且具有平移、旋转和尺度变化的不变性，人工神经网络的训练过程对应于主动式机器视觉的内部建模过程，该方法适应于３Ｄ主动式机器视觉的目标识别。     

基于小变换的2D形状分析

提出一种以小波变换为基础，可以对2D形状进行旋转对称性检测、边级轮廓的角点位置确定，并使方向规划化的分析方法，该方法的特点是：方便、准确、适合于多分辨率分析和噪声图象分析。     

基于不变性矩特征的人工神经网络2—D形状识别

在２－Ｄ不变性矩快速计算的基础上，利用人工神经网络，使用不变性矩完成２－Ｄ形状的识别。实验结果与现有文献的结果比较，本文采用的方法具有特征数目少、意义统一、识别快速、准确的特点。