基于等高线的图像特征表达

结合多尺度图像分解技术和等高线理论提出了一种图像特征表达方法.该方法的独特之处在于将经验模态分解技术应用于图像的梯度模,而不是直接应用于图像本身.对梯度模图像进行经验模态分解,获得表示图像不同尺度下变化信息的固有模态函数,取携带丰富图像特征的前两个固有模态函数进行叠加,对叠加后的固有模态函数求取等高线,以实现对图像特征的提取和表达.实验结果表明,这种图像特征表达方法,不仅可以捕获图像中不同灰度变化属性信息,而且可以获得图像的几何结构,对图像的弱特征信息也有较好的表示能力.     

多目标跟踪的序贯分层抽样信任传播算法

多目标视觉跟踪除了具有单目标跟踪中观测模型与目标状态后验概率分布的非线性、非Gauss的困难外，目标数目可变、数量众多以及目标之间的相互作用（如遮挡、交错）使得跟踪问题更为困难。基于三个耦合的Markov随机场（MRFs）导出了描述多目标跟踪问题的动态Markov网络（DMN），然后提出序贯分层抽样信任传播算法在DMN中求解多目标状态。首先用三个耦合MRFs表示每一时刻目标的配置情况，即表示目标联合状态的连续随机场、表示目标存在与否的二值随机过程和表示相邻两个目标之间是否存在遮挡的二值随机过程；其次，引入两个鲁棒函数来消除其中的两个二值随机过程，从而得到与耦合MRFs等价的Markov网络；最后提出序贯分层抽样信任传播算法求解该图模型，从而得到目标联合状态的最大后验概率估计。提出的序贯分层抽样信任传播算法集成了自底向上通过学习得到的目标检测器信息和来自目标节点的信任信息，从而能获得较好的跟踪结果。进一步，其他底层视觉线索也可以很容易嵌入本文的多目标跟踪框架中。实验结果表明，在多种测试序列情况下，与其他多目标跟踪算法相比，本文的方法均可以获得较好的跟踪效果。     

相控阵雷达信号的无损压缩算法

提出了一种基于可逆整数小波变换（IWT）的雷达信号实时无损压缩算法，雷达回波信号是一个非平稳的随机过程，首先用IWT滤波器对雷达信号进行分解，将小波系数分割为重要系数图和残余系数图两部分；对重要系数图用改进的SPIHT算法进行量化编码，最后一次阈值为分割阈值；对残余系数图按位平面采用基于自适应上下文模型（context-based model)算术编码压缩，并比较不同上下文模型对压缩效果的影响，实验结果表明，该算法具有实时性和易于并行实现的特点。     

视感知激励——多视觉线索集成的贝叶斯方法与应用

视觉线索可看作视感知的一类冲激或称为激励. 在贝叶斯估计理论估计的框架内, 通过以概率形式描述视觉线索来研究视感知过程的认知机理, 探索一种多视觉线索信息统计集成方法. 这种方法在计算机视觉尤其是视频分析领域得到了广泛应用. 介绍多视觉线索贝叶斯集成的基本思想和一些最新的研究成果, 结合作者的研究工作讨论在贝叶斯概率模型框架下实现多视觉线索信息统计集成方法及相应的算法, 同时针对复杂背景下视频目标跟踪应用实例和多目标跟踪中的目标交错问题, 探讨了多视觉线索信息统计集成与视感知过程的关系, 并提出了多视觉线索贝叶斯集成方法及其应用中需要进一步探讨的新问题.