基于局部重要性采样的SAR图像纹理特征提取方法

合成孔径雷达（Synthetic aperture radar,SAR）图像因为相干斑现象和目标响应的空间变化呈现出一种纹理特性,局部二进编码等局部图像特征 在光学纹理描述中获得较好的结果,但光学纹理特征在描述SAR图像纹理特性中因为相干成像特性往往失效. 本文 在前期工作纹理特征框架的基础上,提出了一种局部重要性采样二进编码的SAR图像纹理特征（Feature extraction based on local important sampling binary,LISBF）描述方法:首先,利用样本图像对局部采样位 置进行随机自适应采样,基于重要性采样（Important sample,IS）方法输出递归学习位置结果;然后,利用学习出的纹理重要采样点对进 行二进特征编码;最后,通过映射和统计生成描述算子. 该特征较固定位置采样能够获取更大范围信息,同时能通 过采样避免特征维数的急剧增大;通过自适应学习重要性关键点较随机采样 更容易捕捉纹理固有信息;较好地适应了SAR图像极低信噪比和斑点现象的纹理. 本文将该特征用于真实图像和标准纹理库的分类研究,实验结果证明了该特征的有效性.     

A binary approximating method for graspable region determination of biped climbing robots

For a biped pole-climbing robot (BiPCR) with grippers, it is an essential demand to determine the target grasp configuration for climbing and transiting between poles, with the graspable region as a priori knowledge. The graspable region on the target pole is critically important for climbing path planning and motion control. To efficiently compute the graspable region for a BiPCR, we propose a novel binary approximating method in this paper. This method may also be applied to generate the three-dimensional (3-D) workspace of a manipulator with constant orientation. The grasping problem and the concept of graspable region for a BiPCR are first introduced. The binary approximating method and the corresponding algorithms are then presented to generate the graspable region. Additional constraints on a biped climbing robot with five degrees of freedom (DoFs) are presented as a supplement to the algorithm. A series of comprehensive simulations are conducted with the five-DoF and six-DoF climbing robots to verify the effectiveness of the proposed method. Finally, the dexterity of biped climbing robots with different DoFs is discussed.     

基于FDA-KDE间歇过程在线监控

针对基于传统的多向主元分析(Multiway Principal Component Analysis,MPCA)方法用于间歇过程在线监控时需要对新批次未反应完的数据进行预估,从而易导致误诊断,且统计量控制限的确定是以主元得分呈正态分布为假设前提的缺陷,结合Fisher判别分析(Fisher Discriminant Analysis,FDA)在数据分类及非参数统计方法核密度估计(Kernel Density Estimation,KDE)在计算概率密度函数方面的优势,提出了一种FDA-KDE的间歇过程监控方法。该方法首先利用FDA求取正常工况数据和故障数据的Fisher特征向量和判别向量,获得Fisher特征向量的相似度:然后在提出偏平均集成平方误差(Biased Mean Integrated Squared Error,BMISE)交叉验证法确定KDE的带宽从而获得相似度统计量控制限的基础上,利用已获得的数据测量值对过程进行监控,避免了基于MPCA方法对未来测量值的预估;最后采用基于Fisher判别向量权重的贡献图方法来进行故障诊断。通过对青霉素发酵间歇过程应用表明,所提出的方法比传统的MPCA方法能更及时地监测出过程异常情况,更准确地判断异常发生的原因。     

一种融合多模式单演特征的人脸识别方法

为了更好地利用单演幅值和区域主方向信息,分别提出了一种单演韦伯差异激励局部块二值模式和单演区域主方向模式,并在此基础上进一步采用分块子模式策略融合两种特征。该方法首先对单演幅值求取差异激励,将差异激励分解为正值和幅值图像;然后对正值和幅值图像采用基于分块的局部二值模式编码,采用主成分分析方法求取单演区域主方向,并对主方向进行均匀量化,再采用异或编码。在获取两种特征后,采用分块子模式的策略对两种特征进行加权融合。在AR和CAS-PEAL上的实验表明,MWLMBP和MDOP两种特征提取方法能够有效提取图像的判别信息,进一步融合两种特征的方法能够有效增强特征的分类能力,提高特征的识别性能。     

折半查找算法在电子会议系统调试中的应用

关联性故障代表单元的查找定位是电子会议系统调试的关键环节。为了提高查找定位效率,提出了一种基于折半查找的快速定位算法。通过对电子会议系统中干线上的代表单元可靠度的分析,把代表单元的故障情况转化成随着代表单元数量动态变化的量化数据,构成一组有序的可靠度数据,将工程调试问题转化成数据分析问题,引入折半查找算法,设计高效准确定位故障代表单元的算法,并进行了算法效率分析。该方法操作简单,无需借助特殊工具即可应用于复杂环境下电子会议系统的现场调试。     

累积正态分布函数的逼近函数综述

Fisher z变换是一个显式的初等函数,用来逼近累积正态分布函数（标准正态分布的累积分布函数）。介绍了累积正态分布函数逼近函数的评价标准,对有代表性的逼近函数表达式及相应的最大距离误差值进行归纳总结。     

多流形判别分析在人脸识别中的研究

局部保持投影LPP(Locality Preserving Projection)是一种有效的非线性降维方法,能够使投影降维后的数据与原输入空间中的相似局部结构保持一致,但是该方法没有充分利用类间样本点的权重等重要信息。为了解决这个问题,提出基于Fisher准则的多流形判别分析FMMDA(Fisher Multi-Manifold Discriminant Analysis)方法。结合Fisher准则训练样本类内拉普拉斯图和样本均值类间拉普拉斯图,既保持了原样本的相似局部结构,又充分地利用了不同类别之间的权重。在ORL及Yale人脸库上验证了该方法的有效性。与其他几种最先进的方法相比,FMMDA方法取得了更好的识别效果。     

一种检测单晶炉热场温度的新方法

为去除单晶炉热场温度测量信号中的低频干扰、提高温度信号的估计精度,本文提出了一种基于跨维模拟退火(trans dimensional simulated annealing,TDSA)的单晶炉热场温度检测方法.该方法首先将AIC(Akaike information criterion)信号个数判断准则纳入采样机制中以便对干扰个数采样估计,进而利用所设计的基于信号频谱和轮盘赌思想的Metropolis Hastings机制对相应个数的干扰频率进行采样,最后设计了混合均匀和高斯采样机制对单晶炉热场温度进行采样估计.仿真和单晶炉工程实验结果表明,该方法在干扰个数未知的情况下,能够有效地抑制低频干扰、准确检测单晶炉热场的温度.     

基于多域特征提取和决策层融合的人脸识别

为了提取人脸图像丰富、有效的互补特征集,建立三种基于空域、频域和u域(分数阶傅立叶域)的特征提取模型,分别为基于局部二元模式(LBP)的空域多分辨率特征提取模型与基于频域和u域混合特征提取模型。在决策层,用加权和的方法对三种模型得到的相识度矩阵进行融合得到总的相识度矩阵,用最近邻分类器进行分类得到识别结果。实验表明,该方法能提取出丰富、有效的判别特征,与基于单一特征形式的人脸识别方法相比,识别效果得到了较高的改善。     

基于弹性网格混合特征的脱机手写维文识别

手写体维文识别技术的关键在于特征提取方法的选择。为探求一种可靠性高、可分性强的脱机手写维文特征提取方法,在分析现有方法的基础上,结合维吾尔文字词自身的特点,提出一种在局部特征上基于弹性网格区域笔划密度、方向分解特征,在全局特征上提取交叉点、环、弧形笔划、附加笔划、外围轮廓特征的混合特征提取方法。通过在IFN/ENIT标准数据库及自采样数据集的聚类分析实验,识别正确率分别达到85%、84.3%。结果表明,方法综合统计特征和结构特征提取的优点,具有较强的抗扰能力,可分性优于GSC法。