基于非均匀B样条曲面的DTM内插模型

对非均匀B样条曲面在数字地面模型(DTM)内插中的应用进行了研究,首先探讨了非均匀B样条曲面基本理论及其最小二乘解法,然后提出了基于非均匀B样条曲面的DTM内插算法,最后利用提出的B样条算法与目前一些常用的内插算法,对数学曲面与实际地形进行了试验和比较.试验结果表明B样条算法具有良好的精度和稳定性,能较好地改善在构建DTM时常出现的“梯田”现象.     

基于特征塔集的遥感图像融合方法

提出了图像特征塔集的概念，给出了一种基于特征塔集的融合方法．算法主要包含两部分，子图像的融合及对应残差图像的融合．图像的大部分能量和信息包含在子图像中，因此，在图像金字塔的子图像融合过程中，特征塔集的构造由局部能量和局部熵组成．考虑到残差金字塔包含了原始图像的边缘或高频成分，因此采用梯度作为其融合特征．最终的融合结果，可利用金字塔反变换获得．由于将残差金字塔也引入到融合算法的设计过程中，因此融合的精度得到一定的提高，另外，采取简单的金字塔可以有效地控制算法的复杂度．实验结果表明了算法的合理性和有效性．     

几类允许代数正的符号模式矩阵

考虑三对角符号模式矩阵和爪形符号模式矩阵,讨论了三对角符号模式矩阵和爪形符号模式矩阵是否允许代数正.借助组合矩阵论和图论的方法,给出了这两类符号模式矩阵允许代数正的必要条件.最后,分别给出了n阶三对角符号模式矩阵和n阶爪形符号模式矩阵允许代数正的等价条件.     

一种基于分离思想的超分辨率复原方法

针对光学图像，从光学系统成像机理出发，建立了一种图像退化的分层模型，指出了造成图像分辨率降低的若干关键因素(衍射效应、欠采样等)．提出了一种用于超分辨率复原的分离方法，并引入了级联模板算法。该方法降低了计算的复杂度，实验结果表明了算法的有效性。     

基于散度的不同焦点图像融合方法

把散度的概念引入到图像分析中,考虑到图像在不同方向上的性质不同,提出了一种基于散度的相关性拉普拉斯变换不同焦点图像融合算法.首先对源图像进行相关性拉普拉斯分解,获得图像的低频和高频分量;然后对低频分量采用平均能量法进行融合,对高频分量利用图像梯度场的散度作为显著性特征进行融合;最后对融合后的图像分量进行拉普拉斯反变换重构出融合图像.实验结果表明该方法的保真度更高,边缘信息保留性能更好.     

一类不连续发展型集值方程的广义单调迭代法

利用序理论及广义单调迭代法研究了一类非线性不连续发展型集值方程，引入序理论给出其迭代格式，在空间中通过一个正凸锥定义一个序结构，并给出此问题的迭代格式（即广义单调迭代法），应用序理论得到连续问题迭代解的收敛线果，还给出一个合理的离散格式及其数值解法，在局部上半利曾希茨条件下，研究解集的收敛性。     

一种基于模糊集和小波变换的图像融合方法

提出了一种基于小波变换和模糊集的图像融合算法 .其基本思想是 :首先对图像进行小波变换 ,获得图像的低频和高频分量 ;随后在融合过程中 ,对低频和高频分量采取不同的融合策略 ,即对低频分量采用平均能量法进行融合 ,对高频成分利用图像的模糊集 ,寻求一个模糊隶属函数作为融合算子进行融合 ;最后再对融合后的图像进行小波反变换 ,重构出融合后的图像 .实验结果证明了方法的有效性 .     

基于创建解动态控制和局部搜索合并的蚁群算法

为了加快蚁群算法的收敛性和改善解的合理性,提出了一种改进的蚁群算法。该算法提出一种基于动态控制的策略,其目的是确保蚂蚁在搜索前期采用最大概率探索解,而在搜索后期,每只蚂蚁都在当前最优解附近搜索解,这在一定程度上提高了算法的收敛性能;其次,为得到更合理的解,对每只蚂蚁的局部搜索解中加入合并机制,这样集成了多个蚂蚁对最优解的搜索性能。实验结果表明:该方法性能优于传统的蚁群算法。     

基于时空联合的水下运动目标检测方法

提出了一种基于时空联合的运动目标检测算法,考虑到四阶累计量对于噪声具有较好的抑制作用,利用帧差的四阶累计量来提取运动区域(运动模板),与传统基于背景噪声方差的阈值确定方法不同,采用单帧图像上的有效带宽作为阈值,从而消除诸如水草、海洋生物等引起的背景纹理缓慢变化.为了得到准确的分割对象,引入马尔可夫随机场,结合区域的时空属性,把对象分割问题转化为求取区域最小能量问题,对水下噪声起到了较好的抑制作用.实验结果表明该算法能够有效地检测出具有精确边缘的水下运动目标.     

一类非线性不连续集值算子方程的广义单调迭代法

探讨了一类非线性不连续集值算子方程的数值解法，使用Heikkila Lakschmikantham提出的广义单调迭代法以及序理论的方法，在一种较为一般的条件下给出迭代解法并给出了若干解集收敛性的结果。