面向植被边坡的地基SAR高相干点选择

基于高相干点进行相位分析,才能有效保证地基SAR（Synthetic Aperture Radar,合成孔径雷达）形变测量的准确性。在差分干涉测量领域中,广泛使用幅度离差法,可以有效地选择出岩石、建筑物等PS（Permanent Scatterer,永久散射体）点作为高相干点,但对于植被边坡,采用该方法选择出高相干点数量较少,不利于差分干涉处理。在星载SAR领域,普遍采用StaMPS方法解决植被边坡的高相干点选择问题。本文探索了StaMPS方法在地基SAR领域的适用性,提出采用非PS点来计算相干系数门限,并引入DS（Distributed Scatterer,分布式散射体）选择技术,进一步提高了高相干点的数量。对一处植被边坡的实验结果表明,相比于幅度离差法和StaMPS方法,改进方法在提高高相干点数量的同时,有效保证了其相位质量。      

基于Gabor小波的人脸检测

提出了一种新的正面人脸检测算法。该方法组合了Gabor小波变换、输入图像的Gabor特征分析和Bayes分类器来进行正面人脸检测。对训练集的平均脸作Gabor小波变换得到40个投影向量；通过计算输入图像和这40个投影向量间的内积来提取图像的Gabor特征向量；训练Bayes分类器来进行正面人脸检测。实验结果表明，该算法的计算效率和检测精度均优于特征脸方法。     

基于ARX模型的锂离子电池荷电状态在线估算

准确估计锂电池荷电状态(state-of-charge,So C)是电源管理系统的核心技术问题之一。针对锂离子电池等效电路模型参数难以获取这一关键问题,该文采用自回归各态历经(autoregressive exogenous,ARX)模型建立锂电池等效模型,由基于赤池信息量准则的遗传算法确定ARX模型的阶数,采用递推最小二乘法获取模型系数;然后利用得到的模型系数和锂电池状态方程构造自适应卡尔曼滤波(adaptive Kalman filter,AKF)算法所需方程,再由卡尔曼迭代方程求出锂电池SoC,文中将这种估计锂电池SoC的方法称为ARX-AKF算法。最后,通过多组对比实验,验证了该算法的有效性和准确性。实验结果表明:在混合动力脉冲能力特性实验和美国城市循环工况下,采用该算法的锂电池SoC估计误差分别在0.5%和0.8%以内,从而证实了该算法具有一定的工程应用价值。     

基于经验模式分解和匹配追踪的人脸检测

提出了一种新的正面人脸检测算法。该方法利用经验模式分解和匹配追踪算法来提取人脸特征,训练Bayes分类器来进行分类判决。在FERET人脸库中与特征脸(Eigenfaces)方法进行了比较,实验结果表明,该算法的计算效率和检测精度均优于特征脸方法。     

小波包变换在人脸识别光照补偿中的应用

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法.该算法首先将人脸图像变换到对数域,并在对数域中计算2维小波包变换,通过舍弃部分子带图像中的系数来实现人脸图像的非均匀光照补偿.由于人脸光照补偿的目的是为了提高人脸识别性能,所以光照补偿的效果利用人脸识别率来表征.在Yale B人脸库中,与对数域离散余弦变换(DCT)光照补偿算法进行了比较,实验结果表明,本文方法的人脸识别平均误识率可以达到0.53%,比对数域DCT方法具有更好的性能.     

基于反锐化掩模法的图像增强研究

图像增强是图像处理中的重要内容,目前人们已经提出了多种图像增强的方法,但是这些方法会放大噪声或引入新的噪声.利用反锐化掩模法对图像增强进行了研究,由于小波分析的多尺度特性,该方法可以有效地消除噪声,并且具有良好的增强效果.     

基于Gabor小波和局部线性嵌入的人脸识别

提出了一种新的人脸识别算法。该算法采用Gabor小波和一种新颖的方式来提取人脸特征,利用局部线性嵌入（Locally Linear Embedding,LLE）算法来实现数据的非线性降维处理,最后训练基于欧式距离的最近邻分类器进行分类判决。在ORL人脸库中与PCA方法、Gabor小波+PCA方法和直接的LLE算法进行了实验比较,实验结果表明,提出的Gabor小波+LLE的方法具有更优的性能。     

基于反锐化掩模法的图像增强研究

图像增强是图像处理中的重要内容 ,目前人们已经提出了多种图像增强的方法 ,但是这些方法会放大噪声或引入新的噪声。利用反锐化掩模法对图像增强进行了研究 ,由于小波分析的多尺度特性 ,该方法可以有效地消除噪声 ,并且具有良好的增强效果     

基于MATLAB的IIR数字滤波器设计研究

IIR数字滤波器属于经典数字滤波器的一种，详细描述了利用功能强大的MATLAB编程语言设计IIR数字滤波器的方法和步骤。     

基于标准化欧式距离的双向特征匹配算法研究

基于特征的匹配算法是图像配准的重要内容,针对传统SIFT匹配法存在的重复匹配、多对一匹配、正确率不高等问题,本文提出了基于标准化欧式距离的双向特征匹配算法。该算法首先通过SIFT算法对特征点进行提取,然后用标准化欧氏距离对特征描述符进行度量,接着采用双向特征匹配算法对特征点进行匹配,最后以RANSAC算法对匹配对进行提纯。实验结果表明,使用标准化欧氏距离进行双向匹配,具有更高的准确率。