分形的小波分析

从Fourier变换引出小波变换,以多尺度分析建立小波与分形的联系,然后对分形插值函数和分形Brown运动方程进行小波分析.     

基于复杂网络的作战系统结构研究

信息化战争的现实需求推动着作战系统的发展变革,其结构组成日益呈现复杂化和网络化的特点.基于复杂网络理论和网络中心战思想,将作战系统进行纵向节点划分,建立起四重网格立体模型,并从拓扑结构定性分析出发,推论出其内部组成具有小世界和无尺度的基本特征,为进一步将复杂网络研究成果运用到作战系统中提供了理论参考,具有积极的现实意义.     

改进的光学图像边缘检测融合算法

鉴于目前用于光学图像边缘检测的方法的局限性;针对光学图像的边缘检测特性,提出了一种基于小波和Canny理论相结合的融合算子;利用相似度性质,综合评估了融合算子与其他经典边缘检测算子相比的优越性;通过实验仿真,表明该融合算子能够较好地提取运动中的光学辐射目标的边缘.     

极端曝光图像的多尺度分解细节感知融合算法

针对极端曝光(欠曝光和过曝光)图像动态范围低的问题,提出一种基于多尺度分解细节感知的图像融合算法。欠曝光图像经过细节增强后,与过曝光图像进行初步的粗融合;采用小波变换对细节增强后图像的亮度分量进行多尺度分解,并设计专门的高频和低频融合策略,实现亮度分量的精融合;将粗融合图像的色调、饱和度分量,与精融合图像的亮度分量重组,获得最终的融合结果。基于大量测试数据,实验结果表明所提方法在视觉效果方面表现优异,平均MEF-SSIM指标为0.985 4,平均SSIM指标为0.650 8,均优于现有主流算法。     

基于复杂网络-灰靶理论的网络空间攻防方案评估

网络空间作为新型作战域,具有作战类型多样化、作战速度瞬时化、作战效果可传播等特性,对时效性、整体性和级联性的高要求奠定了其作战方案的重要地位。从网络空间攻防背景出发,基于复杂网络构建网络空间攻防方案评估指标体系,运用灰靶理论建立评估模型,并将其应用于实际场景,验证模型的科学性和准确性,弥补了网络空间攻防模拟训练和指挥人才培养等领域的研究空白。     

一种融合显著性的Adaboost的电视制导图像变尺度目标快速检测方法研究

电视制导过程中随着弹目距离的减小,目标图像会呈现尺度的非线性放大,现在传统的目标检测方法,不能满足目标尺度的精确变化,导致目标定位偏差,且检测计算量大,无法达到实时性。本文将基于剩余谱的显著性检测方法融入Adaboost检测过程,并应用于电视制导图像的目标检测中,能够对海面或沙漠等背景较为单一的区域进行快速目标检测,且检测窗口能够准确适应目标尺度的变化。     

一种基于SIFT特征的抗几何攻击水印算法研究

尺度不变特征变换描述子已经应用于数字图像水印的构造,但图像存在相似区域时易造成误匹配问题,基于此提出一种改进的RIT—SIFT数字图像水印算法．水印嵌入时先对图像进行分块,然后将水印分别嵌入子块的非下采样Contourlet变换低频子带中,既简化了水印嵌人又增加了嵌入容量．图像匹配时利用SIFT算法在原始图像中寻找局部特征点,将旋转不变纹理特征信息融合到传统SIFT特征向量中,更加全面地描述图像信息,提高了匹配精度．实验结果表明,提出的算法是有效的,对全局和局部几何攻击、组合攻击以及常规攻击均具有很好的鲁棒性．     

鲜为人知的海上布靶兵

这是一支特殊的部队。他们没有驾驭战舰却常穿越在大洋深处;他们没有操枪弄炮却常接受炮火的洗礼。海军某试验船大队靶队是一支专业海上布靶兵。多年来,该单位官兵夏战风浪,冬战风雪,成功布设各类靶船数千艘次,为海军现代化建设做出积极贡献。然而,他们的很多故事一直鲜为人知。拖船追着靶船行这本是一次新型火炮实弹射击任务。布靶兵们随着拖船拖着千疮百孔的炮靶往回撤的途中,海上风浪愈来愈烈,海浪不时铺天盖地地涌过来,靶船像一匹难以驯服的野马没命似的使劲挣扎着。猛然,随着“喀嚓”一声巨响,靶船挣断了粗大的缆绳,随风疾驰而去。此时…     

近代战列舰的技术发展

在19世纪,世界各国海军的战列舰从风帆动力发展为蒸汽动力,船体材料由木质发展到钢材,舰炮的口径日益增大,舰炮攻击能力以及装甲防护不断增强。特别是20世纪初以后,各主要海军强国的战列舰发展很快,其作战方式和作战概念也随之发生了很大变化。这些发展和变化主要源于一系列先进技术的运用,主要体现在以下4个方面,即总体设计思想、舰炮、主机和防护装甲,先进的技术运用推动了世界各国海军对战列舰的更新和发展。     

基于二进小波变换的噪声图像自适应增强新算法

针对图像增强算法通常会放大原图像中噪声分量的问题,提出了一种基于二进小波变换的图像增强新算法。该算法充分利用了二进小波变换的平移不变性和各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大和边缘失真问题。此外,算法具有高度的自适应能力,适用性更强。实验结果表明,与目前已有的各类多尺度图像增强算法相比,该算法在抑制噪声和凸显图像特征两方面均有明显改进。