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。     

浅谈军事训练等级评定改革

组织军事训练等级评定,是检验部队训练质量、促进战斗力提升的重要途径.目前,武警部队军事训练等级评定改革正按照全军的统一部署,进入全面深化的关键阶段.笔者认为,今后要继续在科学确定评定对象、准确界定评定内容、完善优化评定周期、积极拓展评定手段上下工夫,确保军事训练等级评定改革取得扎实成效. 科学确定评定对象,提高评定工作的全面性.武警部队2004年颁布实施的《军事训练等级评定实施细则》规定:军事训练等级评定对象,包括机动师师级以下单位及所属警官和士兵,总队、兵团指挥部所属教导大队和直属机动大队、中队,机动支队级以下单位,执勤支队所属机动大队、中队和教导队,以及所属警官和士兵.可以看出,评定对象还不能涵盖武警部队所有警种,导致部分单位对训练等级评定工作不够重视,参与积极性不高.深化军事训练等级评定改革,科学确定评定对象是首要前提.在单位评定上,鉴于武警部队职能任务不断拓展和遂行任务的经常性,应规定无论是机动部队,还是执勤部队,均可申报军事训练一级单位,并区分机动师、机动支队(团)和执勤师(旅)、执勤支队(团)两类,分别制定评定标准,组织等级评定.在人员评定上,应将机动师、支队(团)级司令、政治、后勤机关副职以下警官纳入军事训练优等个人等级评定范畴,组织执勤师(旅)、执勤支队(团)等级评定时,可将受考单位首长机关、指挥员、执勤士兵和训练基地、教导队教员、学员纳入评定范畴,以充分调动这部分人员的参训热情.     

矢量偏差小波函数（Ⅱ）

基于数学辩证法思想,提出了一种新的小波变换即矢量积小波变换、这种变换对信号处理尤其是高信信号处理十分有用。建立了矢量小波函数、矢量尺度函数和偏差小波函数,它们适合信号分析与处理。分析并提出了一种新的信号表示,并用最优控制理论实现了数值测试,结果表明该方法明显优于传统方法。     

从财政发展中认识财政

我国正处在一个由计划经济向社会主义市场经济转轨时期,财政随之也在转轨。这种转轨必然要使人们重新认识财政,尤其是与现代市场经济相适应的财政。事物发展变化的客观规律同样也反映在人们对财政的认识过程之中,由国家财政——公共财政及公共部门经济。所以,应对现代财政作全方位的新界定。     

微尺度燃烧的实验分析研究

实验采用乙醇为燃料,管径为1.0 mm、0.6 mm和0.4 mm的三种陶瓷管作为燃烧器。由于燃烧器尺度小的特殊性,实验过程中采用体视显微镜来观测火焰形状,用热电偶来测量火焰温度,用可变液位差法和注射泵法来测量乙醇流量。同时,为了揭示微尺度燃烧的特性,需要对实验数据进行无量纲分析,用特征尺寸比例法来处理火焰图像。     

基于主导拮抗抑制的多尺度边缘检测

图像边缘检测算子的抑噪能力和定位精度是一对矛盾,从视觉神经生理学角度出发,提出一种基于主导拮抗抑制的多尺度边缘检测模型。该模型将主导拮抗抑制机制拓展到多尺度处理,通过引入侧膝体拮抗通道的强抑制机制达到自适应抑噪的效果,获得的对比度信息经过简单细胞子域的非线性整合得到锐化的边缘输出,最后将多个尺度的处理结果进行融合,获得最终的边界轮廓。理论和实验证明通过主导拮抗抑制机制和多尺度处理的结合,获得抑噪能力强、定位精度高的边缘检测模型,该模型具有生理学基础,结构简单,计算效率高。     

财产征收、征用中公共利益的界定

因公共利益需要征收私有财产是社会发展中不可避免的。随着城市建设步伐的加快，城市房屋的征收拆迁势头越来越强，由此引发的矛盾越来越多，对公共利益的准确界定成为当务之急。公共利益作为法律概念，在不同法律的不同时期，其概念不尽相同。如何规范这一概念，用何种原则和程序进行界定，是本文探讨的重点。通过对现行法律对公共利益的界定研究，以期对政府征收实践活动有一定的指导意义。     

基于尺度空间理论的角点检测

传统的Harris角点检测是一种经典的角点检测算法,但不具有尺度不变性。研究了一种基于尺度空间理论的Harris角点检测方法。建立Harris的尺度空间函数表示。利用多尺度分析的思想,使在小尺度上的角点精确定位和大尺度上的角点去伪存真。从而克服了传统的Harris角点检测可能存在的角点信息丢失、角点位置偏移和易受噪声影响等问题。试验结果表明,该算法明显地提高了图像角点检测性能。     

基于多尺度压缩感知的信号重构

压缩感知是近几年新兴的采样理论,它指出如果信号在某些基上是可压缩的,那么通过很少的观测即可获得信号的准确重构。当信号采用小波基并在压缩感知的基础上,提出了多尺度压缩感知,数值仿真结果表明多尺度压缩感知可以给出更好的重构效果。