一种基于小波变换的X线图像边缘检测算法

在小波变换的基础上探讨出一种用于X线图像边缘检测的新算法,能够对X线图像进行边缘检测和分割。通过预处理（去噪,增强）、小波变换实现了图像的二值化。采用新算法及传统方法对X线图像进行边缘提取,并对结果进行比较。实验证明该新算法快速、精确、抗噪能力强。     

星空点源背景红外辐射场景生成模型

星空场景建模是空间目标识别与跟踪的关键技术之一.基于中段空间实验红外天文星表(MSX-IRAC),通过位置计算得到该星表内恒星在指定观测时刻、观测地点投影到视场所在平面的坐标,同时利用改进的光谱模板技术,生成视场内所有点源星体的红外光谱(1.2～35 μm),并对光谱积分得到指定谱段的辐射量,最后将恒星位置和辐射信息在二维图像上表现出来,从而实现了一个星空点源背景红外辐射场景生成模型,并通过实例仿真验证了该模型的正确性.     

基于结构聚集度的海面目标特征描述及匹配方法

在对海面目标进行光电图像跟踪时,由于跟踪技术的局限性,跟瞄点往往会出现对目标的"失跟"现象,为了判断这一情况,通常需要对前后帧跟瞄区域的目标图像特征进行对比判别。但红外图像基本不存在颜色及纹理特征,而仅使用形状特征对于持续运动中的复杂目标图像又难以取得良好的效果。为解决这一问题,提出了一种基于目标结构聚集度的特征描述及匹配方法。首先对目标图像进行均匀矩形划分,在此基础上建立基于矩形块填充比的邻域矩阵作为图像特征,计算相邻帧图像该特征的欧氏距离差,并加入面积差参数进行特征匹配。对多种不同情况下的实测及模拟目标进行了计算机仿真实验,结果表明这种特征能够有效判断"失跟"情况,并且对于光学及红外目标旋转具有较好的不变性。     

融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法。该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像素的显著性得分及每个滑动窗口的显著性得分;根据每个滑动窗口的边缘信息及显著性得分筛选滑动窗口。在PASCAL VOC 2007测试集上进行对比实验,其实验结果表明:所述算法能够快速产生定位质量高的候选区域。     

5G军事应用场景及专网部署研究

5G具备高带宽、低时延和广连接的能力,可有效满足不同军事应用场景差异化信息传输的需求.基于军事应用场景的独有特征,构建5G军事应用关键性能指标体系,提取作战指挥、作训演习、后勤保障和特装保障4类典型军事应用场景.根据不同军事应用场景的环境特征和信息传输要求,提出4种5G军事应用专网的部署方案,并提出与现有军用信息基础网络设施融合的可行方式.     

基于模糊均值聚类算法的图像分割

将图像直方图统计特性引入到FCM聚类算法的目标函数中,用混合粒子群优化算法对目标函数进行全局最优求解,提高了图像分割的运算速度。     

网络嗅探的原理及反嗅探技术的实现

介绍了网络嗅探的原理及其潜在的安全隐患,给出了检测网络中是否存在嗅探器的方法,根据不同的网络安全需求,提出了几种可以消除网络嗅探的方案。     

基于场景的C2系统的模拟与评价方法

为适应一体化联合作战指挥控制系统快速决策与实时性能评价的要求,提出一种基于场景的系统快速模拟与评价模型.其优点在于①根据系统需求实现系统的建模、仿真代码自动生成及性能评价.②模型自适应能力强,系统场景设计中的冲突、不完整、安全、性能及行为错误等问题都可以通过仿真过程中不同方面的动态分析检测出来.     

基于时滞分割法的具有leakage项时滞的离散型神经网络状态估计

摘要：研究一类具有leakage时滞的离散型神经网络的状态估计问题．通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件,并通过求解一个线性矩阵不等式（LMI）得到状态估计器的增益矩阵．采用一种新的时滞分割方法将变时滞区间分割为多个子区间,使该结果在获得更小的保守性同时也降低了计算的复杂度．