为了满足对多个目标的全视景监视和跟踪需求,给出了一种基于多探测器的全视景多目标监视及跟踪系统设计方案,该方案利用视频拼接技术和多目标跟踪算法,实现对目标的360°监视和跟踪,并实时输出目标的位置信息。首先对比了四种实现全景监视和跟踪的技术途径的优劣,确定采用多探测器拼接技术构成全景监视和多目标跟踪系统,接着介绍了上述全景监视和多目标跟踪系统的组成和原理,给出系统设备在厂内和外场的试验验证效果,试验结果表明系统监视和跟踪效果满足设计要求。该系统满足军、民用全景监视和多目标跟踪领域的使用需求。

目前现有的PM2.5模式预报值偏离实况观测值较大。针对上述问题, 从上海浦东气象局获得2012年11月~2013年11月的PM2.5实况观测浓度、PM2.5模式预报(WRF-CHEM)浓度和主要气象影响因子的模式预报数据资料, 在PM2.5模式预报数据的基础上, 加入另外5个主要气象影响因子的模式预报数据, 应用支持向量机(SVM)建立动态预报模型, 提高PM2.5未来一小时浓度预报的精度, 并且与径向基神经网络(RBFNN)、多元线性回归法(MLR)、WRF-CHEM作对比。实验结果表明: 该算法较大提高了PM2.5未来一小时浓度预报的精度, 预报精度优于RBFNN、MLR和WRF-CHEM, 并且对PM2.5浓度变化剧烈的情况具有较好地预报能力。

：目前反演台风内核风场时多采用线性回归方法进行建模，针对基于线性回归法的台风内核风速拟合效果较差的缺点，提出一种基于径向基函数神经网络(RBFNN)和偏微分方程(PDE)结合的红外卫星云图有眼台风内核风速和云图灰度建模方法。首先采用基于测地活动轮廓模型的PDE提取有眼台风的眼壁，获得台风眼壁空间位置和亮度数据；然后结合台风年鉴给出的台风近中心最大风速数据基于RBFNN进行有眼台风内核风速和云图灰度建模。实验结果表明：该算法改善了台风内核风速拟合效果，算法性能优于传统的线性回归法。

采用工业频率为2.45 GHz的高温微波法制备了纯基质相的CaS∶Eu2+红色发光材料, 激发波段为410～580 nm, 发射峰值波长为654 nm。在微波输入功率为1.0～1.1 kW的条件下, 可以获得纯基质相CaS∶Eu2+发光材料; 在1.2～1.3 kW功率范围, 获得的样品中含有CaO杂质相, 且颗粒团聚严重。其中, 1.1 kW制备的CaS∶Eu2+样品相纯度最高, 发光性能最优。微波功率的变化本质上揭示了固体颗粒的介电损耗因子及其加热特性的变化, 体系涉及的非平衡反应机制促使了纯基质相的形成, 并影响材料晶相结构、粒径、形貌和发光性能。结果显示, 高温微波制备技术通过控制输入功率及其物料的介电损耗性质, 能够获得纯基质相并且颗粒小、团聚少的荧光粉。

在分析云背景红外图像空间分布上存在混沌现象的基础上，提出一种基于脑模型控制器的红外背景预测算法.该方法利用混沌具有短时可预测性的特点，对云背景图像进行预测，并根据云背景杂波和运动目标的混沌特性差异修正预测模型.仿真结果表明，该算法能有效地提高云背景的预测准确度，预测残差符合白噪音特性，对云背景杂波具有良好的抑制效果，能显著提高目标的信杂比，从而改善目标的检测性能.

采用水平衰减全反射傅里叶红外光谱法(HATR-FTIR)测定罂粟和虞美人的FTIR, 由于两者为同科同属中药材, 所含化学成分较为相近, 为了更好地突出罂粟和虞美人在FTIR上的差异, 并据此进行正确分类识别, 利用离散平稳小波变换(DSWT)分别对罂粟和虞美人的种皮和种仁的FTIR进行若干尺度的变换, 从中选择2个最具代表性的尺度作为特征提取的尺度空间。 根据罂粟和虞美人的FTIR分布情况, 确定将DSWT域内2个尺度的FTIR分别划分为2个特征区域并以每个区域内的光谱能量作为特征参数。 从而构造一个包含8个特征参数的特征向量, 将这个特征向量输入到径向基函数神经网络(RBFNN)进行训练, 从而达到正确识别罂粟和虞美人的目的。 实验中共取罂粟和虞美人的FTIR数据128对, 其中训练样本78对, 测试样本50对。 实验结果表明利用文章的方法对罂粟和虞美人的正确识别率分别为99.8%和99.9％, 从而验证了方法的有效性。

提出一种基于离散平稳小波变换的变换域的数字图像水印嵌入和提取算法。本算法先将数字水印图像进行置乱变换(Arnold 变换)，然后将置乱后的水印图像进行混沌加密，将加密后的水印按行展开成一维行向量，并将像素值从大到小排序，将原始图像平稳小波分解得到的低频系数也按行展开成一维行向量，并按从大到小排序。将排序后的水印图像嵌入排序后的低频系数中，变回二维后结合其它频域重构出水印图像，水印提取是嵌入过程的逆过程，将提取出的水印图像进行混沌解密、Arnold 反置乱变换得到原始水印图像。本算法选择了合适的水印嵌入位置，实验结果表明：该算法使图像的不可见性好，而且所嵌入的水印对一般的图像处理攻击如噪声、滤波、旋转、压缩等有较强的鲁棒性。

针对红外图像的特点,提出了一种基于遗传算法的自动模糊分割红外车辆目标图像的方法。首先选取图像的感兴趣区域以加快运算速度;然后对感兴趣区域图像进行模糊增强,借助于二维OTSU方法对增强后的感兴趣区域进行阈值分割,为了加快分割算法的速度,先限定一个最佳阈值范围,再利用遗传算法在此阈值范围内自动搜索最佳分割阈值;为了弥补单独利用二维OTSU方法分割的不足,采用缩短模糊边缘宽度的方法来提取感兴趣区域红外车辆目标图像的边缘。最后把二维OTSU方法分割的图像与模糊边缘提取得到的边缘图像进行或运算后进行填充以得到最终的车辆目标分割图像。实验结果表明,对于红外车辆目标图像,一维OTSU和二维OTSU算法只是基本分割出了红外车辆目标的主体,而本文提出的自动模糊分割技术不仅准确分割出了红外车辆目标的主体,而且对于坦克的模糊炮塔亦得到了完整的分割。

本文对医学图像先采用DPCM预测变换后,再选择IWT(整数小波变换)对其进行分解,对分解后的低频和高频子带分别作无损Huffman编码和有损矢量量化。根据小波分解后系数的分布特征,能量大部分集中在低频部分,对低频进行无损熵编码,对高频采用量化处理,去除人眼不敏感的冗余信息。最后利用处理过的低频和高频系数进行重构获得压缩后的图像。并与传统的离散小波变换压缩编码,JPEG和JPEG2000进行比较,实验结果表明,利用该方法能得到较高的压缩比和较好的压缩效果。

提出一种新的基于二维连续小波变换的图像边缘检测方法.算法充分利用连续小波变换探测信号奇异性的能力和小波的多分辨率特性.对图像进行二维连续小波变换后,直接对各个分解层的正的小波系数或负的小波系数利用阈值法初步确定图像的边缘点,然后利用"投票选举法"综合各个尺度的边缘信息.这种方法不需要进行边缘点连接,可以直接得到光滑连续的边缘.实验结果表明,新方法能够准确探测图像中目标的整体轮廓和细节信息,在性能上优于传统的两种边缘检测算子.