为了实现对卫星视频图像序列的运动目标进行跟踪，提出了一种背景建模与添加实际条件约束相结合的卫星视频运动目标检测算法。首先，针对卫星视频图像序列的背景建立背景模型。然后，把接下来各帧图像同该模型相比较，进行减法运算，所得偏差为运动区域。最后添加满足卫星实际情况的约束条件，根据卫星视频的分辨率估算出运动目标合理的像元尺寸,从而滤掉噪声。将本算法在PC端进行实现，并与三帧差法和背景建模法的检测准确度进行对比。实验结果表明：本算法对卫星视频图像序列运动目标检测的准确度可达83.6%，三帧差法检测准确度为6.1%，背景建模法检测准确度为21.0%。从实验结果可以看出，本文算法可以比较准确地对卫星视频图像序列进行运动目标检测。

提出了基于最大收益的捆绑疏导算法(MRA)来解决光网络中具有多种物理约束的业务量疏导问题。MRA首先在物理拓扑上逐个放置业务, 随后捆绑细粒度业务、实现管道实例化。即考虑业务的路由情况, 将其在物理拓扑上的路由都视为单跳的细粒度管道, 然后使用基于深度优先搜索的方法来检查哪些业务能够捆绑到一起形成多跳粗粒度的潜在管道, 以节省中间节点的细粒度交换容量。再从这些粗粒度的潜在管道中, 使用最大收益的方法遴选出具有最大成本收益的无冲突集合, 并加以实例化。仿真结果显示, 在处理多个物理约束时, MRA在容量和实现成本上均优于现有的算法, 并且它能处理多达百个节点以上的大网络中的业务量疏导问题。