针对实际应用场景下，小麦籽粒图像背景单一以及小麦不完善粒的不完善特征大多是局部特征而大部分图像特征与正常粒无异的特点，提出一种基于细节的图像增强（IE）的小麦不完善粒识别方法。首先，使用交替最小化算法约束原图在水平方向和竖直方向的L0范数来平滑原图作为基础图层，并用原图减去基础图层得到图像的细节层；然后，突出细节层后将其与基础图层叠加以增强图像；最后，将增强后的图像作为卷积神经网络（CNN）的输入，使用加入了批正则化（BN）层的CNN对图像进行识别。分别以经典分类网络LeNet-5、ResNet-34、VGG-16和在其中添加BN层的这些网络作为分类网络，增强前后的图像作为输入来进行分类实验，并以测试集准确率评估性能。实验结果表明，三个经典分类网络均在添加了BN层后而使用相同输入时的测试集准确率提高了5个百分点，在使用细节增强后的图像作为输入时三个网络的测试集准确率提高了1个百分点，以上二者联合使用时三个网络均获得超过7个百分点的测试集准确率提升。

针对图像描述生成中对图像细节表述质量不高、图像特征利用不充分、循环神经网络层次单一等问题，提出基于多注意力、多尺度特征融合的图像描述生成算法。该算法使用经过预训练的目标检测网络来提取图像在卷积神经网络不同层上的特征，将图像特征分层输入多注意力结构中，依次将多注意力结构与多层循环神经网络相连，构造出多层次的图像描述生成网络模型。在多层循环神经网络中加入残差连接来提高网络性能，并且可以有效避免因为网络加深导致的网络退化问题。在MSCOCO测试集中，所提算法的BLEU-1和CIDEr得分分别可以达到0.804及1.167，明显优于基于单一注意力结构的自上而下图像描述生成算法；通过人工观察对比可知，所提算法生成的图像描述可以表现出更好的图像细节。

针对骨干粒子群优化（BBPSO）算法易陷入局部最优、收敛速度低等问题，提出了基于核模糊聚类的动态多子群协作骨干粒子群优化（KFC-MSBPSO）算法。该算法在标准骨干粒子群算法的基础上，首先，采用核模糊聚类方法将主群分割为多个子群，令各个子群协同寻优，提高了算法的搜索效率。然后，引入非线性动态变异因子，根据子群内粒子数以及收敛情况动态调节子群粒子变异概率，通过变异的方式使子群粒子重新回到主群，提高了算法的探索能力；进一步采用主群粒子吸收策略与子群合并策略加强了主群与子群之间、子群与子群之间的信息交流，提高了算法的稳定性。最后，利用子群重建策略，结合主群与子群搜索到的最优解，调节子群重建的间隔代数。通过Sphere等6个标准测试函数进行对比实验，结果表明，KFC-MSBPSO算法和经典BBPSO算法以及反向骨干粒子群优化（OBBPSO）算法等改进算法相比寻优准确率至少提高了约11.1%，在高维解空间内测试结果的最佳均值占到83.33%并且具有更高的收敛速度。这说明KFC-MSBPSO算法具有良好的搜索性能与鲁棒性，可应用于高维复杂函数的优化问题中。

针对实际公共场景视频的人数统计中存在的背景干扰、光照变化、目标间遮挡等问题，提出一种结合特征图谱学习和一阶动态线性回归的人数统计方法。首先，建立图像的尺度不变特征变换（SIFT）特征与目标真实密度图之间的特征图谱映射模型，利用SIFT特征和前述映射模型得到包含目标和背景特征量的特征图谱；然后，根据通常监控视频中背景变化较小、特征图谱中的背景特征量相对稳定的特点，由特征图谱的积分与真实人数通过一阶动态线性回归建立人数回归模型；最后，通过该回归模型模型得出估计人数。在数据集MALL和PETS2009上进行实验，实验结果表明：与累积属性空间方法相比，所提方法平均绝对误差降低了2.2%；与基于角点检测的一阶动态线性回归方法相比，其平均绝对误差降低了6.5%，平均相对误差降低了2.3%。

针对网络安全审计中对应用层协议审计能力不足的问题，提出一种基于改进正则表达式（RE）规则分组的内网行为审计方案。首先，通过正则表达式对需审计的协议进行描述，并设置相关参数，使内网中出现频率高和审计中相对重要的协议状态在正则表达式描述集中取得高优先级；然后，在正则表达式交互值小的前提下，尽可能地将高优先级协议状态表达式构建到相同自动机分组中以生成审计引擎；最后，根据审计需求，改变相关参数，实现对内网行为的安全审计。实验结果显示，所提出的自动机构建算法在转化时的状态数缩减为经典非确定有限状态自动机（NFA）转化算法Thompson的10%~20%，检测时的吞吐量约为传统自动机分组引擎的8到12倍；所提审计方案能够满足对应用层协议进行安全审计的需求，具有较高的准确性和效率。

为快速有效地去除监控视频中运动目标的投射阴影，提出了一种基于超像素和阴影区域的局部颜色恒常性的自适应阴影去除算法。首先采用改进的简单线性迭代聚类算法将视频图像中的运动前景分割为互不重叠的超像素；然后计算了RGB颜色空间中背景与运动前景的亮度比率，并分析了阴影区域的局部颜色恒常性；在此基础上，以超像素为基本处理单元，计算亮度比率的标准差，并利用阴影区域标准差的特征及其分布规律提出基于拐点的自适应阈值算法检测并去除阴影。实验结果表明，该算法可以适用于多种真实场景下的阴影检测，且阴影检测率与目标识别率均超过85%；基于超像素处理可以大幅度降低算法的计算复杂度，该算法每帧平均处理时间为20 ms。该算法可以同时满足阴影去除对准确度、实时性和鲁棒性的要求。

为了准确地检测出复杂网络的社团结构,提出一种基于信号自适应传递的社团发现方法。首先使信号在复杂网络上自适应地传递,从而获取网络中各节点对整个网络的影响向量,然后把网络中节点的拓扑结构转化成代数向量空间上的几何关系,最后结合聚类特性发现网络中的社团结构。为获取更加合理的空间向量,提出最佳传递次数,缩小搜索空间,增强算法寻优能力。该算法在计算机生成网络、Zachary网络和美国大学生足球赛网络上进行实验测试, 并与GN算法、谱聚类算法、极值优化算法和信号传递算法进行实验对比,社团划分的准确性和精确性均有所提高,证明该算法具有有效性和可行性。

针对现实网络攻防环境中防御措施的滞后性以及攻防对抗过程中双方收益不完全相等的问题，提出一种基于非零和博弈的主动防御策略选取方法。首先依据攻击者与系统的博弈关系，结合网络安全问题实际情况提出网络安全博弈图;其次在此基础上给出一种基于非零和博弈的网络攻防博弈模型，结合主机重要度以及防御措施成功率计算单一安全属性攻防收益值，进而根据攻防意图对整体攻防收益进行量化；最后通过分析纳什均衡得到最优主动防御策略。实例验证了该方法在攻击行为预测和主动防御策略选取方面的有效性和可行性。

针对属性权重未知且评价数据为多维时序的信任度排序问题,提出一种基于线性规划理论的信任度排序方法。首先使用线性规划模型确定一维时序下属性权重未知的多个节点信任度排序上下限向量,然后建立多维时序下信任度的最优协调排序模型,再将模型转化为典型指派问题并利用匈牙利算法进行求解,从而得到各个节点的信任度排序。实例分析表明,当最优协调排序模型中距离参数q取低值时,对极值数据不敏感,可以防止少数评价数据突变造成的误评; 当q选取高值时,对极值数据较敏感,可以识别受评对象中信任度摇摆不定的潜在不诚实对象。

针对G3标准中卷积码的码率单一且码率较低，数据速率损失大的问题，分析了G3标准的正交频分复用(OFDM)低压电力线载波通信系统模型，提出了一种基于RS编码、卷积编码、增信删余编码以及重复编码和二维时频交织的前向纠错编码设计方案，并重点介绍了利用增信删余方式来提高码率的方法。最后通过对该方案的仿真实验得出，在该方案下卷积码的码率由1/2提高到了2/3,在不增加译码复杂度的情况下提高了数据速率，能够实现有效而可靠的通信，可广泛应用于低压电力线通信。

通过对非结构化P2P网络资源搜索方法的研究，提出了一种P2P覆盖网络。网络采用多路平衡树形拓扑结构，当新节点加入时在其与根节点的各子树间创建仅参与查询消息第一跳转发的快捷连接，搜索过程中利用快捷连接实现查询消息在根的各子树间并行转发并且不依赖根节点。仿真比较了所提网络同Gnutella和随机漫步网络的性能，所提网络具有低消息冗余率、高搜索成功率和较低的平均搜索时间复杂度。分析结果表明所提网络在资源搜索方面是高效可行的。

为了得到较理想的车道标识线的边缘，考虑车道标识线的方向特性,提出一种基于边缘分布函数（EDF）的图像预处理方法。将图像分区处理，在对图像中的噪声特性进行EDF分析的基础上，对处理区域作如下处理：首先将梯度角量化为4-方向，去除与车道标识线方向不一致的噪声，得到边缘图像；然后利用EDF对边缘图像滤波，确定车道标识线角度初值；最后应用Hough变换定位出车道标识线。实验结果表明,该方法能够更加有效地强化车道标识线信息，去除噪声，具有较好的鲁棒性和实时性。

无线传感网的感知节点部署后需要进行软件维护和功能扩展，因此远程代码更新已变成一种不可或缺的服务。在分析MOAP、Deluge、Ripple等代码分发协议的基础上，设计了一种高可靠、低能耗、低存储、低延迟的多跳代码更新机制Air_update。该机制通过重新设计Bootloader来保证加载代码镜像的正确性、完整性以及节点重编程异常后的可用性；同时，采用子集到子集的分发协议、单播请求的重传策略、滑动窗口的存储管理机制，以减少代码分发的通信量和SRAM、EEPROM的使用量，降低能耗，延长网络的生命周期。最后通过组网实验验证了设计的正确性与有效性。

针对点云简化算法中边界点丢失的问题，提出了一种保留边界的三维散乱点云的非均匀简化算法。首先利用kd-tree建立散乱数据点云的空间拓扑关系，计算出每个数据点的k邻域;然后针对目前依据点云分布均匀性算法提取边界效率低的问题，提出一种改进的点云边界点判定算法;最后保留所有边界点，对非边界点,根据曲面变分值和k邻域点已保留比例，进行点云的非均匀简化。实验结果表明，该算法精度高，空间复杂度低，而且简化后点云边界保留完整。

针对岩心扫描图像信息缺失的修复问题，提出了基于整体变分模型的修复算法。利用图像待修复区域邻域的参考像素信息,从待修复区域边缘逐步向待修复区域内部扩散，同时采用了邻域相关系数来衡量待修复区域邻域边界对目标像素点的影响程度,对算法进行了改进。通过仿真实验表明，改进后的算法与原方法相比，修复效果得到了改善，可以有效完成对于岩心图像的修复。

提出了一种基于非局部算法的多帧图像超分辨率重构算法，该方法无需进行图像校正。为克服传统图像复原算法基于图像局部点领域的影响，指出可以使用非局部去噪模型的优越边缘保持性和去噪性来重构高分辨率图像。实验证明,该算法在低信噪比情况下，可以取得较好结果，有效解决了低信噪比条件下图像复原的一个难点。

针对面向移动对象集的多用户连续k近邻查询处理，提出了基于多线程的多用户连续查询处理(MPMCQ)框架，采用流水线处理策略，将连续查询处理过程分解为可同时作业的查询预处理、查询执行以及查询结果分发三个执行阶段，利用多线程技术来提高多用户连续查询处理的并行性；基于MPMCQ框架和移动对象内存格网索引，提出了基于多线程的连续k近邻查询处理(MCkNN)算法。实验结果与分析表明,基于MPMCQ框架的MCkNN算法在多核平台上优于CPM、YPK-CNN等现有算法。

高度的运算复杂性制约了粒子滤波在实际的多目标视频跟踪系统中的应用。为克服性能瓶颈，探索了一种基于OpenMP共享存储并行编程模型的粗粒度并行多目标跟踪系统的实现方法。在共享变量中维护被跟踪目标的列表，每一个目标用一个独立的粒子滤波器进行跟踪。根据处理单元的数目确定线程数量和每个线程跟踪的目标数量。与对应的串行版本相比，该并行系统将可实时跟踪的目标数目由2个增加到了8个，具有更大的实用价值。

为了改进移动环境下流媒体的数据访问技术，提出了一种可以根据对先前数据的统计所得结果预测用户在移动网络系统单元中的移动趋向的新算法，包括Cache块排定算法和SAA*搜索算法。并通过模拟实验验证了该算法的有效性。

针对目前国内外已有企业服务总线（ESB）产品因可管理性、灵活性和开放性的不足难以满足企业的业务流程需求的现状，引入工作流技术，提出一种以组件模型为基础、以服务链为单元设计、部署和管理ESB应用及基于事件驱动的异步消息通讯机制的ESB设计方案，并在NPUESB系统中进行了应用。实验结果表明，该设计方案不仅能有效实现企业应用集成，也能高效地实施和管理ESB应用以应对企业灵活的业务流程，并具有良好的开放性和可伸缩性。

Curvelet变换可以更好地表示曲线奇异函数的异向性及图像边缘，因此更适合于多尺度图像去噪。针对传统阈值法存在的不足，在分析wrapping方法的快速离散曲波变换基础上，提出结合Cycle Spinning循环平移方法的菱形块阈值规则去噪法，并自适应地对不同的Curvelet子块进行阈值化。该方法可以消除由于Curvelet变换缺乏平移不变性而产生的图像失真，并且更好地利用曲波系数的相关性。实验结果表明，该方法与传统的小波去噪、曲波硬阈值去噪、曲波软阈值去噪、曲波软硬阈值折中法去噪相比，使得去噪图像的峰值信噪比更高，视觉效果更好。

针对三角形域上超限插值的曲面缺乏形变的特点，利用两类带形状参数的Hermite多项式构造C1连续的两种格式的带形状参数的Coons曲面片。构造的三角曲面片均含有形状参数λ，调整λ的值，可改变曲面的内部形状，而不影响曲面的边界形状；当λ＝0时，可退化为通常的边-边与边-点格式插值的曲面片。最后，实例验证了该方法的有效性。

为了高效地执行多变量时间序列（MTS）相似查询，提出一种基于距离的索引结构（Dbis）相似查询算法。采用主成分分析方法对MTS数据进行降维处理；聚类MTS主成分序列，选择每类质心作为参考点；依据参考点将每类变换到一维空间，这样可以利用B+树结构进行索引查询；MTS序列比较相似采用的是扩展的Frobenius范数（Eros）。通过对股票数据集实验验证了Dbis算法的高效性。

分水岭算法用于图像分割，能获得封闭的和位置准确的轮廓，但容易造成过分割；ISODATA算法能将岩心砾石颗粒聚集成一类，但会使砾石目标边缘位置漂移。为克服以上两种方法的缺点，提出融合分水岭和ISODATA的图像分割方法。该方法首先利用分水岭算法得到过分割图像，ISODATA算法得到聚类图像，然后以ISODATA算法聚类的结果为依据，校正分水岭法的过分割问题。该方法用于砾岩图像的分割，取得了较好的实验效果。

基于纹理的可视化方法可以描述流场的整体结构，但传统方法计算耗时，生成可视化图像对比度比较低。从加速可视化整体流程出发，提出了一种基于粒子纹理融合的流场可视化方法。此方法首先随机产生一组噪声图像作为初始粒子分布图，然后依次将初始粒子分布图与根据流动而变形的数据网格加权融合得到粒子轨迹图，最后一帧帧彼此相邻的粒子轨迹图组成一个流场的动态显示。该方法具有独立于流场数据、绘制速度快、生成图像对比度高的特点，参数物理意义明显，不同参数选择可得到不同视觉效果的可视化输出结果，能够充分利用现有硬件图形显示加速设备,已经被成功应用于空间晶体生长实验流场数据的可视化，获得了较好的效果。

通过分析多目标柔性作业车间调度问题中各目标的相互关系，提出一种主、从递阶结构的蚁群粒子群求解算法。算法中，主级为蚁群算法，在选择工件加工路径过程中实现设备总负荷和关键设备负荷最小化的目标；从级为粒子群算法，在主级工艺路径约束下的设备排产中实现工件流通时间最小化的目标。然后，以设备负荷和工序加工时间为启发式信息设计蚂蚁在工序可用设备间转移概率；基于粒子向量优先权值的大小关系设计解码方法实现设备上的工序排产。最后，通过仿真和比较实验，验证了该算法的有效性。

提出了一种基于模糊融合的驾驶员眼睛状态识别方法，利用多特征融合来判断眼睛状态，从而克服只利用单一特征识别的不完善、不准确以及不确定性等缺点。实验结果表明利用多特征融合方法的识别率明显高于只利用单一特征的识别率。

针对岩心资源数字化的需求,设计并实现了一种用于岩心图像扫描仪的彩色线阵CCD图像采集系统。实际应用表明，该系统能很好地解决现有系统的分辨率低、成本高的问题。可为后继的岩心图像分析工作提供可靠的依据。

提出一种能对环境光强变化、用户头部位置变化自动适应的视线跟踪方法，减少了视线跟踪系统对使用者的头部限制。改进了视线跟踪算法：依据直方图，给出了一种自适应阈值提取方法； 依据瞳孔边界点的灰度信息、梯度信息及瞳孔边界曲线的平滑信息综合判据，给出了一种提取瞳孔边界点的一维算法； 给出了一种随机化椭圆拟合算法； 讨论了去除眼皮、眼睫毛及光斑干扰的方法。实验结果验证了算法的有效性。

提出一种在视频人脸图像序列中，进行眼睛检测，跟踪和睁、闭状态判别的方法。通过眨眼检测，对眼睛进行定位；使用针对性强的内眼角提取算子，确定内眼角精确位置；利用内眼角特征来动态跟踪眼睛；睁眼模板在线生成和更新，通过当前眼睛区域和睁眼模板的相关分析来判别睁、闭眼状态。实验结果表明，算法在50场/s的处理速度下，内眼角点定位准确率达到98%以上，眨眼检测正确率为97.5%。