MRI分割的几何活动轮廓模型的半隐式AOS迭代方法

几何活动轮廓模型以其计算稳定等优点，被广泛用于图像分割。给出一种基于AOS(additive operator splitting)算法的快速活动轮廓模型，将AOS方法与几何活动轮廓模型相结合构造一种半隐式迭代模型，它对迭代步长没有限制，从而可以选择较大的迭代步长，提高了模型的时间效率，并使用区域信息构造系数矩阵，使模型具有全局性。对MR(magnetic resonance)图像分割的实验表明，该模型可以得到较好的分割结果，同时时间效率也有大幅提高，方便了实时应用。     

基于粗糙集的K--均值聚类算法在遥感影像分割中的应用

结合粗糙集理论和K——均值聚类算法，提出一种遥感影像的粗糙聚类分割方法。根据遥感影像中特征属性的相互依赖关系，应用粗糙集理论的等价关系。求出K——均值聚类所需要的初始类的个数和均值。然后采用聚类算法对图像进行分割。实验结果表明该方法比随机选取聚类的中心点和个数减少了运算量．提高了分类精度和准确性。     

Landsat7 ETM＋影像的融合和自动分类研究

利用SFIM、MLT、HPF和修改的Brovey(MB)等遥感影像融合算法对Landsat 7 ETM 影像进行融合和自动分类研究，并就融合影像的光谱保真度、高频空间信息融人度和分类精度对这些方法进行评价。结果表明SFIM变换几乎完全保持了原始影像的光谱特点，并具有最高的平均分类精度；MB变换具有最高的高频空间信息融人度；MLT变换也具有较高的分类精度；只有HPF变换的各项指标都不突出。所有4种融合影像的分类精度都较原始影像的分类精度有明显的提高。这表明，源于同一传感器系统的不同分辨率影像的融合可以避免异源传感器融合影像所常见的各种参数、时相和配准误差，所以能够明显地提高影像的自动分类精度。     

基于立体补偿的遥感立体像对压缩方法

提出研究遥感立体像对的压缩问题。主要讨论了左右影像的视差补偿和辐射补偿。针对遥感立体像对视差分布不均以及左右影像存在辐射差的特点,提出了一种基于立体补偿的遥感立体像对压缩算法。该算法以左片为基准图像,采用自适应视差估计计算出右片的视差矢量,结合辐射校正和重叠块视差补偿技术得到平滑的右片的预测图像,以右片减去预测图像得到残差图像,然后采用小波压缩算法对残差图像进行压缩。实验结果表明,该算法能显著提高遥感立体像对的压缩性能。     

一类广义Hamilton系统的辛格式

通过引人泊松括号，分析了无限维Hamilton的性质，并将其推广到广义Hamilton系统，且从理论和实用角度讨论了这类广义Hamilton系统的辛格式构造问题，从而为辛几何算法在一般的时间发展方程的数值求解提供新的具体途径。     

应用CP网络进行岩性识别

为通过测井解决岩性识别问题，引入了具有分类准确、算法简练等优点的CP（Counter-Propagation)网络。在详细介绍CP网络的网络模型和算法的基础上，结合某油田的实际测井资料，进行了CP网络识别研究。应用结果表明：CP网络训练周期短、识别准确率高、不存在收敛问题。通过试验研究得出结论：CP网络完全可以用于解决岩性识别等问题，具有广阔的应用前景。     

凸度量空间内非线性映射的迭代算法

在凸度量空间内，对非线性广义拟压缩映射序列定义了带误差的lshikawa迭代序列，证明了带误差的lshikawa迭代序列收敛于非线性广义拟压缩映射序列的唯一公共不动点。     

基于数值格网数据生成流场图的算法研究

在各种基于场的分析模型（Field-based Model)中，流线的计算是一个重要的研究课题，如基于DEM提取水系，该文探讨了另外一个问题，即直接根据数值格网数据生成流场的空间分布，从而反映整个研究区域的梯度特征，文中提出的算法在水文，气象等研究领域有着较为广泛的应用前景。     

一种求带约束的离散Minimax问题的区间算法

进一步讨论了目标函数和约束函数都是Lipsehitz连续的带约束的离散minimax问题，给出了罚函数的区间扩张，提出了解该约束离散minimax问题的区间算法。算法给出了问题的minimax值所在范围以及minimax点所在位置。定理和数值算倒说明该算法是可靠的。     

基坑支护结构水平变形预测的遗传神经网络方法

采用遗传算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,先用遗传学习算法进行全局训练,再用BP算法进行精确训练。就遗传算法过程中的选择、变异进行了探索,提出了用BP网络训练产生变异的遗传算法。作为实例,将该方法应用于预测基坑支护结构水平变形中。结果表明,该方法有收敛速度较快、预测精度高等优点。