基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。      

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置，提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制，在障碍分布密集时选择最安全的路径，在障碍物分布稀松的环境中，利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外，还引入了搜索树，可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能，在障碍物分布稀松时效果更加明显，且可实现死角检测并能通过狭长通道。      

一种改进X-best引导个体和动态等级更新机制的鸡群算法

在群智能算法的改进中，常利用优秀个体加速算法收敛，但对其依赖过度会导致种群多样性和算法全局收敛性下降的现象。对此，提出一种改进X-best引导个体和动态等级更新机制的鸡群算法。首先，在个体更新阶段不仅引入优秀个体加速收敛，并且通过普通个体对优秀个体的影响进行适当平衡，因此，优秀个体与普通个体的信息都能得到利用，进而种群多样性和算法全局收敛性得到提升。其次，通过对等级更新参数进行动态优化，加强了种群等级更新机制对算法收敛的促进作用。最后，经过时间复杂度与收敛性分析，证明了改进算法仍具有简单性和全局收敛性。仿真结果表明:所提出的改进算法较其他对比算法在寻优精度、寻优成功率和收敛速度等方面都具有明显优势。      

基于结构加权低秩近似的泊松图像去模糊

针对由高斯模糊和泊松噪声引起的图像降质问题，提出了一种基于结构加权低秩近似的图像去模糊方法。首先，通过依次组合缩放、旋转、剪切和翻折等四种基本操作引入结构变换，以增加搜索空间内候选图像块的相似性。然后，构造新的目标函数，利用相似图像块的低秩性，在正则项中使用加权核范数（WNN）对结构变换后的图像块进行惩罚，以在去模糊的同时抑制泊松噪声。最后，基于半正定二次分裂（HQS）方法设计交替优化方案，用于求解目标函数，从泊松图像中去除模糊。实验结果表明:在多种泊松噪声强度下，所提方法取得的峰值信噪比（PSNR）和结构相似性（SSIM）都高于当前同类去模糊方法。      

多斜率自适应卷积神经网络激活函数

针对卷积神经网络中激活函数无法有效为处于不同激活程度的像素点提供特定梯度响应的问题，设计了一种由多个分段线性函数组成的自适应激活函数.首先依据像素激活值的取值范围，自适应地生成多个独立的激活域，各个激活域的并集包含激活图中全体像素点的激活值；随后在每个激活域中学习一个特定的线性函数，为处于该激活域中的像素点提供特定的梯度响应；最后以NIN网络和ResNet18网络为例，在CIFAR 10和CIFAR 100数据集上，验证所提激活函数的性能.实验结果表明，与现有激活函数相比，本文提出的激活函数，由于能够更好地为处于不同激活程度的像素点提供适当的梯度响应，使分类准确率在NIN网络上分别达到87.96%和69.01%，在ResNet18网络上分别达到88.56%和73.54%.     

应用离屏DC实现窗口无闪烁图像显示技术

基于Microsoft Windows应用程序，当窗口内容不断刷新时总是会产生闪烁现象。特别针对立体图像对窗口显示，要求在屏幕回扫周期内完成窗口图像的切换刷新，必须避免闪烁现象的发生。通过分析Microsoft Windows设备描述表（DC）和WM＿PAINT消息机制，介绍了一种应用离屏DC实现窗口无闪烁图像显示的技术，并给出了基于MFC的实现类。     

电脑中重现我们无法观测到的宇宙现象——数字天文学

通过望远镜．我们可以掌握宇宙中各种天体的模样。但是．这些无体被浓浓的气体覆盖．即使是大型望远镜，也无法直接看见它们的内部结构。“数字天文学”就是经由电脑与理诧．阐明我们通过望远镜看不到的天体内部结构。     

虚拟现实系统中立体显示算法的研究

实时生成三维立体图形是虚拟现实(VR)的一项核心技术.文中对基于投影变换的立体显示算法、基于相关性理论的立体显示算法以及基于计算机生成全息的立体显示算法等进行了研究.     

移动机器人在部分未知环境中作业的定位算法

通过对移动机器人在部分未知环境中的运动分析,结合多传感器信息,提出一种新的移动机器人在未知环境中的定位算法.该算法可根据移动机器人的运动过程,不断更新其位置状态,并能对下一步位置状态进行预估计,然后根据实测传感器信息对预估值进行修正,获得实际位置状态.     

基于实例推理技术及其研究发展方向

基于实例的推理技术（Case- Based Reasoning ,CBR）是人工智能及机器学习领域中的前沿方向.作为一种增量式的学习方法,规避了传统人工智能在知识获取上的瓶颈问题.本文介绍了CBR的基本原理、实例中知识的表示方法和Tverskey和k-NN两种检索技术;详细讨论了CBR实现过程中的中心问题--实例修正问题,给出实例的修正的8种技术与方法;提出了基于实例的推理技术的研究重点和发展方向.