ICA的共轭下降法

独立分量分析(ICA)作为有效的盲源分离技术(BSS)是信号处理领域的热点，本文在分析现有的ICA算法的基础上提出了以最小互信息为准则函数的ICA的共轭下降算法，并将该算法与传统的算法在计算效率和收敛性方面进行了比较，该算法的迭代次数由传统算法的约2000次减少至不超过300次．适当地选取对比函数可实现全局收敛，并简要分析了对比函数的选取准则．模拟实验证明该算法收敛速度快，而且对初始点不敏感，在健壮性方面具有较好的性能。     

基于自适应尺度LE的轮廓编组算法

在图嵌入框架下，以编组线索的聚类来实现轮廓编组的方法，不仅可以有效地将局部特征和全局特征结合起来，而且更加符合人类视觉感知以流形存在的特点．本文在分析相似度矩阵对样本结构表示意义的基础上，提出了一种基于自适应尺度LaplacianEigenmap的轮廓编组算法．该算法能够根据编组线索多维特征的不同局部统计特性，自适应地改变相似度计算模型中的尺度因子，使相似度矩阵更准确地反映编组线索数据集的结构特性．在此基础上通过降维实现编组元的聚类，从而得到轮廓编组的结果．实验证明，该算法对于局部统计特性差异较大的编组线索有着良好的适应性，尤其对于有遮挡的感知目标，表现出比图分割方法更为优越的性能．     

带评价系统的曲率相关有向主动轮廓模型

主动轮廓模型广泛应用于很多领域,但这个框架下的模型都有两个关键的难点.针对这一问题,通过对已有方法失败原因的分析,本文提出了一种新颖的外力大小与曲率相关的主动轮廓模型（CDM模型）.任何粗分割方法都能为该模型预测方向提供灵活有效的线索,并且模型外力的大小定义为曲线曲率的相关方程.这使得该模型具有许多与众不同的优点,并能够有效避免自相交现象的发生.在不同的收敛过程和不同的主动轮廓模型中,评价模块的出现能够有效地度量模型结果与真实目标轮廓之间的相似度.实验结果显示,CDM模型在其他模型失败的例子中能够得到正确、鲁棒的结果,并且能够在医学图像中精确地拟合目标轮廓.     

基于视频深度学习的铁路周界入侵检测算法研究

基于视频智能分析的铁路周界入侵检测算法相比于雷达、振动光纤，具有成本低、误报率低的优点. 针对视频中存在不同分辨率目标的问题，提出一种改进的Cascade Mask RCNN( CMR)模型，使用级联结构获得目标的准确定位. 为增强模型对小目标的检测能力，在原始模型的基础上，增加基于特征金字塔网络(FPN)的多尺度特征提取模块和基于空洞金字塔汇聚(ASPP)子网络的空间上下文增强模块. 在实际铁路周界入侵场景视频中验证了模型的有效性. 结果表明，该模型可实现不同场景下的铁路周界入侵检测，相较于原始模型，新模型对小目标检测的F-measure 提高了0.24. 模型既解决了不同场景下铁路周界入侵检测问题，又有效地提高了视频智能分析对小目标检测的准确率.