基于整数小波变换和改进零树编码的图像压缩方法

研究了基于整数小波变换和改进零树编码的图像压缩方法：先进行整数小波变换，将图像变换到小波域，再用改进的零树编码对图像进行压缩。给出了试验结果以及与EZW压缩方法的比较，结果表明，整数小波变换和改进零树编码相结合应用于图像压缩是有效的，在一定程度上能缩短计算时间，并提高峰值信噪比。     

基于GPRS的移动式农田信息智能服务系统通信协议

移动式智能服务信息系统中,远程无线网络通信协议至关重要,担负着远程主机和移动终端之间进行信息交换和实现信息同步的功能。由于农田信息复杂多样,无法设计出通用的网络传输协议,必须根据实际应用中具体的需求而制定,因此该文提出了基于TCP/IP远程农田网络通信协议。利用此协议,移动式智能服务信息系统实现了远程主机对移动终端PDA的有效管理,实现了远程主机与无线移动终端之间的信息无缝连接,为实现对农田土壤水分、温度等数据的监控奠定基础。     

DEM模型生成效率分析

对建立DEM模型的一般原理和影响DEM生成效率的因素进行了分析，指出改进DEM生成算法效率的关键在于改进离散数据存储结构和在其中的查找算法。     

南水北调视景仿真系统中动态水环境的模拟

动态水环境的模拟是南水北调视景仿真的技术难点。在分析现有动态水环境仿真模型的基础上，根据南水北调视景仿真的具体要求，利用水波动理论及计算机图形学的相关方法，实现了南水北调仿真系统视景仿真中动态水环境的仿真。实际模拟结果表明，仿真水面较为逼真，效果良好，能满足水力学仿真的需要。     

基于远程通讯的农田信息管理系统设计与实现

为实现农田信息远程智能化管理,该文按照软件工程思想设计并实现基于远程通讯的农田信息管理系统。远程农田信息管理系统是移动式农业智能服务系统的一个重要组成部分, 是实现农田信息管理的核心。远程农田信息管理系统通过GPRS实时接收来自移动终端（农田PDA）的农田信息数据,将其存放到农田信息数据库中;按照农田处理模型对其进行分析、处理,并进行可视化表达,为农田变量控制提供决策支持。根据系统的主要功能,将系统划分为地图管理、PDA管理、数据管理和系统管理等四大模块。远程农田信息管理系统实现了农田信息的实时采集、处理、可视化和传输,为用户提供全面的决策信息和技术支持。     

数字图像压缩原理及常用压缩编码方法

所谓数据压缩是通过改变信息的表示方式,在有限的信息空间中表示尽可能多的信息。在信息设备容量有限的前提下,通过数据压缩,能够提供更多的信息,更好地满足人们对信息的需求。为此,论述了数字图像压缩的必要性、可行性以及压缩原理;介绍了几种基本的数字图像压缩算法的思想和算法实现。     

计算机辅助设计标准件库及其应用

对所设计的ＣＡＤ标准件库的图形支撑环境、图元和编程语言的选择等问题作了阐述，介绍了所开发的ＣＡＤＧＢＬＩＢ软件的功能和特点。ＣＡＤ标准件库作为机械ＣＡＤ的强有力工具，可以使绘图效率和绘图质量大大提高，ＣＡＤＧＢＬＩＢ软件在“水泵ＣＡＤ系统”课题中的应用结果证明了这一软件十分有效。     

基于GIS的农田土壤水分状况管理模型及应用

基于GIS开发了土壤水分和土壤电导率的简单专题图及精细专题图模块。简单专题图为运行于农田PDA的嵌入式GIS系统提供采样异常点检查验证;精细专题图为运行于上位机的农田信息处理系统提供信息可视化管理。简单专题图调用GIS组件方法获得并据此建立了采样管理模型;精细专题图中,土壤水分采用克里金插值算法预测的均方根百分比误差（RMSPE）为5.489%;土壤电导率插值模型采用泛克里金算法预测的RMSPE为18.451%。基于精细农田信息专题图,根据特定作物不同生长时期需水量的专家推荐值建立了土壤水分管理模型,利用该模型进行的一次灌溉决策显示,土壤含水率方差从灌溉前的1.9168调整到了灌溉后的0.8906。试验表明,采样管理模型能够指导田间采样,农田水分管理模型能够指导农田灌溉。     

基于四叉树结构的DEM生成算法

提出了一种以四叉树结构存储采样数据的方法,给出了建立四叉树结构的算法和基于四叉树结构建立DEM模型的实例,结果表明,DEM模型的生成效率得到显著提高,尤其是在数据量大的情况下,效果非常明显。     

基于视觉显著性图的黄瓜霜霉病识别方法

为提高黄瓜霜霉病叶部病害机器自动识别的准确性和鲁棒性,提出了一种基于视觉显著性图的黄瓜叶部霜霉病识别方法。首先将图像从RGB色彩空间变换到HSV色彩空间中进行色彩修正,再变换回RGB空间利用R、G、B分量的线性组合生成视觉显著性图,最后通过对生成的视觉显著性图进行阈值分割以识别病害区域。利用从北京市北部郊区日光温室采集到的50幅具有典型霜霉病特征的黄瓜叶片原始图像进行实验,结果表明,该方法能较为准确地从叶部彩色图像中识别出霜霉病病斑区域,平均误分率为6.98%,优于K-means法(11.38%)和OTSU法(15.98%);平均运行时间0.661 4 s,少于K-means法的1.424 9 s;运行时间的均方根误差为0.051 5 s,鲁棒性优于K-means硬聚类算法。