研究项目
为了增加学生的知识和提高实践技能，并为他们为专业的工作环境和研究生学习做好准备，将促进教学活动和本科生的研究活动。 如第 2.3 节所述，将支持学生获得暑期研究经验和实习。 此外，每门新课程都将包含研究或项目部分。 主题将与 UTEP 的 DHS 边境安全和移民中心协调制定。 一些示例如下所述。
a.) 用于广域监视的无人机组装和操作（Selahattin Ozcelik 博士，ME）
动机： 无人机已被证明在天空中非常有用，因为它们已被用于各种军事行动，并被 CBP 的空中和海洋办公室用于边境监视和侦察。 国土安全部越来越多地探索使用无人机来支持美国边境巡逻队的任务，以增强其特工在边境巡逻的能力。 显然，无人机正在成为国土安全部在边境安全以及在自然灾害期间进行监视和侦察的一个组成部分。 因此，本项目旨在让学生亲身体验配备视觉系统的微型飞行器的基础知识。
项目描述： 该项目将涉及小型遥控飞机的操作，用于监视和图像捕捉任务。 该项目将涉及一些设备的组装，飞机和地面站之间通信的必要接口的设计和开发，收集视频记录和图像并针对项目的给定任务对其进行分析。
本科研究机会： 团队中的学生将有机会亲身体验简单的无人机。 由来自不同工程和科学专业的学生组成的多学科团队将学习无人机的主要组件，研究如何控制无人机以及如何设计通信和视觉系统。 他们还将研究图像捕捉技术。
b.) 用于国土安全应用的具有空间域过滤器/边缘检测的图像增强技术（Nuri Yilmazer 博士，EE）
动机： 从无人机摄像机拍摄的图像包含一些不希望的影响，例如噪声、EM 干扰和退化影响。 这些不需要的影响可以通过应用一些预处理和过滤技术以及恢复技术来最小化。 图像通常包含高斯、脉冲噪声以及周期性噪声，这些噪声通常在图像采集过程中从空间相关噪声的电气或机电干扰中产生。 有一些信号处理技术可用于恢复图像中的劣化。 这项工作的目的是减少无人机图像中的噪声。
项目描述： 在这个项目中，将研究空间滤波技术以增强图像。 学生将研究一些空间滤波技术，例如均值滤波器、阶数统计滤波器和用于图像降噪的自适应滤波器。 将使用称为拉普拉斯滤波器和梯度滤波器的锐化空间滤波器以及一些强度变换，例如对数、幂律变换、直方图均衡和匹配技术来增强图像。
本科研究机会： 学生将参与开发图像处理技术以增强图像。 他们将使用 MATLAB 编程进行仿真。 学生将学习广泛应用于图像处理领域的空间滤波技术和边缘线检测技术。 他们将深入了解不同类型的过滤器，并比较每种过滤器的性能。
动机： 运筹学 (OR) 在国土安全应用领域有着悠久而杰出的工作历史。 OR 模型和算法已被开发并用于航空公司安全、危险材料运输、应急准备和响应以及威胁分析。 然而，关于边境安全的论文最近才刚刚开始出现。
项目描述： 当前大多数边境安全研究都在使用指纹图像来检测犯罪分子、恐怖分子嫌疑人和非法移民的进入。 在这个提议中，我们建议用户无人机捕捉图像，然后使用图像数据挖掘来识别可疑的非法行为和个人的模式。 之后，将使用优化和决策模型来安排边境的控制检查活动和地点。 将开发一个多目标优化和决策支持模型，以利用可用资源最大限度地减少非法进入状态和威胁风险。
本科研究机会： 学生将参与开发决策支持系统。 他们将使用 SOLVER 和 MATLAB 编程进行仿真。 学生将学习和使用不同的方法和工具来解决多目标优化问题。
d.) 数据处理和挖掘（Mais Nijim 博士，CS）
动机： 随着从捕获的数据中寻找重要信息和特征的需求越来越大，数据挖掘正成为发展最快的技术之一。 众所周知，并非所有捕获的数据都很重要并且与问题相关。 尤其是在用于监视和监视目的的视频和图像捕获中，其中数据被定期收集并分析以供以后使用，情况尤其如此。 需要识别和开发算法来分类和查找相关数据。 有一些图像处理技术和数据挖掘算法可用于将图像分类为聚类以供分析和使用。 这项工作的主要目标是提出一种最佳的图像挖掘方法，该方法可以有效地对图像进行分类并对其进行建模以供实时使用。
项目描述： 捕获用于监测和遥感的图像的过程变得非常重要。 有几种挖掘算法可以用来从这些图像中提取模式和行为。 在这个项目中，我们将重点介绍几种特征提取技术以及图像处理和分析算法以及几种预测方案。 使用数据和图像挖掘从捕获的图像中提取模式和特征有几个优点。 将开发几种预处理、处理和后处理图像挖掘算法。 这些算法将在存储它们的同时找到模式并将特征聚集在一起，从而更容易提取特征并帮助半自动化从捕获到存储的整个过程。
本科研究机会： 学生将参与开发有助于图像挖掘算法的图像和数据挖掘技术。 学生将能够学习当前相关的理论算法并进行模拟。 他们将学习可用于其他计算机科学或工程相关领域的特征提取和预测。 这将拓宽学生在现实生活应用中的知识，并帮助他们发展他们在使用和收集信息时面临的实际问题的技能，并在毕业时为个人和专业用途收集信息。
e.) 信息分析与建模（李华博士，IE）
动机： 正如国土安全部报告 [1] 中所述，改进的分析和决策工具是代表性技术需求的一部分。 需要努力研究如何充分整合多个领域，包括技术、管理、政策、组织、政治和背景，以加强决策。 人为事件是随机的且难以控制，因为几乎每一个事件都是独一无二的，并且代表了它自己的特定情况。 同时，使用对国家安全有重大影响的真实、真实的国土安全事件来评估不同应对政策的效率和有效性是不可行的。 这项工作的主要目标是提高与国土安全相关的信息分析和建模的效率和准确性[18].Basic.net 进行信息分析和建模。 他们还将从各种国家数据库中收集必要的信息和数据，例如全球恐怖主义数据库。 通过参与这个项目，学生可以提高他们的模拟和建模技能，并提高他们对国土安全相关问题的认识。
项目描述： 基于仿真的优化（所谓的仿真优化）已成为国土安全领域的一个活跃研究领域[19]。 已经开发了许多模拟优化技术，例如分散搜索[20] 和代理搜索[21]，但很少有人强调动态系统决策的进化视角。 此外，通常需要大量的模拟评估才能获得满意的解决方案。 这在涉及大规模、昂贵模拟的实时决策案例中是不可行的[22]。 这个拟议的研究项目将开发有效的仿真优化算法，以帮助做出高质量、及时的决策和管理在线系统。 该算法将利用分析公式和离线实验结果来指导在线搜索并快速提供接近最优的解决方案。 该方法将对有限的国土安全资源决策问题有许多潜在的应用[19-22]。
本科研究机会： 学生将参与开发和优化模拟算法。 他们将学习和使用 Arena 和 Visual Basic.net 进行信息分析和建模。 他们还将从各种国家数据库中收集必要的信息和数据，例如全球恐怖主义数据库。 通过参与这个项目，学生可以提高他们的模拟和建模技能，并提高他们对国土安全相关问题的认识。