马铃薯品质鉴别的近红外光谱与多源信息耦合

建立了基于机器视觉和近红外光谱技术的分级概率输出,利用DS证椐融合规则,搭建适用于异源数据的无损检测分级决策模型。采用方向梯度直方图和主成分提取方法提取光谱特征,并应用支持向量机和AdaBoost分类器进行识别,在此基础上,构建了基于特征层融合的马铃薯分级模型。采用多源信息融合技术,建立了融合无损检测分级决策和特征层融合的多源信息融合农产品品质鉴别模型。仿真结果表明,相比于单一鉴别模型,多源信息融合鉴别模型识别率提高了12.7%~30.2%,达95.7% 以上。     

集成面向对象影像分析与KNN算法的多光谱遥感影像分类探讨

文章分别使用基于像元和基于对象的KNN分类器算法对1024*1024像元大小的宁夏中卫市地区15m空间分辨率Landsat8融合影像进行分类,比较二者分类效率和准确率,探讨其在影像分类上的不同。研究表明无论是基于对象还是基于像元的KNN分类器算总体分类精度都在90%以上。但基于对象的KNN分类器算法相比基于像元的总体分类精度提高1.9%,Kappa系数提高0.026。且使用相同的训练样本进行训练和分类,基于对象的KNN分类器算法仅耗时0.281秒,而基于像元的KNN分类器算法耗时53分7.275秒。     

基于Adaboost多特征融合的织物扫描图案识别

针对织物扫描图像中纱线纹理等的存在造成难以提取有效图案特征的问题,提出了一种基于多特征融合的图案识别方法。首先通过纹理抑制平滑滤波算法滤除织物扫描图像的纱线纹理,并进行灰度化;然后分别提取灰度图像的边缘方向直方图、最大稳定极值区域的SURF特征和灰度共生矩阵特征,建立样本图像特征库;最后以样本图像特征库特征为训练对象,通过Adaboost算法融合3类特征建立分类器,实现图案识别。实验结果表明,基于Adaboost的多特征融合织物扫描图案识别算法比单特征识别算法有较高的准确率。     

基于道路监控的无人车路径优化控制系统

为充分提高道路的使用率,缓解因视觉盲区及道路拥堵所造成的道路安全等问题,针对无人驾驶技术高速发展的未来对基于道路监控的无人车路径优化系统展开研究。通过模拟道路监控下的无人驾驶,采用高低位相机采集图像,进行图像处理和视觉识别等算法研究,得到车辆和道路的信息选择合适车道并通过车辆进行决策,实现了一种可与道路监控系统相融合的基于高位监控相机与车载低位相机双目融合、多视极线约束的无人车路径优化控制系统。     

一种异质特征融合分类算法

计算机视觉技术在农业上的应用研究,起始于20世纪70年代末期,主要应用于植物种类的鉴别、农产品品质检测与分级等。为了利用不同特征提供的分类鉴别信息,本文提出一种异质特征融合分类算法,此算法通过图像之间不同特征的相似度建立一个logistic核回归模型,建立有效的图像分类器。并且采用多元logistic损失函数对该算法进行了多类扩展。最后,在复杂公共的运动事件数据库上验证算法性能优越性。     

基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法

提出基于矢功率谱和D-S证据理论分层融合的旋转机械故障诊断方法,该方法把转子的2个截面信息分别以矢功率谱进行数据层融合,提取矢功率谱的特征输入到径向基概率神经网络分类器进行故障识别,最后把两截面诊断结果输入D-S证据理论融合中心进行决策层融合.实验结果表明,该方法可降低故障诊断的不确定性,并提高故障决策准确率.     

基于计算机视觉与机器学习的烟丝杂质图像级联检测方法

为提高烟丝杂质检测及剔除的准确率,设计了一种基于计算机视觉与机器学习的烟丝杂质图像级联检测方法。该方法采用颜色特征和梯度能量计算机视觉方法对烟丝杂质进行定位,结合HOG特征、LBP特征与级联Adaboost分类器,设计多窗口检测算法对烟丝杂质进行实时检测。结果表明：基于颜色特征的静态杂质检测方法的准确率高于梯度能量方法,在结合了HOG特征和级联Adaboost分类器算法后,检测结果非常稳定,烟丝杂质检测准确率达到97.33%,在实际操作过程中不需要人工调整算法参数,在保证算法准确率和有效性的同时降低了时间成本。     

基于数据融合的定位算法研究

为了获得更加准确的估计位置,对一种基于数据融合的定位算法进行研究。本文提出一种基于数据融合的模型感知目标定位定位算法,能够处理多种不同类型的定位数据。与传统的算法相比该算法以目标个数的稀疏性为基础,通过无线传感器网络技术来重构目标位置向量,从而大大减少了传感器的数目。算法分为数据处理和数据融合定位两个阶段性,第一个数据处理是将不同类型的数据转换到一个数量,使得不同类型的数据被充分用来提高目标定位性能,第二个是基于多测量的模型重构算法来估计目标位置向量。从两个对比结果显示,融合算法的定位精度优于非融合算法且运算量较小。     

基于多网融合的通信工程分析

随着计算机科学技术的快速发展,网络技术在我们的日常生活和工作中发挥着越来越重要的作用,多网融合作为一项重要的网络技术,被广泛地应用在通信工程的各个领域,基于多网融合的通信工程具有很多独特的优势,推动了通信工程的快速发展。本文分析了多网融合技术概述,阐述了基于多网融合的通信工程的经济性,基于多网融合的通信工程的技术优势和基于多网融合技术的通信工程的安全性。     

提高边缘细节清晰度的图像融合改进算法

为解决图像融合过程中边缘信息以及细节内容易于丢失的问题,提出图像融合的改进算法。对源图像进行小波变换分解,将分解后的高低频系数用矩阵存储。对于低频子带的系数,采用形态学边缘检测的方法,提取出边缘轮廓系数,后运用加权平均法对其进行融合得到用于重构的低频系数。对于各高频子带的系数,先采用区域能量法构造出判断矩阵,经多数筛选法和形态学处理后得到二值融合决策图,并根据此决策图选取出用于重构的高频系数。最后,进行图像重构得到融合图像。实验结果表明,该算法增强了图像边缘细节的清晰度,其图像融合效果在相同融合条件下比其它算法更好,熵、标准差和平均梯度等图像融合的评价指标提高了0.5%～5%,可以更有效地应用于医学或多聚焦图像的融合。