基于多项式拟合的交通图像编码方法

文章针对交通实时路况图像创造性地提出了一种基于多项式拟合的图像压缩编码方法。该方法通过对图像数据的光栅扫描、单调化处理和多项式拟合系数保存等三个步骤来实现对图像数据的压缩。该方法简单方便、快速高效,针对小幅复杂交通路况图像取得了良好的结果。对像素为256×256的复杂交通图像峰值信噪比大于20且压缩比小于22%。     

图像扫描抖动性度量方法

论文针对实时交通路况图像,定义了两种描述图像扫描数据抖动性的度量指标:局部性指标和连续性指标。证明了Hilbert曲线扫描优于其他传统扫描;分析了图像扫描方式对基于多项式拟合图像压缩编码效果的影响;实验还表明,这两种度量方法不仅可以对现有图像扫描方法进行评价,还可以指导设计新的图像扫描方法。基于多项式拟合的图像压缩方法是该文的另外一个新思路。实验表明,它简单且有效。结合光栅扫描的基于多项式拟合方法对象素为256乘以256的复杂交通图像可以得到峰值信噪比大于20且压缩比小于20%的恢复图像。     

基于简化路网模型的城市实时路况监控方法

在城市实时路况监控中, 因交叉路口延误时间的采集困难、计算模型复杂, 导致路况判别失准。针对该问题, 提出了一种基于简化路网模型的实时路况判别方法。该方法通过在道路通行数据采集时将各种类型的交叉口都抽象为一个节点, 并将在交叉口的延误时间计入相连道路的通行时间, 然后在监控时针对不同类型节点进行反推计算, 获得普通道路、环道以及立交桥的路况状态, 实现实时监控。最后通过对城市实时路况监控的仿真实验验证了方法的有效性。     

无线3G交通监控与事故防范系统的方案设计与实现

针对当前交通监控系统的诸多不足,提出一种基于无线3G的交通监控系统的方案。该系统前端监控节点可对交通视频图像以及天气状况等多种信息进行采集,并且依据相关信息分析路况,对可能出现的事故进行防范预警。节点通过3G网络传输数据,可以根据需要灵活移动。后端由多个不同功能的服务器组成,将前端的视频信息重新封包,使用RTSP协议进行传输,气象等相关数据储存在数据库中。后端结合视频图像以及气象路况信息对事故隐患进行二次判断。实验表明,该系统能够准确获取信息,达到设计要求。     

ObjectGAN：自动驾驶评估数据集构建

自动驾驶评估数据集的构建在很大程度上取决于能否覆盖复杂多样的交通场景。但是通过人工获取数据工作量巨大,且难以覆盖所有场景,在这种情况下,虚拟引擎可以提供极大的便利。利用UE4（Unreal Engine 4）虚拟引擎构建常见驾驶场景,并结合设计的后处理系统和自动标注算法高效获取、标注复杂场景图像。针对虚拟引擎生成图像逼真度不足这一问题,搭建ObjectGAN域适应模型,基于虚拟数据重建逼真图像,该模型针对目标数据,引入特征一致性监督,无须另外标注信息便可有效缩小与真实数据间域差异。创建了一个新颖的复杂场景虚拟自动驾驶数据集,其中包含多种天候、光照、驾驶场景数据。通过该数据集验证ObjectGAN模型可以有效缩小虚拟数据与真实数据间域差异,经过域适应处理后的数据可以在复杂场景中对主流检测器进行有效的性能评估。     

虚拟汽车驾驶场景中复杂路况的光电图像仿真

研究虚拟汽车驾驶场景中复杂山路的三维光电图像真实仿真问题。虚拟汽车驾驶场景中,一些山路环境较为复杂,路况在某些死角上存在着高度的重叠,遮挡现象较为严重,用于仿真的光粒子受到遮挡的影响容易发生丢失、冲突等问题。传统的光电图像路况仿真方法中,光电粒子受到复杂路况区域重叠的影响,发生光电粒子丢失,造成像素点减少,图像仿真真实感不高。为解决上述问题,提出一种光电粒子冲突补偿的复杂路面仿真方法,通过对高精密的光子数据和光电子图像进行相关处理,运用自适应粒子补偿技术,克服山路路况中的遮挡、重叠带来的粒子缺失、破损的弊端。实验证明,改进方法能够准确、快速、完整地描述较为复杂的山路路况光电仿真,提高了真实度。     

基于视觉注意机制的交通路标检测方法

提出一种基于视觉注意机制的交通路标检测方法,该方法在图像灰度变换的基础上,引入自下而上的视觉注意模型,提取图像的初级特征,构造相应的显著图,根据总显著图,检测出图像中的显著区域,定位路标在图像中的位置。对多幅实时路况图像的实验结果表明,该方法能够适应户外自然环境检测,具有较高的准确性和实时性。     

基于序贯蒙特卡洛算法的交通流事件重构

针对交通数据重构应用性差、缺乏对交通事件重构的研究等问题,结合交通流非线性非高斯的特点,提出一个基于序贯蒙特卡洛方法的交通流堵塞事件重构模型。该模型不断同化道路上的传感器数据,使仿真中的交通状态不断逼近真实路况,通过分析仿真数据以探测真实路网中存在的堵塞事件。模型能够对探测到的堵塞进行多粒子模拟来实现对真实道路上堵塞事件的重构。实验结果表明,该模型能够推测并重构出道路上的堵塞事件,对堵塞起始位置重构的平均误差为17m,对堵塞范围重构的平均覆盖率为82%。     

智能交通监视系统中路况图像背景去除算法研究

针对基于视觉的交通监视系统中路况图像背景去除存在的种种问题,提出了一种基于边缘的背景去除算法。该算法简单且容易理解。实践证明,用该算法能够有效地去除背景信息。     

交通文化系统的多目标灰色局势评价方法

为了科学地评价城市交通文化系统,并使评价方法更符合实际,提出了多目标灰色局势评价方法,介绍了多目标灰色局势评价方法的原理,给出了它的构成方法和具体评价模型,并用该评价模型对沈阳、大连、鞍山三个城市的交通文化系统进行了综合评价。结果表明,该方法较好地反映了实际交通文化系统的水平,可以使复杂的决策问题变得简洁和明晰,提高决策精度。与其它方法相比,决策过程具有更大的优越性。     

基于分形维的小波包EBCOT岩心图像压缩

岩心图像作为石油地质分析和地球物理勘探的重要信息来源,数据量巨大、纹理信息丰富且对比度较弱。提出一种基于分形维的小波包EBCOT岩心图像压缩方法。对岩心图像进行完全小波包分解,以分形维作为代价函数,并以差分计盒法计算每个子带节点的分形维数。通过比较父节点和子节点分形维数值实现剪支以获取最优小波包分解,结合EBCOT算法对岩心图像进行压缩处理。实验结果表明,所提算法的重构图像的PSNR与SSIM值均高于基于熵的小波包压缩算法和JPEG2000算法。     

SAR复图像数据的CCSDS-IDC编码性能分析与四叉树编码

目的：CCSDS-IDC (国际空间数据系统咨询委员会-图像数据压缩) 是NASA制定的基于离散小波变换(DWT)尺度间衰减性的空间图像数据压缩标准,适用于合成孔径雷达(SAR)幅度图像及各类遥感图像的压缩。然而,与光学图像不同,常见的SAR图像都是复图像数据,其在干涉测高等许多场合具有广泛应用,分析研究CCSDS-IDC对SAR复图像数据的编码性能具有重要的应用价值。方法：由于SAR复图像数据不具有尺度间的衰减性,因此将其用于SAR复图像数据编码时性能较低。考虑到SAR复图像数据DWT系数呈现出聚类特性,提出将四叉树(QC)用于DWT域的SAR复图像数据编码,发现QC对SAR复图像数据具有高效的压缩性能。结果：实验结果表明,在同等码率下,对基于DWT的SAR复图像数据压缩, QC比CCSDS-IDC最多可提高幅度峰值信噪比4.4dB,平均相位误差最多可降低0.368;与基于方向提升小波变换（DLWT）的CCSDS-IDC相比,QC可提高峰值信噪比3.08dB,降低平均相位误差0.25;对其它类型的图像压缩,基于聚类的QC仍能获得很好的编码性能。结论：CCSDS-IDC对SAR复图像数据编码性能低下,而QC能获得很好的编码性能。对应于图像平滑分布的尺度间衰减性,其在某些特殊图像中可能不存在,而对应于图像结构分布的聚类特性总是存在的,故在基于DWT的图像编码算法设计中,应优先考虑利用小波系数的聚类特性,从而实现对更多种类图像的高效编码。     

基于双向压缩二维保局投影的人脸识别方法

二维保局投影(2DLPP)只在图像的横向进行数据压缩,提取的特征维数较高,针对该问题,结合二维保局投影和可选的二维保局投影,提出双向压缩二维保局投影((2D)2LPP)算法。该算法从横向和纵向2个方向实施2DLPP,使图像的横向和纵向的维数都得到有效的约简。实验结果表明,(2D)2LPP在识别率和识别时间上都优于2DLPP和A2DLPP。     

基于奇异值分解和径向基函数神经网络的人脸识别算法研究

提出一种基于奇异值分解和径向基函数神经网络的人脸特征提取与识别方法,来解决人脸识别中的高维、小样本问题。该方法采用奇异值分解、奇异值降维压缩、奇异值矢量标准化和奇异值矢量排序,最后得到用于识别的奇异值特征矢量。运用基于径向基函数神经网络分类器进行人脸分类识别。在ORL数据库上进行实验和数据分析表明,该方法无论是在分类的错误率上还是在学习的效率上都能表现出极好的性能。     

基于指纹特征数据的水印技术研究

传统水印技术的水印数据主要有两种:伪随机序列(一维)和二值图像(二维).本文通过分别对图像的R,G,B信道嵌入水印信息,提出了一种将256级灰度的指纹图像嵌入到宿主图像的算法,宿主图像可以是256级灰度图像,也可以是24位的真彩图像.通过实验表明该算法具有良好的鲁棒性.     

Traffic and video quality with adaptive neural compression

Video sequences are major sources of traffic for broadband ISDN networks, and video compression is fundamental to the efficient use of such networks. We present a novel neural method to achieve real-time adaptive compression of video. This tends to maintain a target quality of the decompressed image specified by the user. The method uses a set of compression/decompression neural networks of different levels of compression, as well as a simple motion-detection procedure. We describe the method and present experimental data concerning its performance and traffic characteristics with real video sequences. The impact of this compression method on ATM-cell traffic is also investigated and measurement data are provided.     

基于Borderline-SMOTE和双Attention的入侵检测方法

随着互联网的发展,网络环境愈加复杂,由此导致的网络安全问题不断出现,因此网络安全的防护成为一项重要研究课题。针对真实网络环境中采集到的流量数据非平衡以及传统机器学习方法提取特征表示不准确等问题,文中提出一种基于Borderline-SMOTE和双Attention的入侵检测方法。首先对入侵数据进行Borderline-SMOTE过采样处理,解决了数据非平衡问题,并且利用卷积网络在图像特征提取方面的优势,将一维流量数据转化为灰度图像;然后通过双注意力网络分别从通道维度和空间维度对低维特征进行维度更新,得到更精准的特征表示;最后利用Softmax分类器对流量数据进行分类预测。所提方法的仿真实验均已在NSL-KDD数据集上得到验证,其准确率达到99.24%,相比其他常用方法准确率更高。     

灰度直方图与LDA的路况分类

道路路况实时分类研究,是路况信息诱导系统的基础.通过对大量路况图像进行研究,提出使用路况图像中道路区域统计灰度直方图作为表征路况信息的特征向量,采用LDA(linear discriminat analysis)算法对高维特征向量进行降维,采用改进的K-近邻分类器实现对道路路况实时分类,并给出实际分类结果.实验结果表明,采用上述方法进行路况分类,其结果与交通管理部门给出的结果一致率达91.7%,对路况实时分类具有较高的实用价值.