神经网络集成、多传感器融合——在机器人对障碍物的识别中的应用

近年来，基于传感器的机器人研究成为开发智能机器人的一个重要方面，它极大地改善了机器人的作业能力，具有重大的应用价值和发展前景。多传感器融合技术就是对同一检测对象，利用各种传感器检测的信息和不同的处理方法以获得该对象的全面检测信息，从而提高检测精度和可靠性在多传感器系统中，信息表现为多样性、复杂性以及大容量，信息处理不同于单一的传感检测处理技术，多传感器信息融合技术已成为当前的一个重要研究领域。目前信息融合方法利用多个信息源所获取的关于对象和环境的信息获得根据任务所需要的全面、完整的信息，主要体现在融合算法上。因此，多源信息融合的核心问题是选择合适的信息融合算法。     

信息融合技术及其在温湿度控制中的应用

介绍了将信息融合技术和DSP(DigitalSignalProcesser)技术结合起来应用于温室的温湿度控制中。信息融合技术提高了系统获取信息的能力,利用信息融合技术对多传感器的信息进行融合,得到的信息比单一传感器的信息全面、准确,对提高系统的控制精度起到了很好的作用。利用数字信号处理器TMS320LF240DSP作为CPU实现对控制对象的控制,算法简单、运算速度快、实时性好。系统运行结果表明,该控制方法与通常对温湿度进行解耦的控制方法相比较,控制比较简单,而且控制精度得到了提高。     

基于多传感器的信息数据融合技术在电力系统中的应用

论述了多传感器信息数据融合技术的概念、原理、方法及当前数据融合研究中存在的主要问题;以信息融合技术为研究对象,结合电力系统的实际特点,提出多传感器信息数据融合技术在电力系统各领域应用中亟待解决的问题、解决方案及发展方向。     

现代化战争中的多传感器信息融合技术研究

信息融合是对现代化信息战争具有重要意义的一门新型学科。本文介绍了多传感器信息融合的定义、原理、方法、层次和结构,提出了现代化战场信息融合系统作战体系结构和功能体系结构,对多传感器信息融合系统技术进行了较为全面的探讨。     

多传感器信息融合技术

系统地介绍了多传感器信息融合技术的理论、模型和应用,并对多传感器信息融合的几种主要算法进行了全面的阐述和归纳,指出了信息融合研究中存在的主要问题,最后对信息融合技术的未来研究方向进行了展望。     

智能系统多传感器信息融合研究进展

本文较为全面地介绍了智能系统多传感器信息融合方面的研究进展，简要地指出了多传感器信息融合研究中存在的主要问题和发展方向。     

基于模糊评判的决策级信息融合算法的研究

文章针对水电故障诊断系统中普遍采用的传感器阀值判断方法引起的信息损失问题,将决策级信息融合技术应用于故障诊断系统中。在模糊综合评判技术和软判决融合结构下,提出了一种新的决策级信息融合算法。该算法以合成运算和全局决策融合来自多传感器的局部判决以获取所处理对象的综合决策分析,并通过在丰满水电仿真系统的故障诊断系统中的实际应用表明该算法优于传统的故障检测方法。     

移动机器人多传感器信息融合技术述评

多传感器信息融合技术是目前移动机器人领域的研究热点。详细阐述了多传感器信息融合技术在移动机器人领域中的应用与研究进展,尤其对多传感器信息融合实现方法进行了深入的探讨。指明了移动机器人领域中多传感器信息融合技术未来的发展方向。     

基于面向对象的人工免疫系统模型的多传感器融合

现代汽车正向着信息化，智能化的方向发展，即可借助于自动哿装置，如电子测距装置，障碍传感器和计算机来实现自动驾驶，本文着重讨论自动驾驶系统中多传感器信息融合技术，提出了一种面向对象的人工免疫系统模型，较全面的讲述了模型的构造及进行多传感器信息融合的方法。     

基于面向对象的人工免疫系统模型的多传感器融合

现代汽车正向着信息化，智能化的方向发展，即可能借助于自动驾驶的装置，如电子测距装置，障碍传感器和计算机来实现自动驾驶，本文着重讨论自动驾驶系统中多传感器信息融合部分，提出了一种面向对象的人工免疫系统模型，较全面的讲述了模型的构造及进行多传感器信息融合的方法。     

RGB-D图像中的分步超像素聚合和多模态融合目标检测

目的 受光照变化、拍摄角度、物体数量和物体尺寸等因素的影响,室内场景下多目标检测容易出现准确性和实时性较低的问题。为解决此类问题,本文基于物体的彩色和深度图像组,提出了分步超像素聚合和多模态信息融合的目标识别检测方法。方法 在似物性采样（object proposal）阶段,依据人眼对显著性物体观察时先注意其色彩后判断其空间深度信息的理论,首先对图像进行超像素分割,然后结合颜色信息和深度信息对分割后的像素块分步进行多阈值尺度自适应超像素聚合,得到具有颜色和空间一致性的似物性区域;在物体识别阶段,为实现物体不同信息的充分表达,利用多核学习方法融合所提取的物体颜色、纹理、轮廓、深度多模态特征,将特征融合核输入支持向量机多分类机制中进行学习和分类检测。结果 实验在基于华盛顿大学标准RGB-D数据集和真实场景集上将本文方法与当前主流算法进行对比,得出本文方法整体的检测精度较当前主流算法提升4.7%,运行时间有了大幅度提升。其中分步超像素聚合方法在物体定位性能上优于当前主流似物性采样方法,并且在相同召回率下采样窗口数量约为其他算法的1/4;多信息融合在目标识别阶段优于单个特征和简单的颜色、深度特征融合方法。结论 结果表明在基于多特征的目标检测过程中本文方法能够有效利用物体彩色和深度信息进行目标定位和识别,对提高物体检测精度和检测效率具有重要作用。     

基于多映射的本体合并框架设计

由于分布式环境下构建的本体异构特性,严重阻碍了本体间的互操作性,对同一领域本体进行合并是解决本体异构的最有效方法之一。本文提出了一种基于多映射的本体合并框架,在结合当前映射技术优点的基础之上,配备语义桥生成器和冲突处理器,能充分提高合并的效率,该框架可以在语义Web中将源本体自动合并生成新的目标本体。     

CIMS信息集成平台中的OO视图模型

为了满足ＣＩＭＳ环境中信息集成的要求,本文为信息集成平台设计了一种具有集成功能的面向对象视图模型Ｉ－ＶＩＥＷ．Ｉ－ＶＩＥＷ对ＯＯ模型进行了扩充,定义了虚属性、虚对象的概念;引入了输入与隐藏机制和类派生机制,允许对对象的状态和行为进行提炼,能够很好地解决各类集成问题,如模式映射、评义冲突和模式合并与重构等。     

Spatial color histogram-based image segmentation using texture-aware region merging

We propose a new image segmentation method using spatial-color histograms that include the color and spatial information of a given image. Previous methods used a histogram with only the color information of the image or did not effectively suppress the texture components of the same object to form segmented regions, and they frequently led to the false merging of two different regions. Thus, these methods caused an over-segmentation result in the same object or an under-segmentation result in the regional boundary between two different objects. To resolve these problems, the proposed method performs a clustering that considers both color and spatial information of the image in the histogram domain and texture-aware region merging. Moreover, using a total variation-based regularizer that can remove the texture components in the same object and preserve the edge components between different objects, we improve the accuracy of region merging process that is applied to the result of the proposed histogram-based segmentation. Compared to the best results obtained using previous histogram-based methods, the proposed method achieved improvements of 0.02335 (2.910%), 0.0195 (3.977%), 0.05515 (2.431%), and 0.9639 (9.250%) in probability rand index, segmentation covering, variation of information, and boundary displacement error, which are the most widely used for segmentation evaluation metrics, respectively. Further, when compared to the state-of-the-art methods, which use the superpixel, iterative contraction and merging, and deep learning-based methods, the proposed method provides promising segmentation quality with fast operation speed.

     

基于超像素的高分遥感影像分割算法

针对高分遥感影像中存在地物数目多,特征信息复杂导致分割边缘不清晰、对象细节丢失等问题,提出一种改进的超像素分割和多特征结合的遥感影像分割合并算法。在对图像进行分割前的预处理阶段,使用超像素分割技术得到初始分割图像;区域合并过程中,基于对象间的异质性和对象内部的同质性,结合光谱、纹理和形状特征,对对象进行合并;通过调整全局分割参数来调整合并尺度,得到最终的影像分割结果。实验结果表明,所提方法能得到较好的影像分割效果。     

基于改进的PBAS算法的前景目标检测

针对像素层自适应分割算法(Pixel Based Adaptive Segmenter,PBAS)在动态背景下检测准确率低、静止或运动缓慢的前景目标被更新为背景以及出现鬼影干扰的问题,提出了一种 结合 像素级信息和区域级信息的改进的前景检测算法。首先,提出一种融合区域结构信息和区域颜色信息的背景复杂度衡量方式;然后,采用改进的背景复杂度来控制判定阈值和学习率,并检测前景;其次,对像素层的检测结果使用区域窗口进行空间邻域对比,以消除鬼影;最后,引入前景计数机制来保证静止前景不被更新为背景。实验结果表明,该算法对光照条件和前景运动速度不敏感,能有效地从背景中检测出完整的前景目标,并迅速地消除鬼影干扰,准确率达到了92.7%。     

误码校正码在信息隐藏中的应用

在信息隐藏技术不断发展的过程中,隐藏分析技术也在不断地进步,信息隐藏的分析和攻击者们发现:在对某个载体对象嵌入秘密信息后,载体对象的某些特征会发生改变,当这种改变达到某种程度时就可以确定某个载体对象中含有秘密信息.因此,在设计一个信息隐藏算法时应尽量考虑减少由于秘密信息的嵌入而带来的载体对象某种特征的改变程度.简要介绍了误码校正码及信息隐藏的概念,并提出了一种在信息隐藏的过程中引入误码校正码来减小载体对象在隐藏信息前后差异的方法.     

Wavelet transformation-based management of integrated summary data for distributed query processing

As the Internet technology evolves, there is growing need for Internet queries involving multiple information sources. Efficient processing of such queries necessitates the integrated summary data that compactly represents the data distribution of the entire database scattered over many information sources. We propose a new method based on wavelet transform that creates and maintains the integrated summary data by merging multiple instances of summary data, each of which is maintained in an information source. A wavelet-based summary data is easily converted to satisfy conditions for merging. Moreover, the merging process is very simple owing to the shifting and linearity properties of wavelet transform. We formally derive the upper bound of the absolute, square-root, and maximum errors in the integrated wavelet-based summary data. We also show that the integrated summary data can be used for optimizing Internet queries effectively.     

Fast hierarchical animated object decomposition using approximately invariant signature

In this paper, we introduce a novel method to hierarchically decompose the animated 3d object efficiently by utilizing high-dimensional and multi-scale geometric information. The key idea is to treat the animated surface sequences as a whole and extract the near-rigid components from it. Our approach firstly detects a set of the multi-scale feature points on the animated object and computes approximately invariant signature vectors for these points. Then, exploiting both the geometric attributes and the local signature vector of each point (vertex) of the animated object, all the points (vertices) of the animated object can be clustered efficiently using a GPU-accelerated mean shift clustering algorithm. To refine the decomposition boundaries, the initially-generated boundaries of the animated object can be further improved by applying a boundary refinement technique based on Gaussian Mixture Models (GMMs). Furthermore, we propose a hierarchical decomposition technique using a topology merging strategy without introducing additional computations.