基于L1范数的形状快速匹配算法

针对内距离形状上下文IDSC（inner-distance shape context）和轮廓点分布直方图CPDH（contours points distribution histogram）在形状相似性度量中直方图匹配耗时长,工程应用性不佳的问题,提出了一种用EMD-L1测量轮廓特征直方图的距离的方法。EMD-L1在原始EMD (earth mover’s distance)的基础上融合了L1范数,通过替换地面距离计算方法,减少了目标函数的变量,加快了直方图匹配的速度,能够快速实现形状匹配并保持较好的检索性能。对形状数据集进行仿真实验的结果证明,该方法能够有效地进行数据集的形状识别和检索,并且在MNIST数据集下的匹配速度优于其他算法。     

应用多特征的红外弱小目标检测

红外弱小点目标的检测是红外搜索与跟踪的关键技术之一。融合小目标在空域和频域中的各种属性,将更有利于目标的检测。红外图像中主要分为背景、边缘以及目标三类信息,目标在空域中局部能量较大。将图像小波变换,获取图像的多方向性分解。研究发现目标在高频中具有方向不敏感性。为了更好地检测目标,计算各点的局部能量比以及方向离散值,将以上特征融合,得到图像的多特征统计值。采用Renyi信息熵分割达到检测目标的目的。利用序列图像中目标运动的连续性和轨迹的一致性以及目标的方差增长性,提出一种加权的方差增长方法过滤目标集,实现候选目标的准确定位。该算法有较好的自适应性,并且对背景变化敏感性较小。通过真实红外图像弱小目标的检测,检验了算法的有效性。     

基于背景提取和扩展均值漂移算法的目标跟踪

通过在静态背景模型下利用自适应背景提取和扩展均值漂移算法相结合的方法对人机交互式的目标跟踪作了进一步的改进。首先利用自适应的背景提取算法从带有运动目标的复杂背景中构建背景图,并提取出运动目标轮廓。在跟踪模块,在均值漂移算法的基础上加入协方差得到的扩展均值漂移可以很好地解决传统均值漂移算法在跟踪过程中因为目标的形状或大小改变而导致跟踪的框架偏离目标的问题。实验结果表明,该算法能够较好地实现自动、实时、较准确的跟踪目标效果。     

基于多纹理特征的商标图像检索

提出了一种基于多纹理特征的商标图像检索方法。首先对图像纹理特征进行分析,从人眼视觉角度选用粗糙度和方向性这2个纹理特征量;从统计分析的角度出发,基于图像灰度共生矩阵描述了二阶矩、熵、对比度和均匀性这4个纹理特征量。这6个纹理特征量从不同角度刻画了图像特征,对其归一化后用欧氏距离进行图像相似性度量。通过实验,证明了该方法可以取得比较满意的检索结果。     

一种具有自我更新机制的量子粒子群优化算法

自然界中生命体都存在着有限的生命周期,随着时间的推移生命体会出现老化并死亡的现象,这种老化机制对于生命群体进化并保持多样性有重要影响。针对量子行为粒子群（QPSO）算法中粒子存在老化并使得算法存在早熟收敛的现象,将生命体的自我更新机制引入了QPSO算法,在粒子群体进化中提出领导者粒子和挑战者粒子,随着群体粒子的老化,当领导者粒子领导力耗尽不能引导群体进化时,挑战者粒子通过竞争更新机制成为新的领导者粒子引导群体进化并保持群体多样性,并证明了算法的全局收敛性。将提出的算法与多种典型改进QPSO算法通过12个CEC2005 benchmark测试函数进行比较,对结果进行了分析。仿真结果显示,该算法具有较强的全局搜索能力,尤其在7个多峰测试函数中,综合性能最优。     

基于支持向量机的武器系统效能的评定

简述了各种武器效能评定方法,建立武器参数效能模型,首先要挑选特征参数,文中采用知识约简方法选择武器的特征参数。利用支持向量机建立了参数效能模型,给出了实例和解决此同题的支持向量机源程序。通过实例与指数法和神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单。     

多模态轻量级图卷积人体骨架行为识别方法

与传统的基于RGB视频的行为识别任务相比,基于人体骨架的行为识别方法由于其具有受光照、视角和背景复杂度等诸多因素影响非常小的特点,使其成为近几年来计算机视觉领域的主要研究方向之一.但是目前主流的基于人体骨架的行为识别方法都或多或少地存在参数量过大,运算时间过长,计算复杂度过高等问题,从而导致这些方法难以同时满足时效性和...     

无铅钎焊材料的研究

介绍了无铅钎料开发和应用上存在的一些问题和基本要求,通过分析国内外Sn-Ag、Sn-Bi、Sn-Zn、Sn-In几大合金系无铅钎料的合金元素、微观组织、润湿性、熔点、腐蚀行为等方面,逐一阐述了近几年来无铅钎料的研究动态和发展趋势,以期为今后无铅钎料开发和应用提供一些有益指导.     

塔式神经网络在人脸验证上的新应用

首先提出BP神经网络在人脸验证上的应用方法,并在Cs_PCA方法的基础之上,提出一种“Cs_PCA+塔式神经网络”的人脸验证新模型（Cs_塔式）。传统的神经网络受到输入样本维数大小的限制,必须经过各种降维处理才能加以训练,受各种降维方法的限制,在降维过程中会丢失相应的数据信息,因此验证效果受到影响。针对此种情况提出了Cs_塔式方法,利用同样的方法,普通BP网在Cs_PCA基础上,利用PCA方法降维构成Cs_BP模型,并且遵照LAUSANNE协议在ORL人脸库上与Cs_塔式模型进行了比较。结果表明,塔式网络有着更好的验证效果。     

基于二次融合多特征的多聚焦图像融合

以多聚焦图像为研究对象,提出一种新的基于二次融合多特征的融合方法.利用模糊C-均值聚类算法(FCM)在多特征形成的特征空间上对图像区域分割,并在此基础上执行多尺度小波分解.然后,获取源图像区域特征矩阵,经过二维主成分分析(2DPCA)变换后进行特征融合,根据融合后的特征计算区域中每个窗体的特征隶属度.引入模糊指标判断区域中窗体的模糊性,应用模糊熵和窗体能量获得加权因子,从而得到融合图像的小波系数,利用小波逆变换得到融合图像.