局部与全局结合的彩色图像序列光流场模型

针对彩色图像序列光流场计算问题并结合现有光流场计算模型,提出3种将局部彩色光流计算模型与全局彩色光流计算模型相结合的混合光流估计模型,从而有效利用局部光流模型计算精度高及全局光流模型可得到致密光流场的优点,并将3种模型进行比较,给出数值实验结果。     

基于复小波的彩色光流估计

利用色彩恒常性假设,将RGB色彩分量光流基本方程映射至小波域,通过复小波构建的过定线性方程组进行多分辨率光流估计,避免实小波相位震荡带来的光流求解误差,并利用各颜色分量组成的线性方程组的系数矩阵条件数判断求解的可靠性,选择各颜色分量中最可靠的解最为该点最终的光流解。数值实验结果证明了该算法的有效性。     

新的AdaBoost算法评价体系

工程实际中,往往通过对比两个AdaBoost算法在相同弱分类器数量条件下的错分率来比较算法性能,这样就忽略了在弱分类器数量增加时,错分率的波动会造成对比不准确的问题。为此,分别针对分类器性能的分类准确率、收敛速度和稳定性,提出了稳态错分率、调节规模、振荡度三个量化指标,构成了一个相对完备的评价体系。实验表明,该评价体系能更全面反映AdaBoost的分类效果。     

基于自适应混合高斯模型的时空背景建模

提出了一种基于自适应混合髙斯模型的时空背景建模方法, 有效地融合了像素在时空域上的分布信息, 改善了传统的混合髙斯背景建模方法对非平稳场景较为敏感的缺点. 首先利用混合髙斯模型学习每个像素在时间域上的分布, 构造了基于像素的时间域背景模型, 在此基础上, 通过非参数密度估计方法统计每个像素邻域内表示背景的髙斯成分在空间上的分布, 构造了基于像素的空间域背景模型; 在决策层融合了基于时空背景模型的背景减除结果. 为了提高本文时空背景建模的效率, 提出了一种新的混合高斯模型髙斯成分个数的自适应选择策略, 并利用积分图实现了空间域背景模型的快速计算. 通过在不同的场景下与多个背景建模方法比较, 实验结果验证了本文算法的有效性.     

高斯模型与区域生长相结合的景物识别算法

研究景物图像特征提取,光照环境因素变化时,室外场景光学成像也随之发生很大变化,景物特征复杂,严重影响了景物识别的精度.为了解决上述问题,提出一种高斯模型与区域生长相结合的景物识别算法.先提取图像区域的底层视觉特征以及空间位置特征,并通过高斯分布为每类景物建立模型,然后根据模型测试图像中区域属于每一类景物的概率,把概率值较大的区域加入到模型中,更新模型参数,最后,把概率值较大的区域作为种子点进行区域生长得到景物识别的结果.采用Matlab 7.0软件对Pasadena 数据库中景物进行仿真识别.结果表明识别目标景物的有效性,为复杂场景下景物识别提供了一种有效的算法.     

基于LDPC码的BICM与基于卷积码的BICM-ID的性能研究

研究了基于LDPC的BICM和基于卷积码的BICM-ID在8PSK系统中的性能,并进行了仿真。     

多类支持向量机方法的研究现状与分析

支持向量机（SVM）是建立在统计学理论基础上的一种小样本机器学习方法，最初应用于解决两类分类问题．然而在解决实际问题中遇到的多为多分类问题，如何有效的将其推广到多类分类问题是一个正在研究的问题．该文对现有的多类支持向量机方法从组合多个两类分类器、层次结构、一次性优化问题和纠错编码等4个角度进行了综合归纳和分析，详细介绍了每种方法的代表性算法，并比较其优劣．     

MIMO系统中基于加权公平队列的空间复用多用户接入调度算法

多入多出(MIMO)系统利用多个发射和接收天线可以取得空间复用的效果.传统的加权公平队列WFQ虽然给每个用户提供了公平的接入信道机会,但是并没有利用MIMO系统空间复用的优点,系统容量并没有得到改善.针对这个问题,提出了一种新的基于加权公平队列的空间复用多用户接入SMMA调度算法,将上层的公平调度策略和物理层的优化天线分配相结合.最后通过仿真,将传统的WFQ算法和基于WFQ的空间复用多用户接入调度算法进行比较.仿真结果证明SMMA-WFQ算法不但给每个用户提供了公平的接入信道机会,而且提高了系统容量.     

基于Unscented变换的非线性状态平滑

众所周知, 平滑因可以使用更多的量测信息而能够获得比滤波更精确的状态估计. 为此, 本文提出一种面向非线性随机系统的状态平滑新算法. 首先, 基于最小方差估计理论, 提出了一种新颖的最优平滑器, 该平滑器为解决非线性状态平滑问题提供了一种通用的理论框架;接着, 采用Unscented变换(UT)来近似上述最优平滑框架中的平滑增益, 进而设计出一种次优平滑算法;最后, 相比传统扩展卡尔曼平滑器(EKS), 仿真结果验证了新算法的有效性和可行性.     

中心差分卡尔曼平滑器

针对一类非线性离散系统的状态平滑问题, 本文设计了一种中心差分卡尔曼平滑器(CDKS). 文中基于最小方差估计准则, 详细推导了非线性系统的状态最优平滑递推公式, 并采用中心差分变换来近似计算状态的后验均值和协方差. 相比于传统中心差分卡尔曼滤波器(CDKF), 所设计的CDKS算法有效提高了非线性状态的估计精度, 拓展了中心差分变换的应用范围. 仿真实例验证了所提出平滑器的可行性和有效性.