仿鸿雁编队的无人机集群飞行验证

为了降低无人机集群控制的复杂度，高效解决大规模无人机集群控制和长距离飞行时集群变拓扑问题，设计了一种仿鸿雁群编队的无人机集群自主协同控制方法，借鉴自然界中的鸿雁编队行为机制，开发了面向无人机平台的分布式仿生集群控制系统。鸿雁是一种常见的集群鸟类，其在迁徙途中表现的自组网和编队变拓扑行为与无人机集群飞行有极高的相似性。仿鸿雁编队行为机制的无人机集群飞行验证系统采用了低成本四旋翼无人机，利用无线局域网进行组网通信。外场飞行试验结果表明，自然界中的鸿雁编队行为机制有助于无人机集群的快速精准编队控制，实现了无人机的位置实时变拓扑，提高了无人机集群飞行的鲁棒性。      

基于LBP和级联XGBoost的驾驶员打电话行为检测算法

基于机器视觉检测手机位置是检测驾驶员打电话行为的重要方法和依据。为解决实际应用中光照、姿态等因素对检测效果的影响,笔者提出了一种基于LBP特征和级联XGBoost的打电话行为检测算法,用于筛选滑窗采集到的手持电话样本,同时其应用基于MLP(Multi-LayerPerceptron)神经网络进行回归校准,进而得到更准确的位置。LBP的特征提高了打电话行为的辨识度,级联XGBoost和MLP网络回归提高了检测效率和定位准确度。实验表明,LBP与XGBoost级联分类器组合分类效果良好,构建的MLP网络能够有效拟合滑窗采集样本的偏移值。     

加权信息熵与增强局部二值模式结合的人脸识别

针对人脸识别因光照、姿态、表情、遮挡及噪声等多种因素的影响而导致的识别率不高的问题，提出一种加权信息熵（IEw）与自适应阈值环形局部二值模式（ATRLBP）算子相结合的人脸识别方法（IE （w） ATR-LBP）。首先，从原始人脸图像分块提取信息熵，得到每个子块的IEw；然后，利用ATRLBP算子分别对每个人脸子块提取特征从而得到概率直方图；最后，将各个块的IEw与概率直方图相乘，再串联成为原始人脸图像最后的特征直方图，并利用支持向量机（SVM）对人脸进行识别。在AR人脸库的表情、光照、遮挡A和遮挡B四个数据集上，IE （w） ATR-LBP方法分别取得了98.37%、94.17%、98.20%和99.34%的识别率。在ORL人脸库上，IE （w） ATR-LBP方法的最大识别率为99.85%；而且在ORL人脸库5次不同训练样本的实验中，与无噪声时相比，加入高斯和椒盐噪声后的平均识别率分别下降了14.04和2.95个百分点。实验结果表明，IE （w） ATR-LBP方法能够有效提高人脸在受光照、姿态、遮挡等影响时的识别率，尤其是存在表情变化及脉冲类噪声干扰时的识别率。     

基于LabVIEW的零件分类系统

在机械加工过程中,每个机床对零件进行一道或几道工序的加工。为了提高生产效率,降低工人的劳动强度,提高智能化生产程度,使用美国NI公司所开发的LabVIEW软件为开发环境,用VisionAssistant和IMAQ Vision的图像处理工具包,设计了一套可以识别不同工序下零件状态的系统。首先对不同工序下零件的状态进行收集,通过图像预处理、分类器的配置、训练及评价得到包含一个具有零件特征向量值及零件名称的分类器,然后将训练所得的分类器运用到零件分类的过程中。实验证明了这种方法具有很高的精度,该方法可以用于生产过程中不同工序下零件的识别问题,应用该方法可以有效降低工人的劳动强度。     

基于流形学习的光学遥感图像分类

随着光学遥感图像技术的快速发展与广泛应用,对光学遥感图像的准确分类具有深远的研究意义。传统特征提取方式提取的高维特征中夹杂着许多冗余信息,分类过程可能导致过拟合现象,针对传统的线性降维算法不足以保持原始数据的内部结构,容易造成数据失真这一问题,提出基于流形学习的光学遥感图像分类算法。该算法首先提取出图像的SIFT特征,然后将流形学习运用于特征降维,最后结合支持向量机进行训练和识别。实验结果表明,在Satellite、NWPU和UCMerced实验数据中,冰川、建筑群和海滩分类精度得到了有效提高,达到85%左右;针对沙漠、岩石、水域等特殊环境遥感图像,分类精度提高了10%左右。总而言之,基于流形学习的分类算法对通过降维之后的数据能够保持在原高维空间中的拓扑结构,相似特征点能得到有效聚合,预防了"维数灾难",减少了计算量,保证了分类精度。