无线传感网中混合业务下的触发式流控制算法

无线传感器网络中,节点所具有的能量和通信能力等都十分有限,如何设计有效的协议及算法,利用有限的资源高效地完成诸多任务,成为无线传感器网络设计所面临的一大挑战.考虑接收容量模型,研究了无线传感器网络在节点接收容量和能量联合受限情况下,面向混合业务时的效用公平流控制问题,并针对传统对偶分解算法存在着收敛速度慢、步长不易调节、通信负荷大等缺陷,进一步提出了基于事件触发的分布式求解算法.理论分析与仿真验证均表明:使用事件触发算法时,传感节点的平均广播周期比使用对偶分解算法时大很多,大幅度降低了无线传感器网络节点间的通信量,减少了网络的通信开销.仿真结果显示:与对偶分解算法相比,分布式事件触发算法具有收敛速度快、对网络规模扩展的适应性强等优势;与传统的速率公平流控制机制相比,所提的效用公平流控制模型能够更加适应弹性与非弹性业务共存的网络场景.     

基于特征点运动轨迹的非刚体三维运动恢复算法研究

研究了非刚体三维运动重建问题。介绍了基于轨迹空间理论的轨迹基变换算法,分析了轨迹基的频谱特性和非刚体特征点运动轨迹频谱特点,探讨了轨迹基的选择对非刚体三维重建的影响,并对真实图像序列的实验结果验证了该算法的有效性和精确性。     

基于NBS颜色距离及半监督聚类的织物图像分割

为提高纺织CAD技术,对织物图像的分割进行了研究。依据半监督聚类理论,提出了一种基于HLC颜色空间的以NBS颜色距离为优化准则的半监督聚类的织物图像分割算法。算法利用有限的人工信息,即在织物图像上点击有限的几个点以标识相应区域之间的关系,从而得到满足用户给定限制的织物图像分割结果。算法首先对织物图像进行量化转换处理,而后在HLC色彩空间中集成先验的分割信息进行色彩聚类。实验结果表明,该算法在织物图像分割中是一种可行的方法。     

基于动态图像序列的运动目标跟踪

介绍了运动目标跟踪中基于特征、3－D、变形模型和区域的4种跟踪方法，着重分析了变形模型中Snake的跳跃模型跟踪方法和基于区域的几个有代表性的跟踪方法。说明了其在智能交通监控中的应用，并给出了区域跟踪的实验结果。     

基于加权Schatten p范数最小化的磁共振图像重构方法研究

本文提出了一种基于加权Schatten p范数最小化（Weighted Schatten p-Norm Minimization,WSNM）的磁共振图像重构算法,该方法利用磁共振图像的非局部自相似性,并结合Schatten p范数和不同秩元素重要性的加权因子,实现磁共振图像重构过程的低秩约束.此外,采用交替方向乘子算法（Alternating Direction Method of Multipliers,ADMM）来求解基于WSNM磁共振图像重构的非凸最小化问题.实验结果表明,相比于最近的磁共振重构算法,基于WSNM的磁共振图像重构方法具有更好的重建效果,可获得更高的峰值信噪比（Peak Signal to Noise Ratio,PSNR）和更好的结构相似性（Structural Similarity,SSIM）.     

课堂教学视频中学生起立发言定位方法研究

提出了一种适用于课堂教学监控场景中定位起立发言的学生的方法,此方法以帧差法和光流算法为基础,通过对连通区域的处理提取起立发言学生这一运动目标,实现了在课堂教学视频中学生起立发言的定位。     

基于智能优化算法的非刚体三维运动结构重建

从动态图像序列中恢复非刚性物体的3D运动和结构是计算机视觉领域中重要的研究内容之一。之前大多算法都假设摄像机是仿射摄像机模型,但是这种假设在目标距相机很近时会变得无效和产生较大的重建误差。通过线性递归估计法将非刚体的因式分解从弱透视投影模型扩展到一般透视投影模型,并在线性递归估计过程中使用遗传算法(GA)对迭代因子进行优化。实验结果表明提出的方法具有很高的准确性。     

基于分量组合及其位压缩的纺织图案提取方法

颜色压缩技术在彩色图像分割和表达等许多应用中是一项关键技术。提出了一种新的基于颜色分量运算及其位屏蔽压缩的图像处理技术,并将该技术应用到了纹理状织物图案的提取研究中。颜色分量运算的系数与线性组合方式由实验确定,研究表明,颜色分量运算可以增强织物图案的显示特性,而颜色位的屏蔽运算可以在保证处理实时性的同时减弱图像中的噪声污染成分,减小原图像上因噪声干扰引起的纹理分割误差。     

机器视觉在服装尺寸自动测量中的应用

利用机器视觉技术精确地提取服装图像的轮廓边缘和确定图像拐点位置,采用快速模糊边缘检测算法和有效的基于Freeman链码的拐角点检测算法,准确地检测图像的边缘和图像上的拐点。并具有实现简单,处理速度快,鲁棒性强的特点。     

基于PCA算法的运动员动作识别技术研究

主要是对运动员动作的识别问题进行的研究。提出了基于MeanShift和肤色相结合的分割方法以及运动轨迹合成方法,创新性的将PCA算法中的K-L变换应用于对图像序列的运动轨迹的特征提取当中。以乒乓球运动为例,对运动员的接挡球和扣杀球这两个动作进行了实验验证。实验结果证明了K-L变换在最大程度的保留原有信息的同时,降低了原始特征数据的维数,减小了计算量,增大了原始数据的类间距离,提高了分类的准确性。