分车型的高速公路短时交通流量预测方法研究

针对混合交通流中车辆类型的不确定性和随机性,导致了直接对总车流量进行预测时难以获得较高的预测精度问题,提出一种分车型的流量预测方法.依据各种车型的车流量变化规律不同的特点,选用改进的时间序列算法对大型车和拖挂车的流量进行预测,选用二次指数平滑法对小客车和中型车的流量进行预测;然后通过车辆折算系数将各车型的流量预测值进行加权求和,从而得到总车流量预测值;最后利用渝武高速公路上微波车检器的实测数据对提出的预测方法进行了实验验证,并与非参数回归预测方法和卡尔曼滤波预测方法进行了对比.实验结果表明,无论在工作日还是节假日,分车型的流量预测方法均具有更高的预测精度,该结果为进一步提高高速公路管控能力建立了基础.     

基于(2D)2-KL变换的小波域图像融合算法

为使融合后的图像在尽可能保留源图像细节信息的同时,还能够有效提高源图像的对比度,提出基于(2D)2-KL((2D)2-Karhunen-Loeve)变换的小波域图像融合算法.首先用(2D) 2-KL变换直接对图像信息进行分析,并构建协方差阵,提取图像的重要特征,然后将其主要特征输入到小波域中.在此基础上,对小波变换分解得到各子带系数,用一定的融合策略进行融合.低频子带含有图像的轮廓信息,引入加权因子指导低频子带系数进行融合.实验结果表明,提出的算法有效提高了图像的对比度,并且很好地保留了图像的细节信息,无论在视觉角度上,还是在各种客观性能评价上都比其它传统方法取得了更佳的融合效果.     

小波树和Fisher线性鉴别的人脸识别

结合小波树和子空间分析中Fisher线性鉴别方法,本文提出基于小波树和Fisher线性鉴别的人脸识别算法(WAFLD)。该算法先利用小波变换公式,在人脸图像上计算出一个小波近似分量和三个细节分量;然后对小波近似分量进行二次小波分解,相应地计算出各小波近似分量;其后对三层分解的小波近似系数进行重新组合,得到一个新的样本集;最后在此样本集上使用Fisher线性鉴别方法进行人脸识别。ORL和CAS-PEAL-R1人脸库的实验结果表明,与Fisherfaces和Eigenfaces方法相比较,WAFLD方法的人脸识别率为99%,对光照条件、脸部表情变化有良好的鲁棒性。     

用两层分类算法进行视频烟雾检测

为提高视频烟雾检测的准确性,提出一种基于概率的两层最近邻自适应度量分类算法(PTLNN)来进行烟雾检测.该算法以最小化平均绝对误差为原则,结合AdaBoost和KNN算法的优势,充分考虑局部和全局的样本分布,能明显提升分类精度.采用离散余弦变换(DCT)和离散小波变换(DWT)两种方式对烟雾特征进行提取,并验证算法性能.通过与传统算法的对比实验发现,采用离散余弦变换并结合PTLNN算法在视频烟雾检测方面具有更好的效果,既满足实时性要求又提高了检测精度.     

一种基于分块匹配的SIFT算法

SIFT算法在图像处理领域具有独特的优势,但是经过不断发展,SIFT算法在特征匹配过程中仍然具有数据处理量大、计算速度慢的问题.基于这些问题,提出了一种基于分块匹配的新型SIFT匹配算法,它通过剔除非重叠区域来降低特征提取和匹配的时间损耗.对于图像的刚性变换,算法的核心在于图像块的切分和重叠区域的计算,首先选取少量的种子点来估算两幅图像的相关变换矩阵;然后将原始图像切分为几块,通过变换矩阵找出在匹配图中的相关块;再检测所有的匹配块上的特征点;最后结合RANSAC算法去除伪匹配点对,来提高匹配的准确率.实验结果表明:与标准SIFT算法相比,基于分块匹配的SIFT算法在实时性和鲁棒性方面得到了进一步的提升,在实际图像匹配中具有一定的应用价值.     

软组合概率神经网络分类器人脸识别方法

概率神经网络分类器具有学习速度快、易于实现的特点,而且其输出是后验概率, 使得分类器的软组合变得容易。利用概率神经网络的这些特点,提出了软组合概率神经网络分类器人脸识别方法,该方法包括3步:(1)对人脸图像做不完全小波包分解;(2)用包含低频成分的小波子空间图像训练概率神经网络分类器;(3)用模糊积分组合训练好的分类器。将该方法与3种基于矩阵子空间的人脸识别方法在JAFFE、YALE、ORL和FERET 4个人脸数据库上进行了实验比较,结果表明,提出的方法在识别精度和CPU时间两方面均优于其他3种方法。     

基于信息熵与SIFT算法的天文图像配准

天文图像配准是研究天体运动的一项关键技术,图像内部结构往往存在轻微的不规则运动.但是图像配准涉及到计算整个图像的变换关系,在此情况下,无论是采用基于统计特征还是基于局部特征的配准方法,都难以取得理想的效果.为此,提出基于信息熵与SIFT算法的天文图像配准方法.该方法首先需对图像进行均匀分块并计算每块熵值,以熵值最大者作为配准的局部子图,然后通过尺度不变特征变换(Scale Invariant Feature Transform,SIFT)及仿射变换建立变换关系,继而利用局部子图变换关系完成图像的配准.该方法一方面能缩短变换关系的建立时间,另一方面能保证图像中信息熵最大区域配准,有效提高天文图像配准质量.     

基于BP神经网络和模糊推理系统的短时交通流预测

本文研究短时交通流预测。短时交通流预测是智能交通系统研究和实践的必要基础。本文提出和建立了一个短时交通流量预测模型,该模型利用一个基于规则的模糊系统,非线性地组合BP 神经网络模型和自适应卡尔曼滤波模型的交通流量预测结果,使得短时交通流量的预测结果更加准确可靠。该模型将传统方法和人工智能方法有机结合,一方面,利用人工神经网络强大的动态非线性映射能力,从而提高预测精度;另一方面,充分发挥卡尔曼滤波的静态线性稳定性,解决了单独使用BP神经网络进行预测时识别率不理想和可信度不高的问题。实验结果表明,本文提出的短时交通流预测模型具有较高的准确度和可靠度。     

天然气长输管道燃驱机组控制系统优化技术

燃气轮机驱动的压缩机组被广泛地应用在天然气长输管道,其控制系统优化技术的大范围深度应用在管道行业尚数首次,及时消除生产瓶颈的同时,也为涉及燃机的控制专业同行提供了技术借鉴,更重要的是为管道行业燃机运行提供了安全保障。     

基于离散小波—奇异值分解的多水印嵌入算法

为提高传统数字图像水印算法的安全性, 解决数字水印对信号处理和几何失真比较敏感的问题, 提出一种新的以离散小波多级分解与奇异值分解相结合的数字图像水印算法. 不同于常见的基于小波变换的数字水印技术, 该方案在原始图像离散小波变换的低频近似区域和高频对角区域中嵌入水印, 在图像的保真度和鲁棒性之间取得较好的折衷. 水印检测时, 将从低频近似区域和高频对角区域中提取出的水印进行比较, 选择效果较好的水印作为最终检测水印. 实验结果表明, 提出的多水印算法对于各种攻击具有较强的鲁棒性.