基于车辆位置服务的安卓APP开发

利用移动互联网技术为汽车用户提供基于位置的服务是智能汽车的一个重要内容.当前汽车服务领域,提供的服务只是定位导航等基本服务,针对汽车用户提供更为个性化服务的系统几乎没有.为了方便汽车用户确定车辆位置,实时了解车辆内的信息状况,在深入分析基于车载端移动应用现状的基础上,提出并实现了一套基于Android的车辆服务系统的设计方案.系统由信息管理模块和地图模块组成,信息管理模块提供了用户车辆内甲醛浓度、PM2.5浓度和PM10浓度等信息的显示,地图模块实现了对用户车辆位置定位、行车导航以及附近服务搜索的功能.该系统在实际运用中运行稳定,定位精度较高、路线规划准确,和传统的地图相比可实时刷新车辆位置,其功能的设计更适用于汽车驾驶者.     

基于车载移动平台的图像监控

目前车载终端中图像监控领域,以倒车影像系统与车辆行车记录仪为主,难以满足车联网应用的发展需求.提出一种基于移动互联平台的车载图像监控方案.搭建了移动互联平台,在实现数据采集、数据存储和远程通信的基础上将车载终端中的图像监控与移动互联网结合,实现了云存储与远程图像监控.并在远程监控的基础上将图像监控与车辆CAN总线数据、GPS定位数据等多种数据融合,实现道路救援.测试表明,系统工作稳定有效,效率较高,可以满足用户对车辆图像监控的需求.     

基于格子波尔兹曼模型的内镜图像高光修复

在内窥镜检查中,由于器官内腔粘膜表面黏液对光源的反射,高清图像中常常存在高光。高光的修复对内窥镜检查和诊断具有重要的临床意义。本文提出一种基于四元数和格子波尔兹曼模型的高光修复方法,首先通过四元数表达高清图像的彩色信息,然后利用四元数旋转操作表达两个像素的色差,并将色差引入到格子波尔兹曼模型的松弛因子设计中,最后利用格子波尔兹曼模型的扩散实现高光的修复。实验结果表明,该方法修复高光效果更好,局部区域细节保持效果提升了50%,颜色保持效果提升了5倍。     

隐私保护的可验证多元多项式外包计算方案

随着云计算的发展和大数据时代的到来,如何对隐私数据进行外包计算且有效验证计算结果具有重要的现实意义。基于多线性映射和同态加密方案,提出了可验证的多元多项式外包计算方案,用户可准确验证外包计算结果的正确性。方案在标准模型中可证安全,且多项式函数和用户输入对于服务器都是保密的。分析表明,用户计算量远小于服务器的计算代价以及直接计算多项式函数。     

基于人脸朝向的非穿戴自然人机交互

提出了一种新颖的基于人脸朝向的非穿戴人机交互新方法.采用主动形状模型确定人脸面部轮廓特征点,克服光照和人脸姿态变化影响,在简化冗余信息的同时,降低计算复杂度.基于最大三角化划分面部轮廓特征,在此基础上,基于Kinect摄像机将构建的二维人脸模型映射至三维空间,动态求解面部朝向的法向量,通过图像帧间的均值滤波确定空间交互目标.用户无需佩带任何标记,且其活动不受约束,满足人机交互舒适性、多元性要求,实现非穿戴自然人机交互.通过实验对比,验证了本文方法有效、可行.     

基于块差值的半脆弱可逆视频认证方法

针对半脆弱可逆视频认证问题,提出一种基于块差值直方图调整的半脆弱可逆视频认证方法.在H.264帧内预测后重构的I帧Y分量中,通过预测残差对图像块分类.根据人眼视觉模型,在纹理复杂的区域嵌入比纹理平滑区域更多的水印.在接收端使用K-means对各块的差值进行聚类,自适应判断块差值所属区间,实现高准确率的水印提取.通过空间和时间认证之后,通过嵌入算法的逆操作实现无损视频还原.实验结果表明:提出算法具有良好的视觉效果,能够抵抗常规图像处理和噪声攻击,并实现对恶意篡改区域定位功能.     

基于AForge.NET类库的视频移动目标检测

运动目标的检测是数字图像处理和模式识别的基础,也是计算机视觉研究的一个重要领域。以C#为主要研究工具,对基于相邻帧差法及背景差分法的视频目标检测算法进行了研究,主要对其原理和算法进行研究。最后利用以AForge.NET架构类库,利用图像灰度的绝对值是否大于设置的阈值实现了对运动目标进行检测,实验结果表明,采用该算法可以对运动目标进行较为精确的检测。     

基于Smart Camera的目标识别和加密传输

提出用一种以DSP为硬件核心的智能数字网络摄像机Smart Camera取代传统摄像机.它能够在对监控图像进行目标识别及其信息提取的同时,将特征信息经过RSA加密后通过网络传输,并可根据后方PC机的远程控制,给出不同的报警需求,实现了摄像机的智能化、数字化、网络化以及多用途.     

基于区域融合的单视点图像深度信息提取

将2D转换为3D是目前3D多媒体成功应用的重要解决方法之一.而在2D至3D转换过程中,单视点图像中深度信息提取是最具挑战的任务.提出一种基于区域融合的单视点图像深度信息提取方法,利用区域融合对单视点图像进行区域融合,用先验假设的深度梯度图对区域进行深度分配,得到基于区域融合的深度图.实验结果表明通过所提方法得到的深度图...     

基于噪声检测的置换混叠图像盲分离

置换混叠图像盲分离作为一类新型的单信道盲分离,在理论和方法上与传统的单信道盲分离有着本质的不同。针对一类置换区域含噪声的置换混叠图像,本文提出一种基于噪声检测的置换混叠图像盲分离算法。本文首先给出置换混叠图像的数学模型,对置换混叠图像用非零元个数约束的K-SVD算法进行训练得到其稀疏表示的字典,利用学习得到的字典对置换混叠图像去噪,然后利用去噪后的置换混叠图像与原图像作差运算得到差图像,通过检测差图像来确定出置换区域的位置和大小。并利用图像形态学运算优化置换区域,采用阈值化操作分离出置换图像。实验结果表明,本文算法能够较好的从置换混叠图像中分离出置换图像,并且不受置换图像的大小、位置、个数和置换图像所含噪声大小的影响。