基于Dempster-Shafer证据理论的匹配区多特征适配性分析方法

匹配区的适配性分析在景象匹配视觉导航中至关重要。目前已有很多匹配区适配性分析特征指标，但都只能片面说明匹配区的适配性。试图将多种特征指标进行综合，解决不同特征指标对适配性分析的冲突性，提出一种特征指标适配置信度和不确定置信度的度量方法，利用Dempster-Shafer (D-S)证据理论对置信度进行融合，得出匹配区适配综合置信度，实验验证了该算法的有效性。     

基于Legendre神经网络的单目视觉相对位姿解算

将BP神经网络、RBF神经网络以及Legendre正交基神经网络应用于单目视觉相对位姿强非线性解算,并且在梯度下降法的基础上推导了Legendre正交基神经网络的最优权值,最后进行了相应的仿真及物理实验.实验结果表明,基于Legendre正交基神经网络的单目视觉相对位姿解算方法不仅精度高、鲁棒性强,而且实时性较好.     

面向目标检测的稀疏表示方法研究进展

目标检测作为图像理解的一个基础而重要的课题深受国内外学者的重视,在军事和民用中具有广泛应用.应用背景的多样性和复杂性使得传统目标检测算法难以克服复杂背景、噪声干扰、光照变化以及非刚体形变、遮挡、弱特征、尺度、视角和姿态变化等因素的影响.近些年来发展起来的稀疏表示方法为图像处理及目标检测研究提供了新的思路,本文概述了稀疏表示基本概念和理论研究进展,综述了稀疏表示方法在目标特征学习、目标分类器和滤波器设计以及多源信息融合目标检测等目标检测领域中的国内外重要研究进展,并展望了稀疏表示方法在目标检测领域的发展方向.     

异步电动机三闭环模糊PI矢量控制方法研究

针对异步电动机矢量控制因电动机参数和负载变化使其性能变差的问题,设计了转矩环、磁链环、转速环三闭环模糊PI矢量控制系统。以速度误差和速度误差变化率作为模糊控制器的输入,大偏差时采用模糊控制,小偏差时采用PI控制。仿真结果表明,相比于传统的矢量控制系统,三闭环模糊PI矢量控制系统具有良好的动、静态性能以及较强的鲁棒性。     

再生纤维素/胶原蛋白复合伤口敷料的制备及其性能评价

用高碘酸钠将再生纤维素膜(RC)部分氧化,得到具有醛基的2,3-二醛纤维素膜(DARC,醛基含量为6.11%),再通过席夫碱反应将胶原蛋白固定到DARC膜上,制备得到DARC-Col复合敷料。SEM结果显示DARC-Col复合敷料具有多孔网络结构。该材料具有良好的机械性能(拉伸强度78.09MPa,断裂伸长率9.59%),溶胀性能(182%),透湿性(703.72g/m2·d)和保水性(20%)。NIH-3T3小鼠成纤维细胞实验结果表明,该材料能有效促进细胞的生长和增殖,具有作为理想的伤口敷料应用于伤口修复治疗的巨大潜能。     

一种基于矩特征和特征光流的运动目标跟踪方法

提出了一种基于矩特征和特征光流的运动目标跟踪方法.首先进行角点特征提取,按照提出的基于矩特征的局部范围内匹配角点的策略,完成了序列图像的角点匹配;然后,按照本文提出的光流聚类准则完成了两个图像目标的聚类.仿真实验表明,本文算法在减少计算量的同时可提高跟踪精度,且可克服目标做小角度旋转时的失跟问题.     

基于区域相关的核函数背景建模算法

传统的背景建模方法都是单独为每个像素建立背景模型,这样就没有考虑像素之间实际存在的相关性,使得在进行前景和背景分割时出现不该出现的空洞和噪声点。为了解决这一问题,提出了一种基于像素邻域信息的核密度估计背景建模算法;给出了相邻像素亮度值分布模型间的相关性描述,并将该相关性引入到背景建模中,得到包含时一空信息的背景模型,并提出背景模型的更新策略;实验结果表明,算法能有效去除前景区域内的空洞和背景区域内的噪声点,能快速准确地更新背景模型,能进行复杂场景的背景建模。     

基于模极大值和相关性的图像噪声抑制融合算法*

现有的融合算法不能很好地区分噪声和视觉上有意义的特征信息,针对此问题提出了一种基于模极大值和相关性的图像噪声抑制融合算法.首先利用二进小波分解后高频系数的局部模极大值得到各尺度的图像边缘,然后利用小波系数的模极大值抑制噪声,结合子带关联和尺度相关的融合准则对去噪后的边缘进行融合,最后基于边缘重构图像.算法在抑制噪声的同时更好地保护了边缘特征信息,同时减少了计算量.理论分析和实验结果表明了算法的有效性.     

基于快速支持向量机的图像型火灾探测算法*

图像型火灾探测的核心问题是火焰和疑似火焰物体的分类和识别。以火灾视频和疑似火灾视频为分析对象,提取了火灾图像的面积重叠率、圆形度以及火焰尖角数目三个特征量,选择快速支持向量机进行分类器训练,最终利用训练好的分类器实现了火焰及干扰物体的分类识别问题。实验结果表明,该算法提高了火灾图像的分类精度和火灾识别的准确率,同时具有较高的检测效率。     

基于自适应极坐标变换的景象匹配算法

对数极坐标投影变换以其对旋转及尺度的不变性而在景象匹配中广泛应用,但这种方法计算复杂且对图像的遮挡非常敏感。自适应极坐标投影变换,一方面保持了对数极坐标投影变换的旋转及尺度不变性,同时对图像间的局部遮挡具有鲁棒性且计算量相对较少。为此,把自适应极坐标投影变换应用到景象匹配中,提出了一种基于自适应极坐标变换的景象匹配算法。结合景象匹配辅助导航系统的实际给出了进一步的改进措施:根据自适应极坐标投影变换的特点,设计了一种新的相似性度量方法;创建虚拟圆索引模板,实现了在基准图上圆形子图的快速截取;在多分辨率匹配技术的基础上,进一步采用跳跃式搜索,有效缩减了匹配耗时。仿真实验表明,所提算法在实时性及鲁棒性方面优于传统的对数极坐标匹配算法。