融合纹理和颜色特征的显著目标检测

针对在无监督情况下,图像中显著性目标的不确定问题,提出了一种基于纹理和颜色特征的显著目标检测算法.首先,利用Gabor滤波器提取图像的纹理特征,构造背景模型.结合图像边缘信息更新背景先验信息.其次,利用颜色对比度来获取显著特征,利用贝叶斯增强来提高检测效果.最后,在MSRA和ECSSD两个公开数据集上,将论文算法与其他6种算法进行对比测试,实验结果表明论文算法综合性能优于其他几种算法,对目标的尺度和数量都具有较强的适用性和鲁棒性.     

一类非线性时滞系统的鲁棒自适应控制

考虑了一类含有时滞非线性系统鲁棒自适应控制问题.运用backstepping方法,巧妙构造了状态反馈控制器和自适应控制律.通过选取适当的Lyapunov函数,解决了系统中的时滞项.基于Lyapunov稳定性理论,所设计的控制器实现了闭环系统的渐近稳定.最后,给出了数值例子,并对系统进行了仿真,结果验证了方法的有效性.     

不确定Lurie时滞系统绝对稳定性分析

研究了不确定Lurie时滞系统的绝对稳定问题。通过构造适当的Lyapunov泛函、引入一些自由权矩阵和充分考虑时滞导数的上限信息,得到了基于LMIs(线性矩阵不等式)形式的时滞相关绝对稳定性新准则,两个数值例子验证了所得结论的有效性和更弱保守性。     

滞后神经网络新的时滞相关无源判定准则

研究了一类含有时变时滞的神经网络无源分析问题。通过将时滞区间分解为两个子区间和构造新颖的Lyapunov泛函,得到了基于LMIs(线性矩阵不等式)形式的时滞相关无源的新准则。这个新准则推广了一些已有的结果,并且具有更少的保守性。最后,数值例子和仿真验证了结论的有效性。     

具有概率分布时滞的神经网络稳定性新判据

基于概率理论和Lyapunov稳定性理论,研究一类具有概率分布时滞神经网络稳定性问题。通过构造合适的Lyapunov-Krasovskii（LK）泛函,运用Wirtinger不等式和倒凸技术来估计LK泛函导数的上界,得到了确保该类时滞神经网络在均方意义下的全局渐近稳定的新判据。该判据以LMIs形式表出,它不但依赖于时滞的上界,而且依赖于时滞的概率分布。给出两个数值例子,仿真表明所提方法的有效性和较弱的保守性。     

基于颜色和纹理特征的显著性检测算法

针对现有的基于图像底层特征的显著性检测算法检测准确度不高的问题,提出了一种基于颜色和纹理特征的显著性检测算法。在RGB和Lab颜色空间上,同时考虑了图像的颜色对比度特征、纹理特征。运用二维信息熵作为衡量显著图的性能标准,选取最优的颜色通道,并且针对颜色及纹理的不同特点,给出了各自的显著性特征融合方法。在公开的数据库中与四种流行的算法实验对比,实验结果证明了算法的有效性。     

利用稀疏表达检测多幅图像协同显著性目标

提出了一种利用稀疏表达检测多幅图像中协同显著目标的方法。首先用独立变量分析方法训练得到自然图像一组稀疏基,接着求出检测图像的稀疏表达,然后定义了多变量K-L散度度量它们之间的相似性,最后,根据K-L散度性质找出散度下降明显的地方,检测出多幅图像的共同显著性目标。实验结果表明,该方法正确有效,具有和人类视觉特性相符合的显著性目标检测效果。     

转移概率部分未知的时滞不确定Markov跳跃系统稳定性分析

本文研究转移概率部分未知的时滞不确定的Markov 跳跃系统随机稳定性问题,基于Lyapunov稳定理论,构造合适的Lyapunov泛函,使用自由权矩阵技术和凸结合技术来估计积分项的上界,同时也充分考虑时滞下界和上界的关系,得到保证Markov 跳跃系统随机稳定性的充分性条件,该条件以线性矩阵不等式的形式表出。最后,一个数值例子和其仿真验证了我们所提方法的有效性和优越性。     

基于SVM和背景模型的显著性目标检测算法

针对显著性目标多样性和不确定性,机器学习算法无法检测没有先验信息的图像问题,提出了一种基于图像边缘信息构建背景模型结合SVM分类算法的显著性目标检测算法.该方法对输入图像进行超像素预处理,使像素级转化为超像素级,既抑制噪声,又提高了计算效率.利用图像边缘超像素构建图像的初始背景模型,得到初始显著图.基于SVM算法建立目...