基于局部特征匹配的目标跟踪研究

针对目标跟踪中的特征提取和匹配问题进行分析,提出了一种基于局部特征匹配的目标跟踪方法,该算法基于Shape Context进行特征提取。首先,对现有特征提取算法进行简单介绍,并详细介绍Shape Context的基本思想,基于此提出基于局部特征的跟踪算法。其次,详细阐述了目标跟踪算法：采用目标点的χ2-test直方图距...     

基于多组合内容的图像识别机制

针对多组合内容图像的识别问题,提出了一种基于模糊推理融合机制的相似性距离度量算法的图像识别机制。首先,在分析现行图像识别方法的基础上,提出了薄板样条曲线TPS与模糊推理相结合的相似性距离度量机制的总体思路;其次,描述了基于形状上下文的变形图像的特征提取过程;而后讨论了薄板样条曲线TPS与模糊推理相结合的相似性距离度量机制,并将其应用在变形多组合内容图像的识别算法中。实验结果表明所提出的方法是有效的。     

基于动态贝叶斯网络的手势识别

研究了动态手势的识别技术,实现人机交互。采用HSV空间的肤色模型实现手势定位,光流场算法进行手势追踪,具有较好的快速性、准确性和鲁棒性。提出应用链码描述手势运动矢量,双手相对位置标量以及双手与脸的相对位置标量,将多条链码作为动态手势的特征进行提取。建立了一个动态手势识别的动态贝叶斯网络模型,将一部分手势链码作为训练样本,通过对DBNs的推理学习实现手势识别。实验构建动态手势识别系统,可应用于多媒体、智能电器或幻灯片控制之中。     

基于可变形模板匹配的变形字体识别

针对变形字体的识别问题,提出了一种基于形状上下文和模糊推理相结合的度量机制的变形字体识别方法。首先,在分析现行字体识别方法的基础上,提出了薄板样条曲线TPS与模糊推理相结合的相似性距离度量机制的总体思路;其次,描述了基于形状上下文的变形字体图像的特征提取过程;而后讨论了薄板样条曲线TPS与模糊推理相结合的相似性距离度量机制,并将其应用在变形字体的识别算法中。实验结果表明所提出的方法是有效的。     

机载光电跟踪系统的模糊自适应控制

为了提高机载光电跟踪伺服控制系统的控制性能,提出了一种基于模糊推理的变论域自适应控制算法.详细论述了稳定跟踪系统的数学模型,并对变论域控制算法的原理进行了详细介绍.采用变论域控制算法能够有效的避免对伸缩因子函数模型和模型参数的选择,同时能够降低系统论域的反复调节,提高系统的收敛速度和控制精度.为了验证控制性能,利用经典PID控制、模糊控制、模糊自适应PID控制三种算法对机载光电稳定跟踪系统进行仿真比较.仿真结果表明模糊自适应PID控制算法和经典PID控制相结合,在保持原有系统精度的前提下,使机载光电跟踪伺服控制系统的动态性能得到了改善,不仅可以满足系统的精度要求,还具有较强的自适应能力和鲁棒性.     

基于分组卷积的轻量级图像超分辨率重建

目前,多数基于卷积神经网络的图像超分辨率算法主要面临着网络结构复杂、参量过大以及推理速率缓慢的问题。因此,提出了利用分组卷积实现轻量化的图像超分辨率重建算法。设计了分组卷积块提取图像的基础特征,使网络参量和推理时间有效地减少,同时引入了一种改进轻量型通道注意力机制,在保证通道依赖性的同时,准确定位到目标的位置,提升重建的性能。利用亚像素卷积的过渡采样可以对特征起到集成作用,可以有效地提高重建精度减少噪声和伪影。实验结果表明,该网络在重建性能具有竞争力的前提下,参数量相比于轻量级多尺度超分辨率与超尺度网络低30%以上,并且重建速度也得到提升。     

基于贝叶斯网络的海上目标识别

贝叶斯分类器是使错误分类概率最小的最优方法,但必须具备先验知识,计算量也很大,从而增加了实时应用的复杂性.提出基于贝叶斯网络海上目标识别,结合贝叶斯网络对不确定事件强的推理作用,以及贝叶斯理论的数学基础,应用图形模式,使得计算量大大简化,降低了实用的复杂性.     

基于RGB彩色和深度信息的人体关节点定位

在人体实时定位问题中,关节点定位成为了构建人体平面骨架模型、识别人体动作中一个重要研究课题。所以,提出了一种利用RGB彩色和深度信息来定位人体关节点的方法,首先利用Kinect来获取运动人体的RGB彩色和深度图像,接着根据人体所处背景的复杂程度来采用不同的人体分割方法将人体分割出来,再对得到的人体轮廓图像进行平滑处理,从而得到平滑且连通的人体轮廓二值图像,再采用细化算法提取出人体轮廓骨架,然后对关节点周围8个邻域的像素值进行分析,并结合人体各刚体部件的比例关系,对人体的16个关节点进行定位,进而构建出人体平面关节点模型。实验结果表明,与现有方法相比,该方法简单有效,能够从多种运动状态人体中提取出准确的关节点坐标,并具有较好的准确性和鲁棒性。     

基于动态贝叶斯网络的目标侦察信息处理研究

动态贝叶斯网络是对具有随机过程性质的不确定性问题进行建模和处理的有力工具．战场环境随机变化使得侦察信息处理变的复杂化，从而影响决策的具体方式或决策方向．本文提出将隐马尔可夫模型图形模式与模糊推理结合起来构成DBN，将其用于战场侦察情报的推理分析．首先建立动态贝叶斯网络的环境变化感知模型，而后应用Viterbi解码算法获得当前隐合序列最优估计，通过HMM状态转移矩阵可预测出未来环境变化趋势，最后应用模糊推理得到问题的最优的决策或优先采用的解决方式．仿真结果表明了模型的可行性．     

基于动态贝叶斯网络推理的运动目标状态最优估计

提出基于动态贝叶斯网络推理的火炮攻击敌纵深运动目标状态估计模型。首先结合Kalman滤波理论，提出基于动态贝叶斯网络（Dynamic Bayesian Networks-DBN）的目标状态估计模型。然后应用DBN的图形模式的前向后向光滑计算方法对某一节点概率进行不确定推理，在对某一观测序列光滑的基础上，预测敌目标运行队列未来时刻的最大可能估计值，将预测信息传给火控系统并决定最优打击点。最后，通过仿真验证了整个方案的可行性。