基于EM的多目标跟踪算法

为了提高多目标跟踪的鲁棒性,增强目标之间的区别性,使用了一种基于能量最小化(energy minimization,EM)的多目标跟踪算法,不同于现有算法,本算法专注于将多目标跟踪中的复杂问题表示为能量函数的模型,模型中包括了更优的目标区分策略(相似度模型)。通过将每个能量函数成本值对应一个多目标的跟踪轨迹方案,算法将多目标跟踪问题转化为能量最小化的问题。在能量函数模型的优化方法上,算法采用共轭梯度算法和一系列的跳转运动来找到能量最小的值。公开数据集的实验结果证明了本算法的有效性,而且定量分析结果证明了本算法提高了目标与背景、目标之间的相互区别性从而与其他算法相比能获得更好的鲁棒性能。     

基于SiPLS和SPA波长选择的玉米组分测量研究

研究分析80个玉米实验光谱数据,经预处理后,分别进行区间偏最小二乘(iPLS)、组合区间偏最小二乘法(SiPLS)和连续投影算法(SPA)优选玉米水分组分的最佳波长,建立校正模型。结果表明,iPLS、SiPLS和SPA将建模变量从700个分别降低到70、140和2个,各占据全光谱的10%、20%和0.29%,而其建模精度比700个全谱变量建模精度甚至更好。其中SiPLS和SPA的建模精度相当,但是SPA方法将建模变量从700个降低到2个,计算复杂度得到最大程度的降低,并保持了建模精度,表明SPA是一种有效的特征波长提取方法,且这一研究方法可推广应用到对玉米中油脂、蛋白质和淀粉的含量检测中。     

基于粒子群算法的决策树SVM多分类方法研究

针对SVM多分类问题提出了一种基于粒子群算法的最优决策树SVM生成算法,以解决传统支持向量机多分类方法存在的不可分区域和误差积累现象。该方法利用自变异的PSO聚类算法在每一决策节点自动寻找最优或近优分类决策,将数据集划分为两类,直至叶子节点为止,最终根据最优决策树构建SVM多分类结构,训练各个节点SVM分类器。将该算法应用于图像人群密度分类问题,仿真实验表明,分类精度和分类时间得到明显改善,是一种有效地的多分类算法。     

求取电路最小测试集的优化算法的比较研究

离散事件系统（DES）理论的发展为数模混合电路中的数字信号和模拟信号的测试提供了一种统一、系统、有效的方法。在基于DES理论的电路可测试性研究中,其中重要的一项工作就是求取电路的最小测试集。首先介绍了目前求取电路最小测试集的几种优化算法的思想和实现方案,然后对它们进行了比较,并对下一步研究方向进行了展望。     

分布式微机系统在粮情监控中的应用

介绍了利用分布式微机系统原理组成的大型粮库粮情监控系统的研制情况。着重讨论了该系统的组成原理、通讯接口和通讯程序设计方法。     

Delphi技术在测试软件中的应用

详细介绍了用Ｂｏｒｌａｎｄ Ｄｅｌｐｈｉ３．０开发自动测试系统过程中的一些高级技术的应用,这些技术包括：动态封面的动作;动画的生成和播放;利用多媒体控件实现语音提示,数据库的组建,添加和删除;ＤＬＬ的调用;引进ＭＳＣｏｍｍ３２．ＯＣＸ实现串行通信。     

基于单势阱随机共振的多频周期微弱信号检测

经典随机共振（SR）应用于微弱信号检测,在取得较好效果的同时也带来了最佳系统参数调节困难的问题.单势阱随机共振（SSR）只需调整一个系统参数,更容易调整系统到最佳状态.在研究了单势阱随机共振理论基础上,对多频周期信号加上与实际更为接近的色噪声,采用互相关系数作为测度指标,运用自适应方法寻找系统最优参数后,系统设置该参数,从待测信号中检测出多频周期微弱信号.实验结果表明单势阱随机共振对多频周期微弱信号具有较好的检测效果.     

一种改进型的时空混合高斯背景建模

针对单固定摄像机的环境,提出一种结合三帧差法的时空混合高斯背景建模方法,改善了传统混合高斯背景建模只考虑单个像素在时间上的特性而忽略相邻像素空间上的相关性,从而对非平稳场景较为敏感的缺点。对于状态变化频繁的点,让其取邻域内的稳定点的灰度值,再与三帧差法的结果进行或操作。实验结果表明,与经典混合高斯背景方法相比,本文的方法能够有效改善背景中出现的非平稳波动,检测出的目标也更完整,并且对阴影的影响,也有一定的抑制作用。     

数字摄像法测量白天能见度算法设计

数字摄像法测量白天大气能见度,常用的方法是双亮度差法,此方法需尽可能保证标准的观测条件,例如两组目标-背景视线方向一致,尽量选择观测反射率低得可以忽略的人工实用黑体目标物等,否则会产生较大的误差。为此设计了一种新的基于数字摄像机的白天能见度算法:拍摄包含合适的目标物和天空背景图像,通过暗原色先验估计透射率,通过调节光圈大小获得散焦图像,把S变换应用到图像处理中,计算视觉距离,可以得出大气消光系数,从而反演出大气能见度值。实验数据表明,该算法在能见度的值在4 000~8 000 m范围内最大误差小于9%,测量结果比双亮度差方法误差减小2.1%~3.4%。