排序方式: 共有13条查询结果,搜索用时 187 毫秒
1.
在大背景中微小目标的视觉检测中,传统的机器视觉系统按照预先设定的采样频率与固定的分辨率采集和处理图像,存在大量的冗余数据。为了有效去除冗余数据,基于人类视觉预注意机制设计了一种选择性成像机器视觉系统,将视觉处理过程划分为并行的预注意初级处理阶段与串行的高级处理阶段;同时模仿人类视觉注意机制,提出了一种基于视觉熵的视觉预注意算法;系统并行地获取并判断图像是否可疑,然后仅将少量可疑图像传送至主机串行的进行精细目标识别。试验结果表明,本系统显著地减少了图像处理的数据量,可疑图像识别算法快速有效,提高了系统检测效率和精度。为大背景中微小目标的机器视觉检测提供了一条新途径。 相似文献
2.
使用机器学习方法结合激光诱导击穿光谱(Laser Induced Breakdown Spectroscopy,LIBS)进行定量分析,变量选择的结果直接影响最终的定标模型。现有的变量选择方法多存在需要先验知识、计算量庞大等问题,因此提出一种两阶段变量选择方法。第一阶段为排序阶段,以皮尔逊相关系数r为排序准则快速排除与目标元素的浓度无关的变量,保留的变量集合记为S1。第二阶段为搜索阶段,使用近似马尔科夫毯(Approximate Markov Blanket,AMB)排除S1中的冗余变量,保留的变量集合记为S2。为了测试该方法的有效性,将该方法得到的变量集合S2,与偏最小二乘法-变量重要性投影(Partial Least Squares-Variable Importance Projection,PLS-VIP)得到的变量集合S3进行比较。S2和S3分别结合3种机器学习方法建立土壤中锶元素的定量分析模型,结果显示,变量集合S2的3种定标模型决定系数R2均大于0.99,RE均小于5%,RMSE均小于22 ppm,RSD均小于20%,显著优于S3的定标模型。表明这种两阶段变量选择方法不仅能够高效的进行变量筛选,也在结合不同机器学习算法进行LIBS定量分析时具有一定普适性。 相似文献
3.
针对Robocup小型组机器人足球视觉系统中的图像校准环节的关键技术进行分析研究,利用改进的摄像机标定算法建立相应的数学模型,采用简洁的方法进行求解,并通过投影校准的计算提高校准精度,最终使该视觉系统保证了比赛中实时性和准确性的要求. 相似文献
4.
针对应用在机器人三维(3D)场景感知测量中,Kinect深度图的联合双边滤波(JBF)存在降低原始场景深度信息精确度的制约性问题,提出一种新的预处理算法。首先,通过构建深度图的测量和采样模型,得到深度图的蒙特卡罗不确定度评价模型;其次,依据该模型计算得到深度值估计区间,实现噪声点与非噪声点的判定及滤除;最后,利用估计区间均值完成噪声点的修复。实验结果表明,该算法在噪声滤波的同时保证了非噪声的不变性;非噪声的不变性以及基于估计均值的噪声修复使原始深度梯度具有不变性;与联合彩色深度图的双边滤波相比,预处理结果图物体边缘轮廓清晰不变且其均方误差降低了15.25%~28.79%。因此,该预处理算法达到了提高三维场景深度信息精确度的目的。 相似文献
5.
以ObjectARX为开发工具,在MDT中实现了基于Bezier曲线描述圆弧段的设计和调整。采用这种方法开发的CAD系统,可以通过编程方便地实现产品的自动化造型,该方法可以推广至其它的CAD平台。 相似文献
6.
7.
本文针对激光诱导击穿光谱技术(laser-induced breakdown spectroscopy,LIBS)定量分析中的特征选择问题,提出一种基 于Pearson相关系数的排序、主成分分析和L1正则项相结合的自动选择特征的定量分析方 法,建立了土壤中Co元素的定量分析模型。该模型训练集和测试集的R2(决 定系数)分 别为0.995和0.991, 均方根误差(root mean square error, RMSE) 分别 为4.634mg/kg和6.078 mg/kg, 平均绝对误差(mean absolute error, MAE) 分别为6.100%和6.441%,特征个数由原始数据的42870个降至5个 ,耗时仅 0.97 s。结果表明:采用该方法可降低特征子集维度并提高模型的泛 化性和精确度,为LIBS技术定量分析的特征选择提供一种高效的方法。 相似文献
8.
9.
10.