Hierarchical sampling optimization of particle filter for global robot localization in pervasive network environment

This paper presents a hierarchical framework for managing the sampling distribution of a particle filter (PF) that estimates the global positions of mobile robots in a large‐scale area. The key concept is to gradually improve the accuracy of the global localization by fusing sensor information with different characteristics. The sensor observations are the received signal strength indications (RSSIs) of Wi‐Fi devices as network facilities and the range of a laser scanner. First, the RSSI data used for determining certain global areas within which the robot is located are represented as RSSI bins. In addition, the results of the RSSI bins contain the uncertainty of localization, which is utilized for calculating the optimal sampling size of the PF to cover the regions of the RSSI bins. The range data are then used to estimate the precise position of the robot in the regions of the RSSI bins using the core process of the PF. The experimental results demonstrate superior performance compared with other approaches in terms of the success rate of the global localization and the amount of computation for managing the optimal sampling size.     

一种基于深度森林的恶意代码分类方法

针对当前恶意代码静态分析方法精度不足的问题，将恶意代码映射为无压缩的灰度图像，然后根据图像变换方法将图像变换为恒定大小的图像，使用方向梯度直方图提取图像的特征，最后提出一种基于深度森林的恶意代码分类方法.实验中选择不同家族的多个恶意代码样本进行分类，验证了该方法的有效性，并且实验结果优于近期提出的SPAM-GIST方法.     

Adaptive reversible data hiding for JPEG images with multiple two-dimensional histograms

Joint photographic experts group (JPEG) can provide good quality with small file size but also eliminate extensively the redundancies of images. Therefore, hiding data into JPEG images in terms of maintaining high visual quality at small file sizes has been a great challenge for researchers. In this paper, an adaptive reversible data hiding method for JPEG images containing multiple two-dimensional (2D) histograms is proposed. Adaptability is mainly reflected in three aspects. The first one is to preferentially select sharper histograms for data embedding after $K$ histograms are established by constructing the $k$th ($k\in \{1,2,\dots ,K\}$) histogram using the $k$th non-zero alternating current (AC) coefficient of all the quantized discrete cosine transform blocks. On the other hand, to fully exploit the strong correlation between coefficients of one histogram, the smoothness of each coefficient is estimated by a block smoothness estimator so that a sharply-distributed 2D-histogram is constructed by combining two coefficients with similar smoothness into a pair. The pair corresponding to low complexity is selected priorly for data embedding, leading to high embedding performance while maintaining low file size. Besides, we design multiple embedding strategies to adaptively select the embedding strategy for each 2D histogram. Experimental results demonstrate that the proposed method can achieve higher rate–distortion performance which maintaining lower file storage space, compared with previous studies.     

基于机器视觉的油画棒检测系统的设计

油画棒装盒传统方式采用人工,针对其摆放效率低、成本高的问题,设计了基于机器视觉的油画棒装盒系统,选用ARM芯片做图像处理,在有限的资源配置和时间条件下完成任务.系统通过摄像头对油画棒进行图像采集,控制电机转动油画棒,进行图像匹配,完成投放.系统先对图像定位、选取,滤波去噪,再采用改进的自适应阈值的直方图匹配算法,并结合模板图像和待匹配图像的相关系数,有效降低了计算量,提高了系统的识别率.实践证明系统的工作稳定,能实现对油画棒角度的有效调整,匹配速度快,单台识别率达到99％以上,能完成产品的自动装配.     

基于面部组件码表的人脸照片库缩减方法

在实际匹配人脸合成画像与照片时,待匹配的照片库是非常庞大的,现有的匹配方法都非常耗时。提出一种基于面部组件码(FCC)表的人脸照片库缩减方法。该方法分为2个阶段:在第1阶段,创建一个面部组件码表库。其中,使用梯度位置方向直方图(GLOH)来描述人脸合成画像的不变特征。在第2阶段,构建缩小后的照片库。本阶段使用待匹配的人脸合成画像的6个面部组件码在FCC表库中检索,将符合条件的FCC表对应的照片来构建缩小后的照片库。方法使用人脸合成画像软件(FACES EDU 4.0)在包含1 119张照片的照片库上进行了实验。实验结果表明:该方法将照片库缩减为原库大小的55.85%,保留目标照片的概率为95.16%。     

一种改进的Canny自适应边缘检测算法

针对原始的Canny边缘检测算法高低阈值不利于选择的问题,提出一种改进的Canny自适应边缘检测算法。该方法采用3×3的Sobel边缘算子模板代替2×2邻域内求有限差分来计算梯度幅值;利用梯度直方图来选取高低阈值,提高了算法的自适应性;在边缘的连接上采用边界追踪的方法,来保证边缘的连续性和唯一性。以20m m量块图像边缘检测为例进行了实验。结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度,细化图像边缘和抑制伪边缘噪声方面的性能也得到了提高,是一种有益的边缘检测改善方法。     

基于形状特征的图像检索系统的设计

基于图像形状特征的图像检索方法已成为一个研究热点。为了便于在众多的图像信息库中快速、准确的检索出所需图像,研究了基于形状特征图像检索的主要步骤,且对步骤中所涉及的算法做了比较、选取、改进。利用MATLAB语言开发了一个基于形状特征的图像检索系统。并对该系统进行了测试,通过测试表明该系统可以有效的检索出相似的图像,且对于实验结果做了查全率和查准率的计算与分析,结果证明该系统切实可行具有一定的推广价值和使用价值。     

实时超高清电影模式检测算法及其实现

为了解决当帧率上变换算法遇见超高清电影模式序列时,由于重复帧导致运动矢量场无法收敛到真实轨迹,设计了一种高效率的电影模式检测与实现的方法.将视频图像进行分块不规则采样,对各个子块进行像素直方图统计,根据统计结果来进行电影模式处理,最后经过FPGA硬件验证及RC综合.实验结果证明,该算法设计在实时处理50/60 Hz超高清序列大数据流量时仅需很小的存储器资源,并且可以快捷准确地对电影模式进行实时检测处理,特别是局部运动的序列检测.     

基于兴趣点方向梯度直方图的图像检索方法

提出了一种基于图像兴趣点方向梯度直方图的检索方法.为了提高检索准确度,首先采用直方图均衡化增强图像对比度,然后利用SURF(Speeded Up Robust Features)检测子检测图像中的兴趣点,以兴趣点为中心,对兴趣点邻域内分块方向梯度直方图进行图像特征描述,最后进行相似性度量.该算法通过直方图均衡化,提取到图像中更丰富的细节信息尤其对于颜色单一与颜色较深的图像,而且算法中充分利用了图像中包含信息量较多的图像兴趣点.实验证明,该算法提高了图像检索的准确度,相比其他算法取得了更好的检索结果.     

选择性背景优先的显著性检测模型

在检测图像显著性区域的领域中,背景优先是一个较新的思路,但会遇到背景鉴别这个具有挑战性的难题.该文提出背景真实性的判断问题,在探索的过程中发现背景通常具有连续性的特征,根据这一特性实现了判定背景的方法,并将判断的结果作为显著性先验值应用于后继的计算中,最终结果的准确性和正确性得到有效提高.该文首先采用均值漂移(MS)分割算法将图片预分为超像素,计算所有超像素的初始显著值;随后提取原图的4个边界条,计算每两条之间的色彩直方图距离,判定小于预设阈值的两条边界作为“真”的背景,选择它们作为优先边界,计算先验显著性值;最后进行显著性计算,得到最终的显著图.实验结果表明,该算法能够准确检测出显著性区域,与其他6种算法相比具有较大优势.