基于几何代数的SVS-NLMS点云配准算法

针对欧氏空间点云配准方法匹配精度低、计算成本大、收敛速度慢等问题,利用几何代数对于高维空间的表达能力,提出一种基于几何代数的点云配准算法。首先,将点云数据转化为几何代数形式,基于几何代数的rotor转子,给出了几何代数空间点云配准的代价函数。其次,结合归一化最小均方算法,将求解rotor转子模拟为信号滤波问题,在几何代数空间基于最速下降法构建rotor转子迭代公式,使每次迭代计算仅使用一对匹配点对而不是全部点对。迭代计算得到的转子可用于任意维度的旋转估计问题,从而将三维点云逐步旋转配准。最后,为进一步解决收敛速度与稳态误差之间的冲突,利用Sigmoid函数给出了一种变步长的rotor转子迭代公式,在加快收敛速度的同时降低稳态误差。采用模型数据集与公共数据集验证所提算法的配准性能,与经典迭代最近点算法相比,模型数据集的配准精度由10?2提升至10?8数量级,公共数据集的配准精度提升35%,所提算法收敛速度更快,配准精度更高,且具有较低的稳态误差。     

基于自适应最优聚类的目标匹配跟踪算法

提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数,然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量,组合得到特征矢量,利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则,实时模板更新算法为多模更新。测试结果表明,该算法针对不同的目标能自适应地选择聚类参数,在目标发生几何变化时,能实现精确稳定的跟踪。     

基于自适应最优聚类的目标匹配跟踪算法

提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数, 然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量, 组合得到特征矢量, 利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则, 实时模板更新算法为多模更新。测试结果表明, 该算法针对不同的目标能自适应地选择聚类参数, 在目标发生几何变化时, 能实现精确稳定的跟踪。     

基于指纹分类的模式匹配

深入研究了指纹匹配算法.利用指纹分类获得的信息来进行指纹匹配,实现了一种基于中心点和三角点的快速点模式指纹匹配算法,成功地解决了指纹匹配中的图像旋转、平移和形变不变性问题,并具有良好的快速性.该方法以待识和模板指纹图像的中心点为匹配参考点,并根据它们的位置与方向信息来计算旋转和平移参数.然后将待识图像相对于模板图像进行旋转和平移,进而进行点模式匹配.     

基于核直方图的多子模板冗余匹配

基于直方图的模板匹配方法定位精度不高,尤其在平移、旋转、尺度等多维空间搜索时易产生误匹配。受多模板匹配思想的启发,提出了一种基于核直方图的冗余多子模板匹配方法。首先通过相异性最大化原则,在模板图目标中心等距离的圆周上进行子模板的筛选。各子模板与实时图进行直方图统计并匹配,该匹配具有旋转不变性,通过改变直方图的统计范围即可实现对尺度空间的搜索。然后通过子模板与目标中心的先验距离信息,设计高斯加权的目标中心表决器,实现多个匹配结果的鲁棒融合,同时尺度空间上的最优表决结果可确定出最优匹配尺度以及最优匹配位置。利用多点几何空间约束求取目标匹配位置,无需设置匹配阈值。实验表明,该方法极大地提高了原核直方图方法的匹配精度,实现了局部遮挡、旋转、尺度、平移等复杂情况下的鲁棒匹配。     

基于旋转不变直方图的快速匹配穷搜索

 针对视觉跟踪中旋转目标的快速鲁棒跟踪问题,提出了一种基于旋转不变直方图的快速匹配穷搜索算法.文章首先对现有的直方图匹配算法进行了简单回顾,然后在分析目标旋转导致矩形模板失效原因的基础上,提出了旋转不变直方图的概念,并通过基于双圆定位的旋转不变直方图对目标进行了准确的定位和旋转校正.旋转不变直方图利用圆的旋转不变特性和分布式直方图的算法复杂度优势,实现对目标模板的全局最优穷搜索,利用双圆圆心的相对位置关系,实现对矩形模板的旋转校正.最后对一系列视频序列进行了跟踪实验,结果表明该算法能够实现对任意角度旋转目标的鲁棒跟踪,且算法复杂度较低.     

基于自适应遗传算法的模板匹配研究

目前图像模板匹配算法的一般都有计算量非常大的缺点,在实际运用中存在一定问题,根据这一问题提出了将自适应遗传算法应用到图像模板相关匹配中.模板匹配实际是寻找最优解的问题,将模板和子图像的互相关函数做为目标函数,基于自适应遗传算法实现了快速模板匹配算法.最后根据实验说明了该算法较搜索式模板匹配算法计算量大大减少的优越性.     

基于深度学习网络的神经元自适应投影分类方法

传统的基于几何形态的神经元分类方法依赖于神经元空间结构特征的提取与选择,会损失大量有用的神经元分类信息.应用自适应投影算法将三维神经元进行转换,不需要提取神经元的几何特征,提出了一种基于深度学习网络的神经元几何形态分类方法.该方法将原始神经元数据进行三维体素重建,经过自适应投影过程构成二维神经元图像数据,并构建了基于双卷积门限循环神经网络的深度学习模型对神经元进行分类.将该方法应用于三种神经元分类数据集,通过与基于特征提取的神经元分类方法相比,实验结果表明该方法具有更高的分类准确率和良好的适应能力.     

基于随机森林算法的通信大数据重复清洗方法

当前在通信大数据清洗过程中,由于不能同时实现数据滤波与清洗,导致清洗效果差及通信时延高,为此提出基于随机森林算法的通信大数据重复清洗方法.构建主网通信数据的多维分布异构存储节点分布模型,采用云融合调度方法进行数据自适应调度和信息特征采样,结合模糊特征匹配和检测滤波方法实现数据采集过程中的抗干扰处理,根据所采集到的数据采...     

宇宙通信、星际通信、卫星通信与多址通信

0617638TD再励学习在卫星姿态控制中的应用〔刊,中〕/刘向东//北京理工大学学报.—2006,26(3).—248-250(L)0617639基于特征点集的匹配算法应用于卫星姿态确定〔刊,中〕/蔡晓东//北京航空航天大学学报.—2006,32(2).—171-175(L)综合了灰度与几何特征匹配方法,依据局部纹理能量分布选取特征点集,并利用特征点集的几何约束关系构建了可描述图像特征的模板。通过逐步求精方法实现了实时图像与基准图像的匹配。首先通过特征点集匹配进行粗搜索;然后通过精搜索以及角度较正得到实时图像中目标偏移旋转量。该特征点集算法与传统图像匹配算法相…     

水印图像几何矫正算法研究

提出基于模板嵌入的旋转及缩放估计方法,模板匹配有较低的运算复杂度,提出的基于不变质心提取的平移估计方法,解决了在原始水印图像和待测图像的平移同步问题.实验结果表明该算法矫正精度高、性能稳定、计算量小.     

基于统计几何的纹理特征提取及分类算法

纹理识别是计算机视觉领域一个重要的课题,本文研究了统计几何特征(SGF)纹理分析方法并与向量机结合构建分类系统。对支持向量机(SVM)的多分类方法的实现,构建了粗分类和细分类相结合的多分类器,实现了纹理图像的准确划分,为有效纹理特征的表示奠定了基础。本文对统计几何特征提取方法进行了研究,利用图像函数图来进行纹理描述,使用一个可变的阈值把一幅灰度纹理图像切割成一系列二进制图像,由二进制图像的连通域、几何拓扑属性推导纹理描述特征。实验结果表明,统计几何特征具有非常强的纹理描述能力,同时能够克服图像的旋转。     

基于等积环投影与Zernike矩的快速模板匹配

为增强工业级机器视觉系统的实时性和稳定性,本文提出一种基于等积环投影与Zernike矩的具有旋转不变性的快速模板匹配方法,该方法采用由粗到精匹配策略,在粗匹配阶段以等积环投影向量作为特征进行匹配得到候选点集,再基于Zenrike矩进行精确匹配.主要创新点为提出复杂度低、抗噪性强和具有旋转不变性的等积环投影向量特征,并利用圆对称性在八分圆法基础上进一步降低Zernike矩计算量.经理论分析和实验对比验证,此法在保障匹配精度前提下,其匹配速度胜于当前同类最优算法,且对高斯噪声及线性亮度变化有强鲁棒性.     

Temporal image sequence prediction using motion field interpolation

A new method for motion-compensated temporal prediction of image sequences is proposed. Motion vector fields in natural scenes should possess two basic properties. First, the field should be smoothly varying within moving objects to compensate for nonrigid or rotational motion, and scaling of objects. Second, the field should be discontinuous along the boundaries of the objects. In the proposed method the motion vector field is modelled using finite element methods and interpolated using adaptive interpolators to satisfy the above-stated requirements. This is particularly important when only very sparse estimates of motion vector fields are available in the decoder due to bit-rate constraints limiting the amount of overhead information that can be transmitted. The proposed prediction method can be applied for low-bit-rate video coding in conventional codecs based on motion-compensated prediction and transform coding, as well as in model-based codecs. The performance of the proposed method is compared with standard motion-compensated prediction based on block matching. It is shown that for simple video telephony scenes a reduction of more than 30% in the energy of the prediction error can be achieved with an unchanged number of transmitted motion vectors and with only a modest increase in computational complexity. When implemented in an H.261 codec the new prediction method can improve the peak SNR 1–2 dB producing a significant visual improvement.     

基于包络指纹特征的辐射源分类识别技术

辐射源识别技术是当前电子侦察的重要研究方向。文中利用雷达模拟器的脉冲包络指纹特征,构建特征数据库,提出一种新的指纹特征向量匹配识别方法。该方法根据自适应评分机制,衡量不同特征向量之间的相似性,实现对辐射源脉冲的分类和识别处理。利用同型号雷达模拟器的外场实录数据,验证了该识别方法的有效性,分类性能优于传统的M-距离法。文中还定量分析了辐射源分类正确率与信噪比的关系,结果表明,分类正确率与SNR成正相关,当信噪比高于20 dB时,分类正确率超过95%。     

单传感器数据驱动的人体日常短时行为识别方法

在基于惯性传感器的人体行为识别研究中，特征提取是其中的关键环节之一。而离散数据统计特征的稳定性依赖于特征提取的窗口大小。一般来说，训练数据的窗口长度需要大于一个运动周期。因此，针对测试数据远小于一个运动周期的短序列样本识别问题，提出了一种基于模板匹配的新的解决方案。首先，通过适当分割训练数据的长序列样本，构建一个过完备的短时行为模板库，将待测短时样本与模板库中样本进行一致化处理并进行匹配；其次，在匹配算法中，采用样本间的F范数与整体梯度向量的2范数累加作为匹配度量准则，得到相似度直方图；最后，基于相似度直方图，根据投票策略得到最终分类识别结果。实验表明:在使用单传感器识别短时行为的情况下，新算法比传统算法在精度和稳定性上具有更好的性能，并能适应不同窗口下短时行为分类问题。     

极线和级次双约束的光栅投影测量方法

利用结构光辅助立体视觉技术在三维测量领域可以很好地解决被测物特征稀疏的问题,从而实现对物体几何尺寸的高精度测量。提出了利用极线和条纹级次双约束的方式,通过双目相机中的极线约束原理和多频外差法得到的光栅条纹级次进行混合约束,降低了立体匹配的待匹配区域。立体匹配过程中设计了一种带权值的窗口模板,利用相位信息配合模板匹配的方式确定初始匹配点,并通过初始匹配点与附近点的相位差值利用二次曲线拟合方法实现亚像素级匹配。实验表明:该方法在较小视场测量中应用良好,对直径10 mm大小的球体可以实现快速、准确的测量。