飞机总体设计中的一种多目标鲁棒优化方法

 提出一种基于灵敏度的多目标鲁棒优化方法。针对各维设计变量存在扰动的情况,在原约束多目标优化模型上,附加偏差目标函数,并采用最差估计法对约束条件进行鲁棒可行性调整。采用全局敏度方程方法来计算目标函数和约束函数对设计变量的敏度,进而采用Pareto遗传算法搜索约束多目标优化问题的非劣解集,设计者可以根据不同的设计准则从中选择合适的设计点。将上述方法用于飞机总体参数优化设计,并与采用常规优化方法所得的优化结果进行了分析和比较。     

振动主动控制系统的一种鲁棒设计方法

本文从控制系统校正的角度出发,提出了一种振动主动控制系统的鲁棒设计方法,并且研究了传感器与作动器的位置对系统鲁捧性的影响,指出传感器与作动器对位有助于提高系统的鲁棒性。最后通过一算例说明了该方法的可行性。     

一种特征点跟踪的运动目标检测

提出一种基于特征点跟踪的运动目标分割算法。在角点跟踪过程中,8等分匹配点邻域,构造方向子邻域提高匹配精度;提出一种新的聚类准则抽取最优特征子集估计运动参数;结合统计方法消除残差噪声;采用时域滤波滤除孤立区域检测出运动目标。对200帧可见光视频序列和100帧红外图像序列中运动汽车进行检测分割实验,检出率分别达到96%和94%。     

系统存在未知输入时的鲁棒故障检测

提出了系统存在未知输入时实现鲁棒故障检测的一种新方法。该方法以系统发生故障之前总有一段正常运行阶段的假设为前提,其基本思想是,在正常运行阶段用一般的观测器估计未知输入,估计稳定后把估计所得到的未知输入当作已知输入修正检测滤波器,这样可以以往的未知输入观测器方法丢失故障信息的缺点。     

价格不确定供应链的多目标运作鲁棒模型

建立了由一个制造商和一个供应商构成的多产品、多阶段供应链在原材料和最终产品的市场价格均不确定情况下运作的鲁棒模型.采用区间不确定性描述价格的不确定性.供应链的运作模型为一个多目标规划问题,满足诸如供应链协调运作、所有供应链成员的目标利润尽可能最大、对应于不确定供求价格的决策的鲁棒性等多个相互冲突的目标.数值算例的结果表明,一定范围内的市场价格波动不改变供应链的运作策略,仅对其运作性能产生一定影响,即所提出的模型是鲁棒的.     

一种考虑概率分布的鲁棒优化模型

文章以随机规划中的机会约束思想为指导,根据随机参数的概率分布情况,提出了两种鲁棒性条件约束,并在此基础上建立了一种新的鲁棒优化模型,使模型的可行解控制在一定的鲁棒性指标的范围内。该模型不但可处理约束两端同时含有随机参数的情况,还可以方便地推广到非线性模型中。仿真实例说明了模型的有效性。     

空间机器人姿态与末端抓手协调运动的鲁棒自适应控制

本文讨论了载体姿态受控、位置不受控制的漂浮基空间机器人协调运动的控制问题。借助于虚拟扩展系统的输入与输出,得到了一组关于惯性参数呈线性函数关系的系统控制方程。以此为基础,针对空间机器人系统中不确定参数与未知参数并存的复杂情况,设计了载体姿态与末端抓手惯性空间轨迹协调运动的鲁棒自适应控制方案。利用两杆空间机器人系统进行了系统仿真运算,仿真结果证实了上述控制方案的有效性。由于对系统待估计参数作了分类,并充分利用系统信息对系统不确定参数采用保持鲁棒性而不是在线估计的方法,提到的控制方案具有计算量小的优点,有助于缓解机载计算机运算能力有限的矛盾。     

基于时空坐标图像的运动点目标检测方法

针对复杂背景下运动点目标检测方法存在的局限性,提出从时间空间角度检测运动目标的方法.在时间空间域里,背景的复杂纹理表现为无限长直线,运动目标则表现为有限长线段.针对该特点,运用逐点灰度均值将背景与运动点目标分离,并根据投影关系将目标投影到二维空间,获得直观的目标运动轨迹.试验结果表明,该方法能较好地从复杂背景中分离出速度不大于1像素/帧的点目标,且可同时进行多目标的检测,抗噪声能力强.     

基于鲁棒PCA的视觉跟踪算法

目前使用颜色属性特征表征目标的几种主流算法中,均使用主成分分析法(PCA)处理颜色属性特征,而PCA方法假设输入数据中存在的噪声必须服从高斯分布,该方法存在明显不足。针对这一问题,本文根据鲁棒主成分分析法(Robust PCA)对颜色属性特征进行处理。将输入图像从原始RGB颜色空间映射至颜色属性空间,得到11种不同的颜色属性层;之后,基于Robust PCA处理颜色属性特征,使得映射后的图片信息都集中在少数层上,在保留原始图片大量信息的前提下滤除噪声。本文将使用Robust PCA处理后的颜色属性特征用于原始CN算法框架中并设置不同的降维层数对比其带来的算法性能差异。在OTB100中,与原始CN框架相比,算法成功率提升1.0%,精度提升0.9%。经实验数据证明,通过Robust PCA处理后的颜色属性特征具有更强的鲁棒性,可以更好地发挥出其优势并提升算法性能。     

一种基于马尔可夫随机场的运动目标检测算法

本文提出了一种基于马尔可夫随机场的运动目标检测算法.针对传统时间分割使用主观固定阁值的缺点,使用马尔可夫随机场模型对差分图像建模,并提出了一种新的模型阶次选择算法,以及一种可以加速收敛过程的随机场迭代算法.采用期望最大算法获取高斯分布参数并检测运动变化区域,利用形态学运算修正时间分割模板;空间分割部分提出了基于人眼视觉特征的改进分水岭算法,有效地解决了过分割问题;最后对时、空间分割结果进行信息融合处理,从而得到完整的运动目标.仿真实验结果证明了本文算法可以有效地分割视频运动目标.     

一种稳健的运动探测与背景维护算

针对家庭安全监控需要，提出一种稳健的运动对象探测算法。首先给出三帧差运动对象检测算法，同时利用像素的亮度分量和色度分量避免由于大尺寸对象闯入引起图像背景像素变化造成运动对象检测的失败。然后提出一种三关键背景维护算法，用于清除背景振动像素，减少虚假报警。实验表明，这种运动探测算法对视频监控系统消除虚假异常报警具有良好的通用性，实时性和稳健性。     

动态图像的拼接与运动目标检测方法的研究

动态图像运动目标检测是图像处理中的热点,但动态图像的识别范围却成了目标检测的限制,针对此问题,本文提出了一种利用图像拼接技术扩展图像识别范围、并在此基础上完成运动目标检测的方法。在图像拼接中采用了SURF图像匹配算法,运动目标识别利用背景差分法,实验中使用的是开源的Linux操作系统、以及为图像处理提供了大量算法和函数的Open CV软件开发库。针对不同分辨率、不同角度采集的图像进行了实验研究,结果表明,可以在较好满足图像识别范围的同时,明确地检测出运动目标的相关信息。同时,本文提出一种通过图像拼接实现扩展运动目标检测的方法,满足了实时性要求,达到了增加图像清晰度的目的,但是,在摄像设备与场景之间的相对运动方面还存在着有待解决的问题,这将成为今后研究的重点方向。     

基于学习矢量量化的运动目标检测算法

提出一种基于学习矢量量化的运动目标检测算法.通过训练样本,网络能自适应地确定区分运动目标和背景的阈值向量.输入向量包含图像的 YCbCr 颜色空间分量和灰度共生矩阵的方向特征.两者融合到算法中,有效抑制了背景亮度变化对运动目标检测的干扰.仿真实验结果表明,即使在背景模型亮度剧烈变化的情况下,算法也能够准确检测出运动目标.     

随机图像选取与自适应背景更新的运动物体检测

为克服运动目标检测中易出现的光照变化、遮挡、虚假目标等现象,提出了一种随机图像选取与自适应背景更新的运动物体检测方法.该方法从视频序列中随机选取一帧图像作为初始背景,根据变化标记矩阵对背景进行自适应迭代更新,以提取可靠的背景图像,实现运动物体的检测.实验结果表明,采用该算法提取的背景不存在混合现象,且在光照变化较大以及运动物体之间存在遮挡的情况下,能够构造出可靠的背景,检测出的目标物体清晰可见.     

遗失目标的实时检测算法

针对视频安全监控问题,提出一种实时的遗失目标检测算法.首先,帧间差分用于获取像素级运动特性,并构造双重背景用于检测双重前景.而后,将像素级特性及双重前景综合以维持双重背景的更新.最后,通过累加证据图像来处理实际应用中的虚警和遮挡问题并证实遗失目标.在不同视频序列下的实验表明该算法能够有效地从嘈杂的场景中检测出遗失目标.此外,对于352x288的序列而言,该算法的运行速度达到约54帧/s,能够满足实时的监控任务需求.     

动背景下帧差分法与边缘信息融合的目标检测算法

针对动背景下运动目标的检测问题,文中提出了改进的三步搜索算法有效地提高灰度投影法检测序列帧间运动矢量搜索速度,同时保持了运动矢量的搜索精度.首先通过帧间运动矢量补偿将连续三帧图像的相同背景稳定在同一幅图像的相同位置上,其次对连续的三帧图像进行边缘信息提取,并对三帧连续的边缘图像进行差分法运算,最后结合数学形态学的闭运算...     

An Algorithm for Mining Gradual Moving Object Clusters Pattern From Trajectory Streams

The discovery of gradual moving object clusters pattern from trajectory streams allows characterizing movement behavior in real time environment, which leverages new applications and services. Since the trajectory streams is rapidly evolving, continuously created and cannot be stored indefinitely in memory, the existing approaches designed on static trajectory datasets are not suitable for discovering gradual moving object clusters pattern from trajectory streams. This paper proposes a novel algorithm of gradual moving object clusters pattern discovery from trajectory streams using sliding window models. By processing the trajectory data in current window, the mining algorithm can capture the trend and evolution of moving object clusters pattern. Firstly, the density peaks clustering algorithm is exploited to identify clusters of different snapshots. The stable relationship between relatively few moving objects is used to improve the clustering efficiency. Then, by intersecting clusters from different snapshots, the gradual moving object clusters pattern is updated. The relationship of clusters between adjacent snapshots and the gradual property are utilized to accelerate updating process. Finally, experiment results on two real datasets demonstrate that our algorithm is effective and efficient.     

运动背景下移动目标分割定位算法研究

针对运动背景下运动目标分割定位困难的问题,提出了融合背景补偿与均值漂移的运动背景下目标分割定位算法。该算法首先在运动背景补偿的基础上,利用帧间差分法得到差分图像。其次,对差分图像中非零像素点建立多特征描述子,运用均值漂移算法对其进行聚类。最后,利用均值聚类得到的非零像素点来对运动目标进行分割定位。实验结果充分表明,该算法可以比较精确地进行运动背景下移动目标的分割定位。     

欧拉弹力模型的视频运动目标自适应图切检测

传统的视频运动目标图切检测算法基于低阶马尔科夫随机场,能量函数的低阶近似无法准确描述图像像素的空间相关性,导致图切检测结果过度平滑。本文提出一种基于高阶欧拉弹力模型的图切检测算法,利用欧拉弹性模型优化目标边界曲线和修正能量函数的低阶近似。算法通过利用前一帧图像的检测结果,对当前帧图像运动目标像素点数和前景背景邻接像素对数进行卡尔曼预测,并不断自适应调整当前帧的图像模型参数,实现了视频运动目标的连续全局优化检测。实验结果验证了欧拉弹力模型在视频运动目标检测中的有效性,其检测结果能够更好地满足人的视觉效果。