基于视觉的低空跟踪系统

构建了一个以无人飞行器为载体的基于视觉的低空跟踪系统。该系统由地面站和机载模块两部分组成,构建了机载自动跟踪与地面人工干预两个并联的控制回路;采用了基于灰度直方图的自适应容忍度多阈值分割算法,并在此基础上采用了基于双重子窗口的动态聚类目标提取方法;用目标的形心脱靶量作为云台的控制参数,根据目标的运动趋势对速度参数进行调整。系统通过用鼠标对监控视野中心的坐标替换目标的形心脱靶量实现机载自动跟踪和地面人工干预的平滑切换;保留不同照度下目标的灰度阈值,使得运动区域在阴影下也能被分割。经过2~3次的聚类迭代,较精确地计算出目标的形心位置,排除了干扰目标的影响,系统的处理速度达到15 frame/s。结果表明,上述算法和方法是可行的,系统具有较大的实用性。     

基于FCM聚类的粒子滤波多目标跟踪算法

针对多目标跟踪中相似目标的发散问题和跟踪核函数窗宽固定的缺陷,提出一种基于FCM(fuzzy C-means)聚类的粒子滤波算法.该算法结合经典粒子滤波理论,使用可变椭圆作为粒子区域,在粒子滤波的重要性重采样后,通过Mean-Shift算法获得每个目标的聚类中心,使用FCM聚类算法完成粒子聚类,获得相应目标的粒子子群,最后通过粒子子群估计各目标的最终状态并修正核窗口宽度.实验表明,与传统粒子滤波算法相比,该算法解决了传统粒子滤波的发散问题,减少了粒子数量,能够准确地对多目标进行跟踪,具有很好的鲁棒性和实时性.     

动态多目标优化的运动物体图像分割

对小区背景下运动物体图像进行分割时多使用单目标或多目标优化方法,这类方法不能有效适应目标的动态变化,因此本文提出一种动态多目标图像分割优化方法。该方法将时间及环境动态因素作为动态因子,利用K均值(KMeans)算法和和模糊C均值(FCM)聚类算法构造多目标函数;结合动态多目标粒子群算法(DMPSO),使用背景差分法定义环境变化规则,实现动态多目标的图像分割。根据DMPSO算法优化后的聚类结果,分别与K-Means和FCM聚类方法得到的结果进行了对比。结果表明,动态多目标优化的Pareto最优解集分布均匀,图像分割准确率可达到95%,对图像识别的准确率可达到90%,具有较高的识别能力,能满足确定背景下运动物体的准确识别。     

应用聚类和分形实现复杂背景下的扩展目标分割

将K-均值聚类方法与分形理论相结合,提出了一种分两个阶段对扩展目标进行分割的方法.在预分割阶段,运用粗糙集理论求取初始聚类中心,在K-均值聚类分割和区域连通的基础上,检测图像边缘并进行边界跟踪,对于获得的目标和背景团块根据扩展目标特性确定目标潜在区域.在进一步分割阶段,给出图像分维数随尺度变化的函数,利用自适应阈值,根据分形理论的尺度不变性进一步抑制预分割结果中的自然背景,并运用形态学开运算消除背景粘连.实验表明该方法能有效并可靠地实现复杂背景下扩展目标的精确分割,分割出的扩展目标轮廓细节保持良好.     

一种多维不确定性数据流聚类算法

目前在很多不确定性数据流聚类方法研究中,存在着聚类模型和数据流的数据模型失配问题,且它们往往假定不确定性数据的概率密度函数、概率分布函数或者概率是已知的,然而这些信息在实际系统中很难获得.鉴于此,本文提出一种基于区间数的多维不确定性数据流聚类算法(UIDMicro).在该算法中,首先利用区间数结合不确定性数据的统计信息表示多维不确定性数据流,然后采用“当前簇”和“候选簇”两层簇窗口对不确定性数据流进行聚类,通过动态调整两层簇窗口实现聚类模型和数据模型的实时匹配.实验结果表明,该方法具有较高的聚类精度和处理效率.     

大气污染区域划分中的F-PFS聚类法

本文利用F－PFS聚类法对大气污染区域进行划人，该方法克服了普通模糊聚类法的一些不足，在进行聚类的同时，得到最佳分类数。     

基于车间动态布局的产品模糊聚类研究

结合原始设备制造(OEM)企业多产品生产的特点,提出了新的动态布局实现方法.主要是对车间的多产品进行聚类,以产品类为变量,随着产品类生产的不同进行布局切换.产品模糊聚类过程中,首先采用F-统计量方法确定产品最佳聚类数量;其次考虑到车间重布局对车间总成本的影响,以车间总成本最小化为优化目标构建产品最佳聚类数量数学模型;最后,以某车间为实例验证了布局方法的有效性.结果表明该方法不仅可以降低物流费用、缩短产品生产周期,而且丰富了动态布局理论,能给相关研究提供参考.     

大气污染区域划分中的F-PFS聚类法

本文利用F-PFS聚类法对大气污染区域进行划分,该方法克服了普通模糊聚类法的一些不足,在进行聚类的同时,得到最佳分类数。     

大气污染区域划分中的F-PFS聚类法

本文利用F-PFS聚类法对大气污染区域进行划分,该方法克服了普通模糊聚类法的一些不足,在进行聚类的同时,得到最佳分类数.     

基于熵聚类RBF神经网络的机械臂轨迹跟踪控制

为了提高机械臂轨迹跟踪控制的快速性和精确性,提出了基于熵聚类神经网络算法的机械臂运动控制器。分析了RBF神经网络原理,使用熵聚类算法得到原始数据的聚类中心数和聚类中心值,从而确定了神经网络结构和基函数中心值,避免了传统算法中使用K-means方法的重复迭代过程,使用梯度下降法调整神经网络传递权值;将神经网络辨识与神经网络控制相结合提出了机械臂运动控制器;经实验验证可以看出,相比于传统的RBF神经网络方法,基于熵聚类神经网络算法的控制器在轨迹跟踪快速性和精度上均具有明显优势。     

交比不变的Camshift跟踪方法

为了提高Camshift跟踪方法在复杂环境下的跟踪性能,应用被跟踪目标内部各特征像素间的交比不变原理,提出了一种改进的Camshift跟踪方法。该方法通过分析被跟踪的目标模型,计算出其内部各特征像素间的坐标关系;将内部数据间的交比不变量作为所提出的跟踪方法的约束条件,对跟踪错误的像素点进行校正,并将跟踪过程中连续两帧图像的内部特征像素间的距离比作为跟踪效果的评判标准。用改进的Camshift跟踪方法分别对标准测试视频内的视频信息和实际拍摄的视频信息进行了测试。结果显示,该方法在两种复杂环境实验条件下,跟踪目标的距离偏差都能保持在15pixel以内,对单帧图像平均处理时间在20ms以内。试验结果表明,该方法对复杂环境下的目标具有良好的跟踪效果,跟踪性能稳定,跟踪效率高,可以满足跟踪系统实时性的要求。     

应用颜色聚类图像块的多舰船显著性检测

由于多舰船目标显著性检测过程容易将边界像素作为背景处理,本文提出了应用颜色聚类图像块的多舰船显著性检测方法。该方法首先检测邻域像素是否具有颜色相似性,并将临近的具有相似颜色的像素聚集在一起作为一个图像块。接着,对获得的图像块进行扩展,使图像块包含很多其他图像块的像素以提高图像块内像素间的对比强度;对边缘像素进行背景索引标记,计算图像块中像素的显著性强度,采用阈值分割方法获得目标显著性区域。最后,基于颜色聚类的图像块存在部分重叠的特点,利用权值对存在叠加的显著性图像进行融合,从而获得多舰船目标整幅图像的显著性检测结果。对获得的多舰船目标图像进行了实验测试,并对本文算法结果和当前比较先进的其它显著性检测算法进行了效果对比。结果显示:提出的利用颜色聚类图像块的舰船显著性检测方法的查全率达到78%以上,准确率达到92%以上,综合评价指标Fβ≥0.7;无论考虑单个指标还是整体指标,本文算法均优于其他对比算法。     

电影经纬仪电视跟踪系统动态模拟靶标设计

本文介绍了用靶标对经纬仪电视跟踪系统的动态测量精度、跟踪性能、引导性能等进行全面检测的方法,对原有靶标进行了改进,使之能较真实地模拟实际跟踪目标的各种运动状态。     

孔系钻削振动信号特征波动可视化研究及其应用

为解决工程应用中切削参数一致的孔系加工质量一致性评估的难题,提出了一种基于振动信号特征波动可视化的聚类分析方法。首先采用振动传感器监控孔系钻削过程,提取各孔振动信号小波包能量谱和高阶统计量特征;然后利用雷达图得到各孔振动信号特征矩阵分布图,提取信号特征雷达图多边形重心特征;最后采用模糊C-均值（FCM）算法对雷达图平面重心点集进行聚类分析。理论分析结果与人工检测结果对比表明：该方法可直观呈现孔系钻削质量分布情况,简便、可靠地实现孔系钻削质量的一致性评估。     

层次分簇的无线传感网络多级优化测量

层次化的无线传感网络由骨干传感节点和普通传感节点组成.由于节点能量受限,无线传感网络跟踪测量目标时需同时考虑目标跟踪精度和跟踪方法的能效性.提出一种层次分簇的多级优化无线测量方法.将骨干节点作为簇首,采用粒子滤波算法预测运动目标位置,运用DELAUNAY三角剖分优化选择目标附近的节点作为测量节点,并根据测量节点地理位置判断是否转移簇首.在测量节点同步的感知目标后,簇首利用熵来逐次选择能效性最高的测量节点数据进行融合,实现目标定位测量.试验表明,该方法能满足目标跟踪精度,并可有效的减少网络能耗,提高无线传感网络测量使用寿命.     

复杂海空背景下弱小目标的快速自动检测

针对海面运动载体的可见光序列图像,结合复杂海空背景图像的特点,提出了一种不以检测海天线为前提的弱小目标检测方法.首先,修复图像中被高亮度噪声损毁的部分,如曝光区域或反光区域;接着,量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,据此来判断海天线区域是否存在,若存在则预测海天线区域的位置,否则放弃后续处理;然后,采取Mean-shift分割算法中先滤波后聚类的策略,使用周围纹理抑制滤波来平滑海天线区域,并以像素点和点集为单位对平滑图像进行聚类;最后,将最大面积区域与其他区域分离来二值化图像,完成目标提取.试验证明,该方法能够很好地定位目标信息,单帧处理平均耗时为35 ms,具有准确性和实时性.     

用于分割无损检测图像的改进的抑制式模糊C均值聚类算法

由于无损检测图像灰度分布不均衡,常用的模糊C均值聚类算法不能对图像中的目标与背景进行有效分割,故提出一种改进的抑制式模糊C均值聚类算法(IS-FCM)对无损检测图像进行分割。通过对抑制式模糊C均值聚类算法(S-FCM)的目标函数融入每一类的总隶属度以均衡化目标像素和背景像素对聚类结果的影响,在构建的新目标函数基础上推导出新的隶属度和聚类中心迭代形式,然后分析了所提算法的收敛性并给出了执行步骤,最后通过无损检测图像对所提算法进行分割实验。结果表明,IS-FCM算法不仅能够对灰度分布不均衡的无损检测图像进行有效分割,还扩展了S-FCM算法的应用范围,增强了鲁棒性和适应性。     

视频监控系统中的概率模型单目标跟踪框架

针对视频监控的特点与跟踪目标的强机动性,提出了一种新的基于概率模型的目标跟踪框架,从目标表观模型、系统动态模型以及系统观测模型3个方面对当前标准的粒子滤波目标跟踪方法进行了改进。首先,考虑人眼细胞的分布特点,基于人眼分布结构建立目标表观模型来提高跟踪系统抵抗局部遮挡的能力;然后,建立基于自适应目标运动的系统动态模型,提高跟踪算法对快速机动目标的鲁棒性;最后,采用实时更新的系统观测模型,有效避免目标在遇到遮挡、光照变化、剧烈变形等情况下发生的跟踪漂移现象。实验结果表明,本文算法的正确跟踪率可达98%;平均跟踪误差小于6个像元。实验证明本文算法在保证系统跟踪精度要求的同时,具有计算量小、抗干扰能力强等特点。     

面向大规模SFM的快速鲁棒特征跟踪算法

运动恢复结构(SFM)是指通过分析二维图像序列恢复三维结构信息的过程,在计算机视觉的多种应用中起着重要的作用。特征跟踪是大规模SFM的核心组成部分,但现有的多视图特征跟踪算法在鲁棒性和效率上还存在不足,为解决这一问题,提出了一种快速和鲁棒的特征跟踪(FRFT)算法。首先,采用AGAST进行特征点检测,并使用图像矩为AGAST特征定义主方向,为构造旋转不变的描述子奠定基础;其次,在差分高斯金字塔空间内,根据中心点与邻域像素之间的差值构造特征描述子,避免光照和尺度变化对特征匹配的影响;再次,为了提高特征匹配效率,对特征集合进行聚类,采用KD-Tree加速特征匹配,提高算法的时间效率;最后,采用4种方式对FRFT算法进行验证,并与现有经典算法进行比较。实验结果表明,FRFT算法在鲁棒性和时间效率方面均优于现有经典算法。