噪声激励的神经元振荡转换

由于离子通道的随机波动和突触的相互作用等因素,大脑神经元中不可避免地存在噪声.噪声会影响神经元活动和神经信息处理,但其在神经元振荡模式转换中的作用仍不清楚.为此,该文采用神经计算建模的方法,应用扩展HH模型模拟神经元的电活动,探究噪声对神经元振荡模式的影响.通过数值仿真,结果表明噪声强度的改变会引起神经元不同振荡模式之...     

基于空间分割的电力大数据三维全景可视化场景管理方法

三维虚拟场景下的电力大数据全景可视化以场景物体灵活多样的显示状态对深层电力特征信息进行直观呈现,以场景漫游的形式对海量多态、异构数据进行全景实时展现,为电网运行状态的及时有效监控分析提供有力保障。针对其场景管理问题,提出了基于空间分割的电力大数据三维全景可视化场景管理方法。首先,构建空间分割代价函数并产生分割平面选择因子,优化场景空间分割。然后,根据场景空间分割结果,建立电力大数据场景组织关联模型,一体化组织管理场景物体、环境和实时分析数据,并实现物体显示状态实时控制及场景漫游快速渲染。最后,通过变电站数据三维全景可视化分析系统的场景管理应用,验证了该方法的有效性。     

基于神经振荡器网络的计算听觉场景分析

神经振荡器网络模型运用振荡元相关进行听觉场景分析,不同声源所激励的振荡元形成异步流,而同一声源激励的振荡元是同步的。在该模型的组合层中,引入阈值,可有效保留语音信息,提高了信噪比,最后合成的语音信息是可理解的。     

复杂环境下多模态指导的点云补全方法

在现实复杂环境中，往往使用RGB-D相机直接获取点云，会受到外界复杂场景的影响，例如：光线、透明物体、遮挡和阴影等，导致点云出现大规模缺失，甚至无法表示物体真实的三维特征。不完整的点云会对目标识别和路径规划等多个计算机视觉领域的重要研究造成影响。对此，提出了使用RGB图片语义信息等多模态下的数据来指导补全点云的方法。该方法先使用一种基于“编码器-解码器”结构的RGB图片语义分割网络，获取RGB图片的语义分割结果；然后将RGB图片、RGB图片语义分割结果和残缺的稀疏深度图作为算法输入，输出补全好的点云。在真实复杂场景中进行大量实验，实验结果表明，所提方法在补全效果和运行效率等方面均取得较好的效果。     

青藏高原春季500hPa纬向风季节内振荡特征及其与我国南方降水的关系

利用NCEP/NCAR日平均再分析资料及中国753个测站日降水资料,采用带通滤波、小波功率谱、合成分析等方法研究了青藏高原春季500 hPa纬向风季节内振荡特征及其与我国南方降水的关系.结果表明,青藏高原春季500hPa纬向风存在明显的10~30 d季节内振荡特征,该低频振荡主要表现为自西向东和自北向南的传播特征.通过位相合成分析发现,这种季节内振荡对我国南方春季降水有重要影响.当高原500hPa纬向风季节内振荡处于2~3位相时(即高原上盛行西风异常),对应于我国南方地区春季降水明显偏多;反之,当季节内振荡处于相反位相时(6~7位相,即高原上盛行东风异常),对应于我国南方春季降水明显偏少.南方春季最大正(负)异常降水的出现滞后于高原季节内振荡的峰值(谷值)位相,其滞后时间为2d.分析结果还表明,高原上空纬向风的季节内振荡活动主要通过中纬度大尺度环流异常对我国南方春季降水产生影响.     

改进的距离正则化水平集演化方法

为了有效地对数字图像中的目标物体进行分割,提出了一种结合人类视觉注意机制的距离正则化水平集演化的图像分割方法,首先,利用数据融合获得视觉注意机制的显著图,进而获得曲线演化的初始轮廓,解决了演化曲线对初始位置敏感及不能自适应地决定向内还是向外运动的问题;然后,利用自定义的图像边缘指示函数,通过优化函数的演化速度参数及噪声敏感度控制参数,加快了曲线演化速度;最后,利用距离正则化水平集演化至目标物体的边界,完成图像分割,仿真结果表明:该方法能够有效地检测单个及多个目标物体的边界,提高了边界定位精度,抗噪能力较强.     

动态场景下基于改进运动性判断的SLAM算法

针对同步定位与地图构建(SLAM)算法中易受场景中动态物体的干扰,造成定位精度不理想等问题,本文提出一种动态场景下基于改进运动性判断的SLAM算法。该算法在特征提取的同时,采用PSPNet语义分割网络获取物体的掩码信息,将不同物体上的特征点区分开。利用背景特征点为样本点计算出基础矩阵,结合语义信息与几何信息判断出物体的真实运动性。当场景被大量遮挡而无法获取足够多的背景点时,从运动物体的跟踪中恢复出当前相机的位姿,提高算法在动态场景下定位的鲁棒性。在TUM公开数据集下的实验结果表明,该算法在动态场景下与ORB-SLAM2相比定位误差减少约94%,表现出良好的构图能力。     

空间编码三维视觉传感器的研究

本文介绍了空间编码三维视觉传感的结构与测量原理,并针对它在测量物体的三维信息中所存在着的投影点和像点的对应不够准确的问题,提出了一种三维视觉传感用的结构光空间编码的新方法,解决了被动视觉传感匹配难的问题.通过投影仪将一空间编码图片投射到物体表面,经物体几何形状调制的图案被面阵CCD摄像机接收,然后通过计算机测控系统就可以得到物体三维信息.实验结果表明:采用此种空间编码新技术,仅用一幅图像且不需对摄像机进行标定就可以对物体三维信息进行动态测量.     

基于kinect的物体抓取场景认知

针对RoboCup竞赛家庭组比赛对物体抓取的要求,研究了物体抓取场景认知问题。设计了一种基于kinect的物体抓取场景认知系统。先将kinect传感器得到的深度图像转换为3维(3D)点云图,然后计算每个3D点所在曲面的局部法向量,再根据法向量和距离特征分割提取出水平桌面;采用3D点与水平桌面的位置关系分离出潜在的抓取物体目标点,选择随机抽样一致(RANSAC,Random Sample Consensus)算法完成圆柱形抓取物体的定位。使用实验室采集的场景深度图对认知系统进行测试。结果表明,设计的系统可以可靠提取水平桌面和桌面上的圆柱形物体,可以达到物体抓取比赛的要求。     

基于物体语义栅格地图的语义拓扑地图构建方法

为构建以房间为节点的语义拓扑地图,基于物体语义栅格地图,提出了一种利用虚拟门检测和房间物体包含关系的拓扑分割及房间概念生成方法。首先,依据机器人轨迹和房间主方向,检测满足真实门宽度的占据栅格;然后,采用几何和物体语义约束优化检测结果;最后,利用每个拓扑区域包含的物体语义生成房间概念。通过在多个场景测试,验证了算法的有效性。     

采用形态学算子的运动目标检测跟踪方法研究及实现

针对背景动态变化的场景,提出了一种基于全方位视觉的运动目标检测跟踪方法.采用统计方法建立背景模型,并实现背景模型的实时更新;利用减背景法和改进的二值图像连通域算法实现运动区域提取、分割;引入形态学算子计算目标区域体态比和紧密度,过滤背景干扰物;采用卡尔曼滤波与匹配矩阵相结合实现多个运动目标的跟踪;通过目标在HSV颜色空间中的H值、目标间的欧氏距离和目标相交面积等特征融合,提高目标跟踪的鲁棒性.实验表明,所设计的方法能实现实时准确的运动目标检测与跟踪.     

一种基于Gaussian-Hermite矩的SAR图像分割方法

图像分割在SAR图像处理中具有很重要的意义。文中提出了一种基于Gaussian-Hermite矩的SAR图像分割方法。该方法针对合成孔径雷达(SAR)图像斑点噪声对现有分割方法带来的影响,利用Gaussian-Hermite矩的不同阶矩并结合SAR图像特征将目标从含噪背景中分割出来。实验部分同时采用了仿真数据和实测SAR数据,通过与小波能量等4种方法的分割结果进行比较,显示出了该方法的有效性。     

动态环境下融合边缘信息的稠密视觉里程计算法

针对传统的视觉里程计算法在动态环境下存在位姿估计精度不高且鲁棒性较差的问题,提出一种融合边缘信息的稠密视觉里程计算法.首先,使用深度信息计算像素点的空间坐标,并采用K-means算法进行场景聚类.分别基于光度信息与边缘信息的聚类构建出光度及几何一致性误差与边缘对齐误差,两者结合并进行正则化后得到数据融合的残差模型.将平...     

虚拟广告系统中视频运动分割算法的研究

在虚拟广告系统中。为了使虚拟图像的插入具有真实感，有效的视频分割便成了其中的关键的技术。该文提出了一种背景剪除与亮度改变相结合的视频运动对象分割算法。该算法首先采用人机交互的方式。指定视频场景中需要处理的区域，取得背景帧，经BGB色彩差分处理，分割出前景物体；根据亮度变化的准则，检测出阴影区域，为后继的虚拟图像的真实感插入做好预处理准备。实验结果表明，该算法简单实用，能够实时有效地分割出视频序列中前景物体和阴影区域。     

基于视觉关系推理与上下文门控机制的图像描述

为了探索图像场景理解所需要的视觉区域间关系的建模与推理,提出视觉关系推理模块. 该模块基于图像中不同的语义和空间上下文信息,对相关视觉对象间的关系模式进行动态编码,并推断出与当前生成的关系词最相关的语义特征输出. 通过引入上下文门控机制,以根据不同类型的单词动态地权衡视觉注意力模块和视觉关系推理模块的贡献. 实验结果表明,对比以往基于注意力机制的图像描述方法,基于视觉关系推理与上下文门控机制的图像描述方法更好;所提模块可以动态建模和推理不同类型生成单词的最相关特征,对输入图像中物体关系的描述更加准确.     

A modeling method for virtual scene based on multi-view image sequence

Through the analysis and comparison of shortcomings and advantages of existing technologies on object modeling in 3D applications,we propose a new modeling method for virtual scene based on multi-view image sequence to model irregular objects efficiently in 3D application.In 3D scene,this method can get better visual effect by tracking the viewer’s real-time perspective position and projecting the photos from different perspectives dynamically.The philosophy of design,the steps of development and some other relevant topics are discussed in details,and the validity of the algorithm is analyzed.The results demonstrate that this method represents more superiority on simulating irregular objects by applying it to the modeling of virtual museum.     

基于PSENet的自然场景文字检测网络改进

由于自然场景中的图像背景复杂、文字排列不规则、光照条件不确定等因素文字检测难度较大,且传统检测方法的效果并不理想。在研究文字分割检测方法PSENet(Progressive Scale Expansion Network)的基础上,提出了一种针对自然场景文字检测的改进方法。该方法由卷积神经网络提取特征模块,再通过渐进式规模扩张对文字区域进行分割检测。改进点主要是使用高精度的语义分割网络RefineNet(Refinement Network)对卷积网络特征提取模块进行优化,且增加较多的残差连接及链式池化,提高网络对文字区域的检测精度。通过对数据集ICDAR2015的实验结果对比表明所提出的改进算法在精度方面略高于改进前,且能更好地解决文字粘连问题。     

基于智能组件的虚拟场景建模

针对目前三维虚拟场景建模效率低下的问题,提出了基于智能组件的虚拟场景建模方法.将场景建模设计为三个层次:概念建模层、映射层和场景生成层.在概念层使用本体对场景对象及对象间的关系进行描述,构建场景对象本体知识库,与最底层的组件模型库一起构成智能组件库.通过中间的关联层对概念建模层及底层实现层进行映射.将该方法应用于三维组态软件场景组态过程,结果表明,使用该方法降低了三维组态软件建立三维监控场景的复杂度和难度,即使没有三维开发经验的自动化工程师也能很轻松地建立三维监控场景,便于三维组态软件的推广.     

粗糙集神经网络在图像分割中的应用

提出了粗糙集神经网络用于图像分割的方法.该方法利用粗糙集约简理论对分割后的图像区域特征进行约简,以降低特征向量维数,抽取出规则,然后根据这些规则构造神经网络隐含层的神经元个数,从而确定粗糙集神经网络的结构.粗糙集神经网络中每个神经单元的输入为区域值,输出为决策分类值,此时权值预设为各规则粗糙隶属度值,然后用BP算法迭代,最终实现图像的分割.试验证明,该方法大大缩短了训练时间,提高了精度,并且得到优于常规的分割图像以及满足图像处理的实时性要求.     

基于双目视觉的显著性区域检测

针对传统基于像素的显著性模型存在的边缘模糊、不适于低对比度环境等问题,提出一种基于双目视觉信息的显著性区域检测方法. 采用简单线性迭代聚类（SLIC）方法对图像进行超像素分割,将生成的超像素区域进行合并.通过计算各区域在左右视图的相对移动距离获取物体深度信息,以区域为单位分别计算颜色对比度及深度对比度,进行合成得到区域的显著性值.结果表明,生成的显著性图轮廓清晰,边缘锐利,同等条件下近处及深度变化显著的区域能够获得更高的显著性.该方法符合人类视觉感知特征,适用于移动机器人障碍物检测及场景识别.