基于区域特征的顶视运动行人快速检测

针对视频中运动行人遮挡问题,提出了一种基于区域特征的顶视运动行人检测算法.首先结合三帧差分和背景减除算法检测出所有可能的行人运动区域,然后找出运动区域的轮廓以及区域的外接矩形,并计算运动区域的面积,最后根据外接矩形的长宽比以及运动区域面积进行区域筛选,找出有效的运动区域,从而检测出行人.实验结果表明,该方法能够快速准确地检测出视频中的行人.     

基于运动区域检测的运动目标跟踪算法*

针对传统基于模板匹配的运动目标跟踪算法存在着计算量大、模板漂移导致跟踪失败的问题,提出了一种基于运动区域检测的运动目标跟踪算法。该算法通过采用光流法对目标运动区域进行估计,计算出光流场区域的形心,确定待匹配图相匹配范围,再用模板框在已确定区域进行模板匹配跟踪。根据某开放实验室行人录像跟踪实验表明,本算法能够有效解决模板漂移问题,提高了跟踪实时性, 实现了视频对象目标的跟踪。     

基于似物目标的快速行人检测算法

针对传统滑动窗口行人检测速度慢、无效窗口数量大和识别率低的问题,提出基于似物目标的快速行人检测算法。该算法首先使用改进的二值化赋范梯度算法生成目标候选集,再利用提出的NDOG特征描述子计算目标特征。通过在INRIA和Caltech-USA两个行人数据库分析实验,证明该算法可有效减少待检测窗口数量,提高特征表示能力,且计算时间显著降低,使用线性支持向量机作为分类器可获得较高的行人检测率。     

结合超像素和直方图阈值的显著区域检测算法

由于现有显著性检测算法得到的显著图内容差异较大,因此设计一种具有普遍适用性的显著区域检测算法以依据不同稀疏度的显著图进行高效率的检测仍是一个具有挑战性的问题。提出结合超像素分割方法和直方图阈值化分割方法以在不同的显著图上进行显著区域检测并提高检测效率。利用超像素分割方法对原图像进行分割计算,计算每个超像素的平均显著度值,并用该平均值取代超像素内每个像素的原像素值更新显著图,利用新显著图的直方图将显著图二值化以确定显著目标,利用一覆盖显著目标的最小矩形区域表示检测得到的显著区域。实验结果表明,在不同的显著图上,所提算法能有效检测显著区域,在检测效果的客观度量指标和时间性能指标上均优于现有算法。     

基于多特征级联的视频监控中行人检测

针对基于机器学习的常规行人检测方法无法适应行人目标尺寸缩放、姿态多变及干扰噪声较大等问题,提出了一种级联LBP、SPHOG和SURF特征的自适应行人检测算法。该算法首先采用基于LBP特征的行人分类器去除大量非行人区域,在剩余区域用基于SPHOG特征行人分类器再次缩小区域,最后用基于SURF特征行人分类器检测并标记出行人目标。实验结果表明,该算法有效解决了行人尺度缩放、行人姿态多变和背景区域干扰噪声大问题,算法的准确度和实时性均取得了较大的改进。     

雨天环境基于HOG-SIFT特征稀疏表示的行人检测

针对雨天环境下监控视频因雨水噪声、图像的灰度值削弱使行人轮廓特征丢失而出现的目标行人漏检误检情况,建立了一种基于HOG-SIFT特征稀疏表示的行人检测算法。通过直方图均衡化降低雨水噪声;提取图像HOG-SIFT融合特征表征视频图像中的行人信息,减少轮廓特征的丢失;利用稀疏表示降低融合特征的维数,减小计算量并保留有效的行人特征,结合Ada Boost分类器降低漏检率和误检率。实验结果表明,该算法在雨天环境下有效地提高了行人检测的准确率。     

基于并行通道级联网络的鲁棒行人检测

针对广角视场下远处行人分辨率较低、存在不同程度的畸变的问题,文中提出基于并行通道级联网络的鲁棒行人检测算法.以更快的区域卷积神经网络(Faster RCNN)为基础,引入差分图作为弱监督信息,再引入基于通道级联网络(CCN).然后设计并行CCN,将差分图和原图同时作为并行网络输入,融合更丰富的图像特征.最后在候选区域建议网络中,结合行人尺度在图像中分布的特点,聚类确定符合行人特点的搜索框.实验表明,文中算法在广角视场存在畸变情况下更有利于小尺寸行人检测.     

利用腿部区域HOG特征的行人检测方法

为快速定位车辆前方的行人,提出一种基于腿部感兴趣区域梯度方向直方图（HOG）特征的行人检测方法。将可能存在行人腿部的区域作为感兴趣区域,采用Sobel算子增强腿部垂直边缘特征,并提取梯度方向直方图特征,有效地降低了特征向量的维数;在检测过程中仅扫描可能存在行人腿部的图像下半部分,并在整幅图像的块内计算HOG特征,减少了复杂背景对行人检测干扰,进一步简化了检测过程;基于垂直边缘对称性特征对检测结果进行融合。实验结果表明,该算法能在保持检测率的同时提高检测速度。     

融合显著性因子的行人纹理提取

针对基于纹理信息的行人特征提取算法中存在特征信息冗余度大,无法刻画人眼视觉敏感性的不足,提出一种融合人类视觉感知特性的基于显著性局部二值模式(SF-LBP)的行人纹理特征提取算法.该算法首先采用显著性计算方法提取感兴趣区域得到各部分的显著性因子;然后将显著性因子权值与行人纹理特征根据核函数相融合,生成基于SF-LBP算子的特征向量;接着统计不同区域的特征向量,形成特征直方图;最后结合自适应AdaBoost分类器构建实验平台进行实验.INRIA数据集中的实验结果显示,SF-LBP特征在检测准确率上比梯度直方图(HOG)特征、Haar特征高出2%~3%,达到97%,召回率达到90%,提高了2%左右,表明SF-LBP算子能够准确描述行人的纹理特征,提高行人检测系统的准确率.     

基于BING似物性检测的行人快速检测算法*

针对传统滑动窗行人检测速度慢、实时性差的问题,提出了一种基于似物性的行人快速检测算法。首先,算法通过提取正负训练样本的规范化二进制梯度特征,训练级联SVM分类器得到行人似物检测模型。然后利用尺寸调节和聚类算法对初始候选区域进行聚类融合,进一步优化行人候选窗口区域。最后,提取各候选区域的HOG特征并利用SVM分类器对其进行进一步行人检测。实验结果表明：本算法在保证行人检测率的同时在检测实时性上有明显提高。     

Web网页中动态数据区域的识别与抽取

采用基于HTML标记树的数据块查找方法挖掘Web网页中的数据区域,在此基础上结合网页聚类和跨网页数据区域匹配自动识别一个网页中的动态数据区域。实验结果表明,该方法能够提高Web网页中动态数据区域识别的召回率和准确率。     

自抗扰控制器稳定域与鲁棒稳定域计算及工程应用

为提高自抗扰控制(active disturbance rejection control, ADRC)技术在工程应用中的整定效率和降低参数整定带来的可能风险,本文从工程实际应用出发,提出了一种基于D–分割法的n阶ADRC参数稳定域的求解方法和基于Ms约束的鲁棒稳定域求解方法,并给出了各自的计算步骤.通过数字仿真和水箱实验台实验验证了计算方法的有效性.基于上述工作,将基于该方法整定的ADRC应用于实际火电机组二次风控制系统中,获得比原有比例–积分(proportional-integral, PI)控制器在大负荷变化范围内具有更快响应速度和更强鲁棒性的效果,这为ADRC的大规模工业化应用提供了一种简单有效的参数稳定域和鲁棒稳定域的计算方法,具有实际的工程意义.     

Finding stable salient contours

Methods for generating maximally stable extremal regions are generalized to make intensity trees. Such trees may be computed quickly, but they are large so there is a need to select useful nodes within the tree. Methods for simplifying the tree are developed and it is shown that standard confidence tests may be applied to regions identified as parent and child nodes in the tree. These tests provide a principled way to edit the tree and hence control its size. One of the algorithms for simplifying trees is able to reduce the tree size by at least 90% while retaining important nodes. Furthermore the tree can be parsed to identify salient contours which are presented as generalisations of maximally stable extremal regions.     

Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data

While existing remote sensing-based drought indices have characterized drought conditions in arid regions successfully, their use in humid regions is limited. We propose a new remote sensing-based drought index, the Scaled Drought Condition Index (SDCI), for agricultural drought monitoring in both arid and humid regions using multi-sensor data. This index combines the land surface temperature (LST) data and the Normalized Difference Vegetation Index (NDVI) data from Moderate Resolution Imaging Spectroradiometer (MODIS) sensor, and precipitation data from Tropical Rainfall Measuring Mission (TRMM) satellite. Each variable was scaled from 0 to 1 to discriminate the effect of drought from normal conditions, and then combined with the selected weights. When tested against in-situ Palmer Drought Severity Index (PDSI), Palmer's Z-Index (Z-Index), 3-month Standardized Precipitation Index (SPI), and 6-month SPI data during a ten-year (2000-2009) period, SDCI performed better than existing indices such as NDVI and Vegetation Health Index (VHI) in the arid region of Arizona and New Mexico as well as in the humid region of North Carolina and South Carolina. The year-to-year changes and spatial distributions of SDCI over both arid and humid regions generally agreed to the changes documented by the United States Drought Monitor (USDM) maps.     

基于区域平均执行时间和数据依赖信息的可能并行区域识别

随着多核处理器逐渐成为处理器发展的新趋势,为了持续提高程序性能,必须并行执行应用程序.传统的自动并行技术能够很好地并行科学计算应用中的规则循环,但对于含有大量函数调用和指针引用的不规则程序,目前还不能有效地对其实施并行.针对这一现状,文中提出了基于区域平均执行时间和数据依赖信息的可能并行区域识别方法来对一些不规则程序实施高效并行,主要贡献如下:(1)自动识别程序中的多种并行性,不仅包括传统并行性分析中的循环迭代间的细粒度并行性,而且也包括传统并行性分析尚不能有效处理的循环体和函数调用点间的粗粒度并行性.对于程序中蕴含的众多并行性,文中基于区域平均执行时间实施收益分析来选择合适的并行区域实施并行;(2)自动识别可能并行区域间数据依赖关系的数量、类型以及导致数据依赖关系的程序变量.基于文中的分析结果,作者使用面向行为的投机并行系统(behavior oriented parallelism)对SPEC2006中的4个测试用例实现了并行化.并行化后的程序在Intel和AMD多核处理器上分别得到了300%和260%的平均性能加速.     

色彩脱落型唐卡破损区域的分割

为修复唐卡,需对破损区域进行分割。针对色彩脱落型唐卡破损区域特点,提出了分类分割的方法。利用彩色图像的灰度梯度模获取区域的边缘,去除伪破损区域边缘后,利用边缘点扩散得到区域。将其分为小面积区域和大面积区域两类。对这两类区域再分别处理,小面积区域去除伪破损区域得到小面积破损区域;大面积区域经过去除伪破损区域、提取大面积破损区域后,剩余的便为复杂区域,再提取复杂区域中的小面积破损区域、小孔区域,把这两种区域合并、膨胀、去伪处理,得到复杂区域的破损区域。把小面积破损区域、大面积破损区域和复杂区域中的破损区域合并,得到整幅图像的破损区域。实验验证分割效果良好。     

重视边缘区域的结构相似度图像质量评价

基于结构相似度的图像质量评价方法简单高效、准确性较高,但是对严重失真和交叉失真类型评价不够准确。考虑到边缘是图像的主要信息和能量成分,人眼对边缘信息的丢失更加关注,提出一种重视边缘区域的结构相似度图像质量评价方法(HESSIM),采用动态阈值(Otsu)法提取边缘区域,结合JND确定边缘区域的明显失真,并对其予以重视。实验结果表明,HESSIM比SSIM有更准确的评价,特别是对模糊类失真和噪声类失真的评价,HESSIM的优越性更加明显。     

图像主题区域提取及其在图像检索中的应用

图像主题区域是表达图像主要语义内容的部分.根据图像不同区域的视觉显著性差异特点,利用改进的视觉注意模型,提取图像的主题区域,并划分为不同语义类别.提出基于主题区域的图像检索方法,该方法能按照图像主题区域所属的语义类别,在图像之间有针对性地选择同类别主题区域进行区域相似性比较.实验结果表明,此方法可以更有效地表达图像的主要语义内容,提高图像检索的效率和准确性.     

基于直方图重复嵌入水印的算法研究

针对空域图像水印算法抗干扰能力差的缺陷,提出一种基于直方图重复嵌入水印的空间域水印算法。利用直方图统计不同灰度级像素数量的方法,选择将二值水印图像嵌入到载体图像灰度级较低和较高的区域,使图像能够适应不同情况下的图像处理攻击,并把所选择的区域作为提取水印的密钥,提高水印的安全性。为了说明算法的有效性,分别模拟噪声、低通滤波、剪切、JPEG压缩、锐化处理等攻击情况提取水印,实验结果表明,该算法能够对付这些常见的图像处理和攻击,具有很好的鲁棒性。     

Robust stabilizing regions of fractional-order PDμ controllers of time-delay fractional-order systems

This study investigates the robust stabilizing regions with stability degrees of fractional-order PD^μ controllers for time-delay fractional-order systems. By the D-decomposition technology, we identify the stabilizing regions by three types of curves, i.e., the real root boundary (RRB) curves, complex root boundary (CRB) curves and infinite root boundary (IRB) lines. The existence conditions and computing methods of RRB curves, CRB curves and IRB lines are proposed to determine the boundaries of the potential stabilizing regions. The Test Lines and the principle of the identifying the stabilizing regions are presented to find the real stabilizing regions with a given stability degree. To deal with noises existing in the feedback signals, fractional-order PD^μ controllers involving filers are adopted. Meanwhile, the robust stabilizing regions are also analyzed via IRB curves, CRB curves and IRB lines with stability degrees. Finally, some illustrative examples are offered to verify the effectiveness of depicting algorithms of the robust stabilizing regions for PD^μ controllers with no filer or filers, respectively.