均值移动算法步长及密度极大点分析

根据核函数的不同特点,分析得出均值移动算法的步长可能为牛顿步长、高斯-牛顿步长或一种非线性步长。根据均值移动密度函数泰勒展开形式的不同,讨论均值移动点每步在运动方向上的密度递增范围和密度极大值点的位置。上述结论对于提高均值移动算法的收敛速度有指导作用。     

均值移动算法收敛性及均值移动矢量夹角分析

均值移动算法是一种统计迭代算法,目前在图像处理中得到了广泛应用。但是对其性质的分析仍然不完善,针对以往文献对均值移动算法收敛性证明的错误和不足,根据柯西收敛定理严格证明了均值移动算法的收敛性;证明了基于任意核,两连续均值移动矢量的夹角都不大于90°。     

广义均值移动跟踪算法

CAMSHIFT算法和Comaniciu/Meer算法是均值移动在视频目标跟踪中最为常用的两个基本算法.本文对Bradski和Comaniciu/Meer等人的工作加以推广,给出了广义均值移动跟踪算法.论文采用一个一般形式的相似性度量函数,并推导了其相应的像素权值计算和搜索窗口位置更新公式.新算法基于搜索窗内各像素权值的零阶矩来计算更新其搜索窗口尺寸.然后证明现有的两种基本算法都可以归纳到广义均值移动跟踪算法的统一框架中.对多段视频序列的跟踪实验分析比较了统一框架中3种均值移动算法的跟踪性能.     

基于均值移动算法的图像分割的研究

均值移动算法是一一种统计迭代算法,实际已经在图像分割中得到了广泛应用。但对分割结果的准确性有待于提高。为了能够得到更好的图像分割结果,根据柱状HSV颜色空间三个分量相关性弱、便于计算和颜色差异便于表示的特点,提出了基于柱状HSV空间的均值移动图像分割算法。将图像由RGB空间转化到柱状HSV空间,在转化后空间采用均值移动算法进行图像分割,用白色像素标记不同区域边界。最后通过与对RGB空间的均值滤波器的分割结果比较,验证算法的有效性。     

基于HSV空间的均值移动算法图像平滑研究

为了能够更好的去除图像的噪声和很好的保留图像的边缘信息,提出了基于HSV空间的均值移动平滑算法。首先将图像转化NHsv空间,由于HSV空间三个分量的相关性弱,根据HSV三个分量不同的特性采取不同的步长进行图像平滑处理,这样很好的克服了由于RGBZ分量相关性太强不便于分别平滑处理的缺点。试验表明该方法比基于RGB空间的均值移动算法能更好的满足对平滑结果的要求。     

自适应带宽均值移动算法及目标跟踪

首先提出了一种经典均值移动算法的推广算法,即自适应带宽均值移动算法,进而提出了基于自适应带宽均值移动的二维视频目标跟踪算法（ABMSOT）.前者提出了在带宽自适应情况下均值移动算法求取局部极值的框架步骤,后者可实时跟踪目标的位置、大小和方向.在ABMSOT算法中,目标模型和候选模型采用自适应带宽核函数加权特征直方图描述,目标模型和候选模型的相似性采用Bhattacharyya系数度量;通过迭代两步法搜索到目标最有可能的位置、大小和方向.第一步执行一次均值移动迭代搜索目标位置,第二步计算出最能描述目标区域大小和方向的带宽矩阵.从理论上证明了两个算法的收敛性,并通过实验证明了ABMSOT算法能实时跟踪目标的位置、大小和方向.     

基于均值移动与贪婪算法的多人脸跟踪

提出一个基于均值移动(Mean Shift)和贪婪算法的多人脸跟踪器.首先建立多个均值移动目标跟踪器以进行多人脸跟踪.结合卡尔曼滤波逐个检测目标并从视频帧中清除已跟踪到的人脸,以解决当多个目标相邻或相互遮挡时相应的跟踪窗口会收敛于最大目标、导致其他目标丢失的难题.引入辅助窗口并根据其纹理信息确定粘连目标的对应.实验结果表明,该多人脸跟踪算法可实现稳健的实时多人脸跟踪.     

基于核共生矩阵的均值移动跟踪算法

以核颜色直方图为跟踪特征的均值移动算法易受环境光照、视角和摄像机参数等因素的影响。根据灰度共生矩阵的思想构造了核共生矩阵来描述目标模型和候选目标,并在此基础上提出了一种基于核共生矩阵的均值移动跟踪算法。在算法的实现过程中做了一些改进工作：构造核共生矩阵时对相反方向上的像素加以区分,从而更好地刻画目标的不对称特性;将目标模型和候选目标的核共生矩阵规整到同一常数以提高计算精度;对各像素权值的计算公式进行修正以提高算法速度。光照较暗,照度变化和存在部分遮挡等条件下的真实场景实验结果表明,该算法在这些情况下仍能有效地跟踪目标。     

基于均值移动与粒子滤波融合的跟踪算法

针对均值移动算法鲁棒性差以及粒子滤波算法计算量大、难以满足实时跟踪的特点,提出2种先均值移动后粒子滤波的融合算法,分别为粒子数目保持恒定的融合算法和粒子数目自适应的融合算法。实验结果证明,与已有算法相比,2种算法在实时性提高的同时,跟踪准确性和抗干扰能力没有明显下降。     

点密度函数加权模糊C-均值算法的聚类分析

基于模糊C-均值算法具有对数据集进行等划分趋势的缺陷,文章利用数据点的密度大小作为权值,借助数据本身的分布特性,提出了一种新的加权模糊C-均值算法,该方法不仅在一定程度上克服了模糊C-均值算法的缺陷,而且具有良好的收敛性。     

基于显著性密度修正的均值漂移分割算法

针对固定空间和色彩带宽的均值漂移分割算法无法解决的错分割问题,提出一种基于显著性特征进行密度修正的均值漂移分割算法。首先基于密度估计的主颜色量化结果计算区域视觉显著性;其次,将区域视觉显著性融合像素级显著性作为色彩特征空间聚类的密度修正因子,将密度修正后的融合图像作为输入执行均值漂移分割;最后进行小区域合并获得最终分割结果。实验结果显示,所提分割算法在四种尺度上的真实边界准确率和召回率平均值达到0.64和0.78,与其他方法相比,分割精度有显著的提高;同时,在视觉上有效提高了目标完整性,增强了自然图像中目标分割的鲁棒性。     

特征保持的点模型简化技术研究

提出一种以物体表面上不附加任何几何和拓扑信息的散乱点集为处理对象,特征保持的点云数据简化的方法。通过直接在散乱点上计算曲率的方法,将数据点分为特征点和非特征点两类,分别应用不同参数的均值漂移聚类算法进行简化。实验结果表明算法既能有效简化点云数据,而且很好地保留了原网格模型的特征信息。     

似然相似度函数在目标跟踪中的鲁棒机理研究

复杂背景条件下低对比度目标的跟踪和测量方法,是视觉领域的一个重要课题.低对比度,低信噪比,目标旋转、缩放、被遮挡等非理想状态给跟踪算法的研究带来很大困难,算法既要适应目标和背景的复杂变化,又要保证运算量小,满足工程实时性要求.提出一种基于似然相似度函数的低对比度目标跟踪方法.在建立模型阶段,利用棱锥面方程的单峰特性突出模型中的目标灰度信息,使目标与背景灰度信息的可区分性更高;在模型匹配阶段,从统计学中的极大似然估计方法得到启发,构造一种新的似然相似度函数,与传统的相似度量相比,度量值的可区分性更高,大大提高了匹配区域的无重复模式;最后,将目标跟踪过程转化为对目标跟踪位置的极大似然估计过程.目前,该算法已经成功嵌入TMS320C6416硬件平台.大量实验结果表明,该算法所能探测的目标对比度LSCR最低限度约为3.作为实例,给出复杂背景下低对比度LSCR=4.9时空中飞机的实验结果.     

基于高维点云分布的最优传输问题的研究

最优传输问题是寻求相对于给定的代价函数,把一种分布转化为另一种分布的最有效的方式,其具有较为深远的价值,其中基于点云的最优传输问题更是得到广泛的关注。针对高维的点云分布的最优传输问题,利用了分片最优传输的理论及其对应的优化模型,提出一个改进梯度迭代的算法,以二维、三维点云分布为例进行数值实验,并将其与经典的方法进行比较...     

基于web的自适应考试系统的研究与设计

针对教育活动中的一个重要环节——考试,构建一个基于WEB的自适应考试系统ExamWeb,探讨ExamWeb的关于项目反应理论（IRT）、参数模型、能力估计参数、题目选择参数等几个研究方向的相关改进的算法,并给出ExamWeb的具体实现描述。     

电缆埋管对已建铁塔基础的受力影响计算

通过实例,分析、计算电缆埋管在施工或运行时已建铁塔基础是否还满足承载力的要求.     

SoC设计中的IP核保护方法研究

对现有主要IP核保护方法的原理和性能进行了研究分析,指出了各种方法的优缺点,同时指出了IP核保护方法的发展方向.     

一种基于Delaunay背景图改进的网格变形方法

针对Delaunay网格变形方法中因计算网格点在背景网格中映射不够精细导致的大变形失效问题,提出了一种改进后的网格变形方法,旨在进一步提高大变形情形时变形后的网格质量。该方法将原始的Delaunay网格变形方法中的背景网格远场边界进行加密,增加了映射背景网格单元的数量,改善了计算网格在背景网格中的映射精细程度,从而提升了变形后网格的质量。通过一正方形网格变形基础算例和30P30N三段翼型流场网格变形算例分别进行了测试与验证,结果表明该改进方法可以在保证计算效率的前提下,显著提升大变形时变形后的网格质量。与原始的Delaunay网格变形方法相比较,改进后的网格变形方法变形能力较强,所生成网格质量较高。     

鲁棒稳定界的连续性分析及优化方法

针对一类常见的不确定系统，本文得出了鲁棒稳定界ρ（Ｆ）连续、可微的条件，给出了ρ（Ｆ）对状态反馈Ｆ的微分表达式，以及在极点配置的约束下使ρ（Ｆ）增大的梯度的方法，实例显示，梯度方法非常有效。