基于贝叶斯框架的显著目标检测

图像和视频显著性检测在计算机视觉领域引起了极大的关注,广泛应用于物体分割、可疑物检测、图像检索等领域,在贝叶斯框架下,将人类视觉注意力理论中Bottom-Up模式被动感知与Top-Down模式主动检测按照时间先后顺序结合在一起,并结合像素的"Center-Surround"模型和核密度估计,提出一种能由粗到精逐步感知和获取视场中视觉显著性目标位置及尺度的实时显著目标检测算法,称其为基于贝叶斯框架的显著目标检测.通过在微软MSRA数据集上进行ROC和Precision-Recall测试,证明该算法取得比目前经典算法更好的效果.     

稀土元素Er对5A06铝合金铸态组织及性能的影响

采用光学显微镜、扫描电镜、能谱仪、X射线衍射仪等仪器研究了稀土Er加入量(质量分数为0~0.6%)对5A06铝合金铸态显微组织的影响。结果表明,当w(Er)0.4%时,随着铒含量的增加,晶粒尺寸和枝晶间距均减小;当w(Er)=0.4%时,晶粒细化效果最明显,晶粒尺寸是未加入Er元素时的50%;当w(Er)0.4%后,晶粒细化效果减弱。Er加入合金中主要以Al3Er形式存在,且主要分布在晶界上。Er的添加质量分数在0.2%~0.4%范围内,可提高合金的硬度和拉伸强度,并且伸长率基本不变;Er的添加量w(Er)=0.6%时,强度提高不明显,伸长率下降得比较快。     

一种基于算法融合的运动目标跟踪算法

视频目标跟踪的重点和难点在于如何快速、准确的匹配目标.针对复杂背景下,单一模式的跟踪算法不能准确跟踪目标的问题,提出了一种基于算法融合的运动目标跟踪方法.该算法综合运用去均值相关跟踪算法（normalized cross correlation,NCC）和均值漂移算法（MeanShift）2种基本模式对输入输入视频进行处理,结果送入Kalman滤波器进行滤波与预测,最后根据最小总均方误差准则进行自适应融合.试验证明,该算法能够较好地实现复杂场景条件下的目标跟踪,提高了跟踪的鲁棒性.     

汽车减振器节流阀片对阻尼特性影响研究

为了深入掌握汽车减振器的阻尼特性,研究减振器节流阀片厚度与其阻尼力值之间的关系。在分析阀系节流特性的基础上,将小间隙节流的计算方法和薄板弯曲变形的微分方程相结合,建立节流阀片厚度与减振器阻尼力值之间的数学模型。通过研究推导出了节流阀片厚度变化时减振器阻尼力值的变化规律,为精确研究减振器阻尼特性提供了有力支撑。     

退火工艺对7×××系某铝合金板材组织和性能的影响

为了改善7×××系某铝合金板材的塑性,试验研究了退火工艺参数对7×××系某铝合金冷轧板材组织和力学性能的影响。研究结果表明,7×××系某铝合金冷轧板材,开始再结晶温度为200℃,终了再结晶温度为360℃;最佳完全退火制度为退火温度380℃~390℃,保温1.0 h;可作为制定工业生产7×××系某。O状态某铝合金板材退火工艺制度的基础。     

基于局部熵的点目标检测算法分析

基于局部熵的目标检测与跟踪算法研究已有一些文章介绍,主要针对其应用、改进等方面。通过对点目标局部熵特点的深入研究,定量分析其在不同点目标对比度情况下的局部熵值变化,以及不同尺度子域对点目标作用,研究其中的相互关系,得出点目标的局部熵值定量分析算法。经不同灰度点目标与背景相同灰度差的情况下和具有相同对比度情况下点目标局部熵值的计算,验证了算法及分析的正确性。为点目标检测(如红外目标等)提供定量分析的基础。     

基于改进Haar-like 特征的压缩跟踪算法

针对原始算法特征可能出现的特征无法准确表达目标特性的问题,提出一种改进Haar-like特征的压缩跟踪算法。原始算法利用正负样本训练构造分类器,利用分类器对候选样本判定,得到最高分类器响应样本就是目标。进行重采样以更新分类器为下一帧做准备,对出现的问题,使用了一种新的图像特征来表示目标特性,同时加入一系列策略处理样本,去除那些与目标差异较大的样本,并进行仿真。仿真结果表明:该算法不仅提高了分类器对于正负样本的判别性,也降低了算法的计算复杂度,提高了算法的实时性。     

对搜索雷达不等间隔采样问题的分析

在对搜索雷达采样数据的使用过程中,通常认为数据是基于等间隔采样得到的,但实际采样过程中,由 于目标与搜索雷达间存在相对位移,使得搜索雷达针对某一目标的采样数据间隔并不相等,将不等间隔采样数据近 似为等间隔采样数据处理会造成原理性误差。为得到实际的采样间隔,提出利用迭代算法计算不同航迹运动目标的 实际采样间隔。在分析搜索雷达对目标进行搜索和对目标信息进行采样处理过程的基础上,仿真分析不等间隔采样 对运动目标速度信息提取产生的影响,并以一匀速运动目标为例讨论将实际非等间隔采样数据近似为等间隔处理对 目标速度的影响。计算结果表明：搜索雷达对目标的实际采样间隔与目标飞行方向、目标与雷达距离以及目标速度 等存在一定的关联。该分析计算方法对于提高搜索雷达对运动目标的测量精度有一定参考价值。     

基于在线特征选择的实时压缩跟踪

针对原始压缩跟踪算法无法自适应选择特征易导致目标丢失或者漂移这一现象,提出一种基于在线选择特征的实时压缩跟踪算法。首先,在初始化阶段生成两个互补的投影矩阵,利用该投影矩阵提取特征构造候选特征池。然后,通过特征置信度度量策略实时从候选特征池中选择置信度较高的特征,并融合所选特征对应的置信度构造分类器。最后,利用该分类器对候选样本做二元分类处理,获得最高分类器响应值的样本作为最后跟踪结果;而上一帧跟踪结果用来在线更新特征池和分类器为后续跟踪做准备。本算法在多个公共测试视频序列与原始压缩跟踪算法进行了对比,结果表明其跟踪精度和鲁棒性方面得到了改善,对于320pixel×240pixel大小的视频平均处理帧速为25frame/s,满足实时跟踪要求。     

基于局域熵值分布图的目标分割及质心计算

图像分割的质量直接决定了目标检测及跟踪等一系列工作的好坏。传统的局域熵对于简单背景下的小目标检测较为有效,但对于目标较大的情况分割效果则不甚理想。致力于统计图像每一像素点的局域熵值,绘制局域熵值分布图。对局域熵值分布图进行迭代阈值分割,以求得最佳分割阈值并实现二值化。在二值化熵值分布图的基础上,统计像素分布,求取目标质心。在下一帧的视频图像中,根据前一帧求取的目标质心来设定波门,以减少非目标以及噪声的干扰。对多个视频序列进行实验后证明,本文提供的方法能够有效减少杂波干扰,提高系统的鲁棒性。