目标多自由度Mean Shift序列图像跟踪算法

现有的Mean Shift跟踪方法使用单一半径参数来描述目标大小变化，每个目标仅有位置和尺寸两个自由度，因而不能适应复杂的目标运动情况。文中提出新的Mean Shift跟踪方法，该方法引入带宽矩阵来描述目标尺寸，能够在水平和垂直两个方向上独立描述目标大小变化，并加入目标倾角，使得目标旋转运动得以很好描述。实验表明，该算法能够准确跟踪序列图像中的任意复杂运动，尤其对目标的缩放、旋转运动有良好的适应性。     

一种改进的二维卡尔曼窗滤波方法及其在图象恢复中的应用

本文给出了一种改进的二维卡尔曼窗滤波方法,该方法比标量或向量二维卡尔曼滤波方法有更快的计算速度和需要更小的内存容量,在图象模型选取方面也对Dikshit给出的移动窗法进行了改进,从而使所给滤波方法适用于被更广泛因素模糊的图象之恢复。所给方法特别适于在微型机上实现。文后给出用所给方法进行图象恢复的一个实例。     

图像规格化的一种新方法

图像规格化是图像理解系统中的一种常用方法。通常来讲,二维模式有四种失真形式:平移、旋转、伸缩和歪斜。本文提出了一种新的图像规格化方法,该方法对上述四种形式的失真图像都能正确规格化,而已有的规格化算法至多只能处理三种形式的失真。本算法首先计算给定模式的协方差矩阵,然后根据协方差矩阵的特征向量旋转模式,并根据特征值沿特征向量伸缩模式。这时,模式已变换为最紧凑形式。经过上述处理后,结果模式对平移、伸缩和歪斜失真都是不变的。但是,旋转问题没有解决。本算法的最后一步是根据“图像椭圆倾角”旋转图像以使其对旋转变换也保持不变。这样,结果模式对平移、伸缩、旋转和歪斜变换都是不变的。对飞机图像的实验验证了这种新型的图像规格化方法的正确性和有效性。     

基于小波包变换的模糊判决纹理分类

提出一种基于小波包变换的模糊判决纹理分类方法,采用图象的完全树结构小波变换提取多分辨率纹理特征,模糊判决分类器通过引入隶属度函数对待征模糊化,反映了各类纹理样本间存在的差异及随机噪声等畸变因素赞成的抽取特征值存在的不确定性,提高了纹理分类算法对噪声或畸变的鲁棒性,通过实验获得了较满意的结果。     

基于二维直方图的模糊门限化方法

针对一维模糊度不能反映图像空间信息的缺点,本文提出了图像二维模糊度的概念,并将其用于门限化,二维门限矢量将二维直方图分为四个象限,其中对角线上的两种象限分别对应着目标象素类和背景象素类,而反对角线上的两种象限则对应着边缘象素和噪声象素,此方法为目标象限和背景象限中的每个元素赋予-[1/2,1]内的隶属度,以反映其属于目标或背景的程度,通过极大化这两个象限的某一模糊测度之和进行门限选择,实验表明,二维模糊方法的效果明显优于一维方法。     

人工目标图像中的消失点检测

在人工目标检测中,消失点信息比边缘、拐角等特征更加鲁邦。根据累计空间的不同,消失点检测方法可划分为有限空间检测和无限空间检测两大类。在有限空间检测方法中,Barnard提出的基于高斯映射的消失点检测,因同时适用于有限远和无穷远消失点的检测,最为引人关注。但该方法因累计空间划分不均匀,容易造成统计计算的偏差。文章针对人工目标固有特征,提出了长度优先的向量叉积候选消失点检测方法,在避免了因累计单元大小不均而造成计算偏差的同时,强调了人工目标的主体特征。同时利用三个彼此正交的方向信息,反算相机的内部参数,用以判定三个正交方向选择的合理性。从而使得消失点的确定,能够更好地满足人工目标特征的提取要求。     

考虑饱和的舵机自适应控制系统

针对某飞行器舵机系统中饱和非线性造成的不良影响,研究了一种模型参考自适应控制方案后,对舵机系统进行了自适应改进设计,并将其应用于此飞行器纵向控制系统中。仿真结果表明,这种自适应舵机系统不仅能提高飞行性能,而且对电机转速饱和值的大小具有很强的鲁棒性     

考虑状态持续时间的改进Viterbi算法及语音识别

针对考虑状态持续时间的HMM,在非线性动态规划的基础上设计了改进的Viterbi算法,并给出了Viterbi算法和K－means聚类结合的语音识别过程,最后分别为一般和考虑状态持续时间的HMM及Viterbi算法对50个汉语音节进行了识别实验,结果表明,考虑状态持续时间并应用改进的Viterbi算法时,虽然语音训练过程要慢一些,但其识别速度几乎一样的,而且误识率有明显的降低,取得了很好的效果。     

SFS方法及其与立体视觉方法的集成方案综述

立体视觉(StereoVision)方法是目前利用图象数据获取物体三维信息的主要方法之一。但该方法在图象灰度变化较缓慢的区域,由于难以准确地进行图象间的象素配对,而严重影响了它的效果。利用从明暗重构物体三维表面形状(ShapefromShading,简称SFS)的方法与该方法相结合,是改善重构结果的主要途径之一。文章通过分析SFS问题本身的不适定性,揭示了目前几类主要的SFS算法在可靠性、稳定性、局限性以及实用性方面所存在的问题,并在此基础上,简要地介绍了四类SFS与立体视觉方法相结合的形式,说明了通过利用立体视觉为SFS补充辅助的信息来消除SFS问题的不适定性,并对过去SFS的实现方法进行有效的改进,它是提高集成系统准确性的关键。     

2SFS方法及其与立体视觉方法的集成方案综述

立体视觉（Stereo Vision）方法是目前利用图象数据获取物体三维信息的主要方法之一。但该方法在图象灰度变化较缓慢的区域，由于难以准确地进行图象间的象素配对．而严重影响了它的效果。利用从明暗重构物体三维表面形状（Shape from Shading，简称SFS）的方法与该方法相结合，是改善重构结果的主要途径之一。文章通过分析SFS问题本身的不适定性，揭示了目前几类主要的SFS算法在可靠性、稳定性、局限性以及实用性方面所存在的问题，并在此基础上，简要地介绍了四类SFS与立体视觉方法相结合的形式．说明了通过利用立体视觉为SFS补充辅助的信息来消除SFS问题的不适定性，并对过去SFs的实现方法进行有效的改进．它是提高集成系统准确性的关键。