基于椭圆假设的电子罗盘误差补偿方法

研究了一种智能电子罗盘的误差补偿问题。把误差的形成过程假设为从圆到椭圆的变化过程(椭圆假设 ) ,其逆过程就是误差补偿的过程。研究了基于椭圆假设求解误差系数算法和误差补偿方法。该方法使智能电子罗盘容易地实现了自动误差补偿和自动校准 ,大幅度降低了成本。试验结果表明 :椭圆假设符合实际情况 ,补偿效果显著。按此方法对最大误差高达± 2 3.7°的电子罗盘法进行自动补偿后 ,最大剩余误差降至± 0 .4°。根据该方法研制的电子罗盘具有成本低、可靠性高和使用方便的特点。     

基于传感器技术的驾驶疲劳检测方法综述

疲劳驾驶是引发交通事故的一个重要因素,因此,众多的研究人员致力于疲劳驾驶的研究.介绍了疲劳驾驶的研究现状,并着重对各种基于传感器的驾驶疲劳检测方法进行了总结和比较,分析了目前疲劳驾驶研究中存在的问题,以及未来的研究方向.     

一种基于点密度和分类约束规则的图像边缘提取方法

在目标的识别与跟踪处理中,目标图像的边缘提取是一项关键技术。本文提出一种对含噪目标图像边缘进行更准确提取的方法。该方法利用图像上各像素点的点密度信息及分类约束规则对大津阈值法加以改进,将灰度图像二值化,在此基础上提取图像边缘。理论和仿真结果证明：该方法具有边缘定位更准确、运算量小、抗噪能力强等特点,可用于对未知噪声模型的含噪目标图像的识别与跟踪处理中。     

基于一类W态密集编码的量子安全直接通信方案

根据三粒子一类W态的特性及密集编码思想,提出了一种新的基于一类W态密集编码的量子安全直接通信方案。方案中除了安全检测的粒子,剩余的所有传输粒子全部对秘密信息进行密集编码,极大的提高了通信效率。同时为了保证方案的安全性,在粒子分发阶段利用W态粒子间的纠缠关联性,对信道进行了两次安全检测;在信息粒子传输阶段用粒子顺序重排和插入诱骗光子相结合的方法来提高对窃听者的检测率,减少信息的泄露量。最后的安全性分析表明,方案在提高通信效率的同时,保证了信息传输的安全性。     

基于最小二乘法的相位编码QKD中的主动相位补偿

为解决相位编码的量子通讯系统中量子密钥相位漂移问题,以降低量子密钥分发(QKD),系统的误码率,克服已有算法存在的计算量大、测量精度低和复杂度高等问题,提出了基于最小二乘的主动相位补偿算法,可在单光子情况下通过扫描少量相位点,应用最小二乘法,即可获得较高精度的相位补偿。实验仿真表明,本文算法可以在较短的时间内得到相位漂移参数并进行实时主动补偿,提高了QKD系统的运行效率和性能。     

结合CSS与傅里叶描述子的手势特征提取

目前常用的基于视觉的静态手势特征提取方法只从单一方面进行描述,缺乏全局信息和局部信息的有效结合。为此,提出一种结合CSS形状描述子与傅里叶描述子的手势特征提取方法。将CSS形状描述子与傅里叶描述子相结合,以此作为一种融合手势局部特征和全局特征的新的静态手势特征。实验结果表明,与传统方法相比,该方法的正确率更高,达到98.3%。     

基于多核学习和AP聚类的图像摘要选取方法*

针对交互式图像检索系统在特征空间中选取摘要图像时,遇到多种特征难以融合及聚类效果不佳等问题,提出了一种基于多核学习和AP(Affinity Propagation)聚类的图像摘要选取方法：先利用多核函数融合多种特征计算图像间的相似度,再进行AP聚类,并选取聚类中心图像作为整个图像集的摘要。实验表明,所选摘要图像能直观有效地反映原图像集的内容梗概,据此对原图像集的查询拥有较高的查全率和查准率。     

丰富图像标签的正则化非负矩阵分解方法

目的 随着Web2.0技术的进步,以用户生成内容为中心的社交网站蓬勃发展,也使得基于图像标签的图像检索技术越来越重要。但是,由于用户标注时的随意性和个性化,导致用户提交的图像标签不够完备,降低了图像检索的准确性。方法 针对这一问题,提出一种正则化的非负矩阵分解方法来丰富图像欠完备的标签,提高图像标签的完备性。利用非负矩阵分解的方法将原始的标签-图像矩阵投影到潜在的低秩空间里消除噪声,同时利用图像的类内视觉离散度作为正则化项提高消除噪声、丰富标签的效果。结果 利用从社交网站Flickr上下载的大量社交图像进行对比实验,验证了本文方法对丰富图像标签的有效性。通过对比目前流行的优化算法,本文算法获得较高的性能提升,算法平均准确度提高了12.3%。结论 将图像类内视觉离散度作为正则化项的非负矩阵分解算法,能较好地丰富社交图像的标签,解决网络图像标签的欠完备问题。     

基于非下采样Contourlet 变换和稀疏表示的红外与可见光图像融合方法

针对非下采样Contourlet 变换( NSCT) 中低频子带系数稀疏度较低不利于融合的问题,提出基于NSCT 和稀疏表示的图像融合方法。对红外与可见光图进行NSCT 变换;对稀疏度较低的低频子带系数提取共有和特有系数,并按照特有系数的活动水平自适应调整权重融合;对稀疏度较高的高频方向子带系数,采用同一尺度下系数绝对值之和最大的方法进行融合。经NSCT 逆变换后得到融合图像。实验结果表明,与传统基于变换的DWT、NSCT 融合方法以及基于稀疏表示的SOMP、JSR 算法比较,文中方法可以获得更好的融合效果。     

基于轻量级神经网络的RGB-D人体目标检测

针对现有基于神经网络的人体目标检测算法网络结构复杂,运算量大,不利于实际应用,以及传统方法检测精度较差的问题,提出一种新的轻量级检测算法,使用无锚框机制,并将MobileNetV3作为主干网络。该网络支持多个数据输入方式,可分别以RGB彩色图、深度图或RGB-D作为输入。通过在两个公开数据集和自采集数据集中的试验证明,新算法总体检测精度及运行效率均优于已有算法,获得较为理想的每秒峰值速度（FLOPS）。在英特尔i5-7200 CPU平台下,以RGB-D和Depth为输入的帧率分别可达32f/s和55f/s,以RGB为输入的表现优于同级别轻量级网络YOLOV3-Tiny。