基于奔腾SIMD和分割技术的快速体绘制

成像速度是影响体绘制应用的关键 .为了提高成像速度 ,提出一种基于 Intel奔腾 SIMD和分割技术的快速体绘制算法 .仅仅应用奔腾 SIMD并行技术 ,常规光线投射算法的成像速度能够提高 2～ 5倍 .奔腾 SIMD并行指令与分割技术相结合 ,减少了大量空采样 ,进一步提高了成像速度 ,而且这种简单的分割技术能够快速地适应转换函数的改变 .在一台 P4 / 1.6 G的 PC机上 ,以 5 12× 5 12分辨率渲染时 ,该算法渲染速度比常规光线投射算法提高了 10多倍 ,使得等值面的体绘制速度能够达到 1～ 3帧 /秒 .实验结果表明 ,该算法具有渲染速度快、成像质量高等显著优点 ,而且不需要费时的预处理和特殊体视硬件 ,具有较大的实际应用价值 .     

基于独立分量分析的谐波估计和消除

从盲源分离的角度对谐波估计和消除方法进行了探讨 ,提出了基于独立分量分析的谐波消除新方法。新方法的特点是在消除谐波干扰的同时 ,有效地保护有用信号成分不被破坏。文中通过实测数据对新方法进行了验证 ,并与传统陷波谐波消除方法进行了比较 ,取得了较理想的效果。     

一种基于运动特征的快速有效的视频镜头全拼图方法

由于全拼图能比关键帧提供更多的视觉信息,因此它已经成为视觉计算中一个重要的分析工具。为了提高全拼图的质量和拼图速度,提出了一种基于运动特征的快速有效的全拼图生成方法。该方法首先给定一个视频镜头,并基于运动相位熵的分析方法决定该镜头内容是否适合生成全拼图;然后,对于适合生成全拼图的镜头,通过构造全局运动路径的方法,仅需要挑选全部视频帧的一个子集用来生成高质量的全拼图。实验结果表明,与传统的全拼图方法相比,该新方法在提高全拼图的视觉质量的同时,显著地降低了计算时间。     

怎样编写嵌入式系统定位程序

对用Ｃ语言编写的应用程序正确进行重定位，是设计好嵌入式系统的关键。本文以设计一个基于８０ｘ８６ＣＰＵ的嵌入式系统为例，就定位程序的编写方法作些讨论，主要介绍程序的设计思想。有关内容也可供设计其它类型嵌入式系统的读者参考。     

昼夜转换场景中的车辆检测

在城市交通流量视频检测系统中,昼夜转换是必须面对的问题,在白天和黑夜的过渡期间,简单的使用白天算法或夜间算法检测效果较差。本文提出一种针对昼夜转换场景的车辆检测算法,该算法首先提取出背景图像,针对昼夜转换场景中光线昏暗、变化较快的特点,建立了一种能够快速跟踪背景变化的背景更新模型;然后采用背景差分的方法检测运动车辆。实验表明,本文算法能够很好的检测昼夜转换场景中的运动车辆。     

多云条件下运动车辆检测

针对多云天气条件下的车辆检测问题，提出了一种快速有效的车辆检测方法。采用基于区间分布的背景更新模型，提高了算法对背景跟踪速度；采用基于彩色图像的HSI模型对云层造成的运动噪声进行抑制，有效地提高了目标检测的准确性。实验表明，该方法能够适应多云天气条件，综合使用背景更新和噪声抑制两种手段，能够使得多云条件下的车辆检测率达到80％以上。     

一种基于区间分布的自适应背景提取算法

交通流量的视频检测离不开背景提取.现有的背景提取算法往往运算量大,不能快速跟踪背景变化.本文提出一种基于区间分布的自适应背景提取算法,该算法利用背景像素值的分布特征,得到背景的估计模型.实验结果表明,相对于其他自适应背景提取算法,区间分布法能够较好地自适应环境光线的变化,快速跟踪背景的变化,同时计算量较小,能够满足实时性要求.     

一种基于对称差分和背景消减的运动检测方法

该文提出一种综合利用对称差分和背景消减来进行运动检测的方法。首先通过建立一个可靠的背景更新模型,由背景消减法得到基本准确的前景图像,然后和对称差分法得到的差分图像综合,得到完整可靠的运动目标图像,最后用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响,并用区域填充算法来填补目标区域的小孔,从而将视频序列中的运动目标比较可靠地检测出来。实验结果表明,该方法快速、准确,有一定的实际应用价值。     

一种基于声信号的车辆碰撞检测装置

本文介绍了一种通过声音进行车辆碰撞事件识别的方法,设计了一种基于DSP车辆碰撞报警装置。该装置通过实时的对声信号进行采集,运用模式识别方法对声音进行分类,一旦出现碰撞声音即通过通讯和报警模块报警。实验表明,该装置对碰撞声信号具有较高的识别率和识别准确性。     

鲁棒的实时多车辆检测与跟踪系统设计

场景中的运动阴影导致多目标粘连,车辆间的相互遮挡使得跟踪识别困难.本文针对这两个影响实时车辆检测与跟踪系统性能的主要因素,采用基于无偏卡尔曼滤波器(UKF)的方法为场景背景建模,提取出运动区域,再通过边缘特征检测出场景中的运动阴影,然后利用角点信息将目标与阴影分离;提出了一种基于运动预测框的目标跟踪算法,将它与基于车辆平行四边形轮廓的遮挡分割方法结合,构建了多车辆目标的实时跟踪系统,并用实验验证了它的实用性与鲁棒性.