基于颜色信息和光学增益的阴影消除

运动阴影常被误分为前景对象,会给目标的跟踪和识别带来很大困难,所以阴影消除在许多的监控系统中都是非常重要的。针对阴影检测算法受特定条件约束,不能自动适用于不同场景,为解决上述问题,提出了一种新颖鲁棒且无需复杂的参数调整的运动阴影消除方法。通过自适应高斯混合模型重建背景,采用背景差分法提取出包含阴影的运动区域,综合颜色信息与光学增益,将运动区域分类为运动对象区域和运动阴影区域。实验结果表明:所提方法在多种不同的场景下均能有效可靠的消除运动阴影。     

消除桌面图标的阴影我有小招

不知道为何电脑桌面上图标下面的文字背景颜色变成了蓝色的．此时觉得桌面很别扭,看着很不舒服．能否恢复原来图标背景的底色？当然能,只要简单的设置就可以恢复。     

Windows 7：再现辉煌：第七代Windows——再现微软时刻

酝酿已久的Windows7终于在2009年10月发布了。虽然有Vista的阴影,Windows7的表现却得到了很大意义上的认可。其RC版本在互联网上广为流传,并经过了大量用户的实际使用。期间甚至有专家认为：“Windows7完整地满足了它所针对的用户群体需求”。     

基于梯度特征的阴影检测方法

基于交通视频的车辆检测中,准确地获取车辆是一个至关重要的问题,由于大部分情况下存在着阴影,影响了交通信息检测的准确性,因此,阴影的判别极为重要.文中采用Surendra算法提取背景,利用背景差法提取移动前景,增强前景区域,最后利用梯度算子计算梯度,根据移动车辆的梯度不同于相关背景,而移动阴影的梯度与相关背景的梯度相似,来检测阴影并去除.实验结果表明该方法能有效去除阴影,提高车辆检测的准确性.该方法计算简单,有效地降低了计算成本.且对光照变化不敏感.     

基于边界轮廓的区域生长算法在RBC提取中的应用

提出一种基于边界轮廓的区域生长算法提取各个细胞的图像,并运用阴影恢复技术进一步得到每个细胞的三维高度场数据,这些三维数据可用于计算细胞表面曲率。整个提取算法分为三个步骤：轮廓跟踪、区域生长、基于SEM成像条件的三维形状重建。考虑到重叠细胞的统计特征,只需提取处在最上层的细胞。实验结果表明,该方法具有很强的可行性和实用性。     

基于高斯混合模型的空间域背景

运动检测和背景分离技术是智能视频监控系统中的一项关键技术。由于目前广泛使用的高斯混合模型背景分离法是在像素域的时间尺度上对像素进行分类,因此常常造成误判,且无法解决阴影问题。为解决此问题,提出了一种空间域上的背景分离法。该方法首先将像素检测从像素域拓展至空间域的局部窗口内;然后在得到前景点集后,再将此空间域检测思想结合像素亮度特征运用到阴影消除中;最后,对经典模型的部分参数估计方法进行了修改。相关的实验结果证明,该方法可用于提高背景分离的检测精度和实现运动物体阴影消除。     

一种基于灰度直方图的遥感影像阴影自动检测方法

在高分辨率全色遥感影像中,阴影的存在既给目标识别带来了困难,又包含了地物的层次和高度信息。本文运用灰度统计直方图的势函数对全色遥感影像的灰度统计直方图函数进行拟合,使用一阶差分找到直方图势函数的第一个谷点,以该谷点对应的灰度值对原始影像做阈值分割完成阴影检测。实验表明,在各种复杂地物环境下,本文方法都能能完成灰度分割阚值的自动选取,其阴影检测结果是快速有效的。     

基于改进PSO算法的光伏阵列MPPT研究

由于光伏组件的P-V特性是单峰非线性曲线,由它组成的光伏阵列的发电功率易受温度、光照强度等外界环境因素的影响,导致实际工程中光伏发电效率大大降低,因此追踪最大功率点(Maximum Power Point Tracking, MPPT)使光伏发电系统的发电功率一直处于最大功率点,对提高系统整体的发电效率有着十分重要的意义。引用进化差分算法对传统的粒子群算法(PSO)的寻优过程进行差分进化选择,并将非线性策略与改进后的PSO算法相结合。通过仿真计算分析,改进后的PSO算法相较于传统的PSO算法能够更快速、更准确地找到部分阴影情况下的最大功率点,进而提升了光伏系统的发电效率。     

基于计算机视觉的高速路面状态检测方法

路面状态检测技术是辅助高速公路监管部门及时发现结冰、积雪等不良路况的重要手段。针对传统基于硬件设备的路面状态检测技术存在成本较高、检测范围受局限等问题,提出了一种基于计算机视觉的高速路面状态检测方法。该方法首先将融合了空间注意力机制和通道注意力机制的Attention模块与具有高分割精度的U-Net网络相结合,对路面区域图像进行分割提取;之后实现了一种基于循环生成对抗网络的路面阴影消除算法,对已经提取的路面图像进行阴影消除;最后基于残差结构构建了路面状态分类器,实现高准确率的路面状态检测。实验结果表明,采用该方法可以消除路面状态检测过程中高速公路两侧景物和路面阴影对状态检测带来的干扰,实现了对路面干燥、积雪、积水和结冰4类状态的准确识别。基于高速公路监控视频进行测试时,识别率可达97.9%。     

视频合成孔径雷达双域联合运动目标检测方法

视频合成孔径雷达(SAR)具有高帧率成像能力,可作为地面运动目标探测的重要技术手段。经典SAR地面动目标显示(SAR-GMTI)依靠目标回波能量来实现动目标检测,同时动目标阴影亦可作为视频SAR动目标检测的重要途径。然而,由于动目标能量和阴影的畸变或涂抹,依靠单一方式难以实现稳健的动目标检测。该文基于目标能量和阴影的双域联合检测思想,分别通过快速区域卷积神经网络和航迹关联两种技术途径实现了视频SAR动目标联合检测,给出了机载实测数据处理结果,并进行了详细分析。该文方法充分利用目标阴影与能量的特征及空时信息,提升了机动目标检测的稳健性。