基于卡尔曼粒子滤波器的人眼跟踪

提出了一种基于卡尔曼粒子滤波器的人眼跟踪算法，该方法利用一种新的二维可变形模板来提取眼睛的精确特征，采用粒子滤波器跟踪人眼。为了进一步提高普通粒子滤波器跟踪的速度和精度，将卡尔曼滤波器引入粒子滤波器中，利用卡尔曼滤波器算法进行采样预测和校正，减少了人眼跟踪中所需的粒子数目，从而达到快速而准确的跟踪目的。最后，用上述方法进行了实验，验证了该方法的实用性和有效性。     

中国古代书籍装帧形态发展成因探究

书籍的历史,实际上反映了人类社会的发展史。书籍的装帧形态也反映一定社会、一定时期的生活状况和意识形态,是随着时代的发展而发展的,在不同的历史时期中,书籍具有不同的特定的装帧形态。中国古代书籍形态在客观上受中国古代社会总体的政治制度、经济格局,乃至文化、教育、思想体系的影响,并在一定程度上制约着中国古代书籍在技术层面上的实现以及在形态上的体现。     

改进粒子群算法的潜器导航规划

针对粒子群算法的寻优搜索能力强和已有的一些导航算法存在收敛速度慢、迭代时间长的缺点,提出一种基于粒子群算法的潜器导航算法.利用群智能理论,对基本粒子群算法进行改进:提出一个含突变因子的可变调的惯性权值策略,从而达到增强粒子群算法局部和全局寻优的调度能力.通过实验仿真验证,证明了改进粒子群算法具有更优的性能.在此基础上,将该算法应用到水下潜器的路径规划中,通过对环境的建模分析进行条件约束,最终将路径规划问题转化为路径点求解的优化问题.实验仿真结果获得了从起点到终点的无碰撞路径,收敛速度也较快,验证了该方法的有效性和可行性.     

基于小波和LS-SVM的软测量建模方法

针对工业过程中某些重要过程变量难以实现在线检测的问题,提出了一种基于小波和最小二乘支持向量机(LS-SVM)的软测量建模方法.首先通过小波变换把样本数据序列分解为不同频段的子序列,然后对这些子序列分别采用LS-SVM进行建模,最后通过小波重构得到主导变量的估计值.其中采用量子粒子群算法(PSO)来优化选取LS-SVM参数.通过仿真实验验证此方法,实验结果表明所提出的方法具有估计精度高、泛化能力强等优点.     

基于分层学习的三维模型兴趣点提取算法

针对基于学习的三维模型兴趣点提取问题,提出一种兴趣点分层学习的全监督算法.提取三维模型表面所有顶点的特征向量后,将人工标注的兴趣点分为稀疏点和密集点,对于稀疏点使用整个三维模型进行神经网络训练,对于密集点则找出兴趣点分布密集的区域进行单独的神经网络训练;然后对2个神经网络进行特征匹配,得到一个用于三维模型兴趣点提取预测的分类器.测试时,提取新输入的三维模型上所有顶点的特征向量,将其输入到训练好的分类器中进行预测,应用改进的密度峰值聚类算法提取兴趣点.算法采用分层学习的策略,解决了传统算法在模型细节处难以准确提取密集兴趣点的问题.在SHREC’11数据集上的实验结果表明,与传统算法相比,该算法提取兴趣点的准确率更高,出现的遗漏点和错误点更少,对解决越来越精细的三维模型的兴趣点提取问题有较大帮助.     

SPH法中初始时粒子配置的分析

光滑粒子流体动力学(SPH)法是一种无网格拉格朗日粒子法。文中介绍了SPH法的常数和线性连续性条件,测试求解一维溃坝问题时不同的初始粒子配置对实验结果的影响。结果表明在SPH法中,初始时刻粒子应尽量均匀分布,并且尽量使所有粒子的质量相同或者是呈连续变化的。     

形状和颜色混合不变量在图像检索中的应用

多视觉特征的图像检索是当前基于内容的图像检索领域的重要方向.已有的多特征的检索主要通过线性加权的方法对特征进行组合,但这种组合方式仅实现了代数意义上的合并,未能真正利用和发掘特征间存在的相互关系,并且权重值不容易确定,检索结果易受权重值的影响.针对这一问题,提出一种形状-颜色混合不变特征的构造方法,特征提取的过程包含同时对形状、颜色信息的抽取,直接构造出能够同时对形状仿射变换和颜色对角-偏移变换具有不变性的特征,也称作形状-颜色矩不变量.首先分别在图像的2维几何空间、3维颜色空间定义形状核、颜色核,然后对形状核、颜色核的乘积进行多重积分,最后做规范化,就得到一个不变量.理论上,通过选择不同的形状核、颜色核可以推导出无穷多的不变量.实验结果表明,该方法优于加权组合特征的方法;与加权特征、局部特征相比,形状-颜色矩不变量对于同一物体不同成像条件下的近复制图像、整体属性相似的图像、大体类似的物体图像等表现出较高的检索性能及效率.     

筛选和记忆相结合的粒子群算法*

针对粒子群算法优化高维复杂问题出现局部最优的缺陷,提出初始粒子筛选和最差粒子记忆相结合的粒子群算法。利用熵度量粒子分量分布的均匀性,只有各分量满足均匀性要求时,该粒子才被筛选为初始粒子,以控制粒子在解空间的分布。在速度更新过程中引入最差粒子,避免粒子重复搜索曾经找到的最差位置,以提高算法的搜索效率。根据粒子寻优的成功率动态调整权重,以有效平衡深度和广度搜索能力。用本文算法优化6个经典测试函数,与3种改进的PSO算法相比,本文提出的算法不仅可以平衡局部和全局的搜索能力,还可以提高算法的搜索效率和精度。     

均匀分割主曲线的三维形状描述

将无序的、分布不均匀的三维网格模型形状分布问题,转换为有序的、均匀的一维流形问题,进而实现三维模型的形状检索．本文将三维网格模型,投影为三维的光顺主曲线;通过对主曲线沿弧长方向的均匀分割采样,提取主曲线的空间位置和姿态等形状特征;最后通过形状描述向量的比较实现了对应的三维模型检索．实验证明该形状描述方法对几何变换是稳定的,降低了多分辨率、局部形变、噪声等因素影响对三维网格模型形状描述的干扰．     

基于粒子群算法的超宽带接收机设计

超宽带(UWB)接收机具有高度非线性,其传统设计方法依赖于经验,十分复杂。提出了一种基于粒子群优化算法的UWB接收机系统级设计方法 PSO-UWB。该方法基于粒子群改进算法Ad-pISPO,根据系统输出信噪比(SNRout)和重要部件参数之间的关系函数,以SNRout最大化为目标进行参数的优化计算。ADS仿真结果证明,PSO-UWB方法的优化结果符合设计要求,具有可行性。