激光雷达和CCD外部标定方法的改进及其应用研究

激光雷达和CCD各自都具有快速获取物体空间信息的能力,广泛应用在真实场景的三维建模中.本文结合激光雷达对空间三维数据采集的高速性以及CCD图像处理的快速和便利性,将激光雷达和CCD外部标定算法首次运用在物体三维建模中,提出了改进的外部标定算法,研究了基于外部标定算法的点云分割.并对分割后的点云进行三维重建和纹理映射,取得了较好效果.     

基于纹理特征的火箭目标跟踪方法

为解决姿态剧烈变化的火箭目标跟踪问题,提出了一种新的基于纹理特征的跟踪方法。相对于传统的模板匹配方法,这种方法能对助推器和子级分离的捆绑式运载火箭进行跟踪。在对火箭目标特性进行分析的基础上,采用局部二值化模式(LBP)纹理特征结合Hu不变矩特征描述进行跟踪。跟踪过程中特征匹配采用简单的相似性度量准则,实时模板更新算法为加权更新。测试结果表明,这种方法对发生位移、旋转和尺度变化的火箭目标同样具有比较好的跟踪效果。     

图像纹理合成的研究应用

在此介绍了纹理和纹理合成的基本概念,给出了纹理合成常见的几种算法,通过分析块拼接纹理合成算法,对块拼接纹理合成算法进行改进,将块拼接的原理应用到图像拼接上,并对象素加入与人视觉有关的权值进行接缝处理。实验结果表明,该方法简单实用,对于基本的由不同方位拍摄的图像都可以通过该算法进行拼接,并通过对接缝处的处理,取得了较好的结果。     

一种无接缝纹理映射算法的并行实现

随着多核处理器的问世,并行编程变得简单和必要。通过对一种纹理映射算法的研究,对其耗时部分进行并行化,以加快算法运行速度。该纹理映射算法先建立三维网格顶点和视点之间的对应关系,然后利用重心坐标权重插值的颜色填充方法构造出一个无接缝的纹理图像。通过利用算法过程中存在的并行性,对算法进行并行实现。实验结果显示,能够得到一个无接缝的纹理图像,而且在双核处理器上的平均加速比达到了1.70。     

多核并行技术在Image Quilting纹理合成算法中的应用

针对Image Quilting纹理合成算法的新旧纹理块拼接特点,研究了一种创建多任务实现纹理块切割拼接的并行编程模式.设计了重叠区域缝合路径计算的多任务模块函数iq(),利用MATLAB多核集群中创建的调度器将子任务分配到各个节点上并行执行计算.实验结果表明,该算法获得了较好的加速比,提高了多核CPU的使用效率,有效地提升了多核计算机资源的利用率.     

10轮3D分组密码算法的中间相遇攻击

3D密码算法是一个代换-置换网络(SPN)型结构的新分组密码。与美国高级加密标准(AES)不同的是3D密码算法采用3维状态形式。该文利用3D算法结构,构造出一个5轮中间相遇区分器,并由此给出10轮3D的新攻击。结果表明:新攻击的数据复杂度约为2128选择明文,时间复杂度约为2331.1次10轮3D加密。与已有的攻击结构相比较,新攻击有效地降低了攻击所需的数据复杂度以及时间复杂度。     

一种降低FBMC-OQAM系统PAPR的低复杂度选择性映射算法

滤波器组多载波(FBMC)是第五代蜂窝网络无线接入技术重点考虑的对象之一,然而其存在较高的峰均功率比(PAPR).通过分析FBMC-OQAM信号的重叠特性和信号功率分布特点,将传统选择性映射(SLM)方法加以改进,提出了一种比色散选择性映射(DSLM)方法更优的低复杂度色散选择性映射(LD-SLM)方法.LD-SLM方法用备选旋转矢量将当前数据块信号旋转,通过计算在当前信号周期[T,3T]区间内信号的PAPR来选取最优旋转矢量,并更新当前数据块信号,接着对下一个数据块信号进行同样的优化,直至所有的数据块都被优化.通过比较算法复杂度可知,LD-SLM算法相比DSLM算法降低了50％,仿真实验表明LD-SLM方法能有效降低FBMC-OQAM系统的PAPR.     

基于局部结构变换域稀疏外观模型的目标跟踪

[目的]为了降低稀疏表示目标跟踪算法的计算复杂度,[方法]在粒子滤波框架下提出了基于局部结构变换域稀疏外观模型的视觉目标跟踪算法.[结果]该算法在目标区域附近提取重叠的局部图像块,并计算出所有局部图像块的二维离散余弦变换,获得图像块的变换域系数.变换域的能量集中特性被采用来降低字典的维度与候选样本的数量,并且对系数压缩一定的自由度可以抑制噪声与遮挡影响.采用被裁剪的样本与字典获得局部图像块的稀疏编码,然后将当前目标区域中所有小图像块的稀疏向量加权融合得到目标区域的稀疏表示值,并通过决策模型获取最优跟踪结果.与现有三种最新的跟踪算法比较的实验结果表明,[结论]所提算法的跟踪性能接近或超过对比算法,同时大大减小了f1范数最小化的计算复杂度.     

基于自适应窗口固定及传播的 多尺度纹理图像分割

 本文提出一种基于自适应窗口固定及传播的多尺度纹理图像分割方法,在小波域隐马尔科夫树模型(WHMT)的初始分割基础上,根据分割粗尺度上的区域一致性好,细尺度上的边缘准确的特点,利用上下尺度像素之间以及本层邻域像素的马尔科夫性,标记出图像的一致性区域和边缘区域,将一致性区域固定,类标直接下传到下一尺度,边缘区域则利用邻域信息确定出上文权值背景传播到下一尺度,与下尺度一起共同指导图像分割,从而很好的保持了区域均匀性和边缘准确性.同时根据纹理图像区域聚集性的特性,利用基于多项式展开和置信区间交叉(LPA_-ICI)方法找出各类区域聚集的物理位置中心,融入上下文权值背景中,使得指导分割策略能够更好的进行.实验表明,对于合成纹理图像来说,本文提出的多尺度融合算法在均匀区域内部及区域边界都大为改善,而且无须进行参数的训练,使算法快速的完成.     

在司机疲劳监控中的人眼状态检测方法研究

主要研究了在确定了司机眉眼区域的基础上进行人眼定位和状态检测的方法,首先将获取的眉眼区域图像分为4都分,然后分别计算复杂度并选取其中复杂度最大的部分,对其进行积分投影和方差投影相结合的混合投影,最后根据几何特征来判断人眼的状态.