基于多尺度自回归模型体系的混凝土坝位移预报及工程应用

针对混凝土坝位移监测数据的时频非线性特征严重影响到数值模型预报精度的难题,通过小波技术解析原型数据中多重交叉环境驱动的效应实况,有机结合非线性自回归模型(Nonlinear Autoregressive Model with Exogenous Input, NARX)和差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model, ARIMA),建立了多尺度组合机制下的自回归模型体系,解决了内蕴复杂混沌特性的监测序列的信息挖掘难点。工程实例分析表明,所建模型的拟合精度及预测能力均得以提升,相比于传统模型具有较好的抗噪性和鲁棒性。此外,所建立的计算模型经一定的优化和拓展,亦可推广应用于其它水工建筑物的效应预报分析。     

基于双缓冲机制的多尺度导航电子地图显示设计

为了提高电子地图数据的精度和画面显示的速率,对地图数据格式加以改进,新增isvl参数准确标识出被描绘数据情报的尺度,对检索的数据缓存做了优化性能管理,依据地图数据的格式提出了坐标变换、数据解析和描画范围定位的准确算法,采用双缓冲机制绘制地图;经实验证明,使用该套方案实验的结果,具有以下特性:1)高精度,多尺度;2)画面合理的表达了空间关系;3)支持实时动态快速显示;可应用到电子地图的研发中。     

适用于复杂环境下的实时目标跟踪技术

针对复杂环境下目标跟踪过程中目标存在旋转、视角、尺度等变化以及噪声干扰的问题,提出了一种基于尺度不变特征与快速模板匹配相结合的目标跟踪技术;该技术通过分别提取预先存储模板和实时采集图像的尺度不变特征,建立初始模板;采用菱形搜索策略对模板的低分辨率子图和待跟踪图像的低分辨率子图进行快速互相关检测,根据检测结果在该帧高分辨率图像中建立紧凑ROI,在此区域内进行模板匹配,对目标进行精确定位;在目标跟踪的过程中采用自适应模板更新策略,以保证在目标发生变化时跟踪的稳定性;实验结果表明,该技术在稳定性、准确性和实时性等方面均优于传统方法。     

基于尺度不变特征的图像分类技术研究

该文提出基于Bag of words模型,提取图像的SIFT特征,然后用K-medoids算法对其进行聚类,生成词典查询所需用的关键字,最后用adaboosting算法构建分类器,实验采用pascal图像库中的数据进行训练和测试,实验证明,该算法具有训练和测试速度快,分类精度高等特点,特征提取速度和分类速度非常快。     

高斯颜色模型在瓷片图像分类中的应用

由于RGB颜色空间不能很好贴近人的视觉感知,同时也缺少对空间结构的描述,因此采用兼顾颜色信息和空间信息的高斯颜色模型以获取更全面的特征,提出了一种基于高斯颜色模型和多尺度滤波器组的彩色纹理图像分类法,用于瓷器碎片图像的分类。首先将原始图像的RGB颜色空间转换到高斯颜色模型;再用正规化多尺度LM滤波器组对高斯颜色模型的3个通道构造滤波图像,并借助主成分分析寻找主特征图,接着选取各通道的最大高斯拉普拉斯和最大高斯响应图像,与特征图联合构成特征图像组用以进行参数提取;最后以支持向量机作为分类器进行学习和分类。实验结果表明,与基于灰度的、基于RGB模型的和基于RGB_bior 4.4小波的方法相比,本文方法具有更好的分类结果,其中在Outex纹理图像库上获得的分类准确率为96.7%,在瓷片图像集上获得的分类准确率为94.2%。此方法可推广应用到其他彩色纹理分类任务。     

代谢网络可视化系统的力导向布局算法设计

针对生物化学代谢反应网络可视化系统的优化设计,提出了一个基于力导向模型的解决方案。新方案根据具体的可视化目标,综合拓扑信息进行参数调整。实验表明,这些调整给可视化的布局质量带来很大的改善。另外,代谢网络具有鲜明的无尺度网络特性。据此,进一步提出了针对枢纽结点的优化方案,在视觉效果上突出了代谢反应网络的无尺度特性。为了融合力导向方案和基于无尺度网络特性的局部调整方案,最后总结了一个三阶段的布局算法框架。     

非相似度保持投影

由主成分分析(PCA)可知任何一幅人脸图像都可以通过一组特征脸的线性加权来重构,PCA是最小均方误差意义下图像的最优表示,但是传统的PCA最终只通过比较加权系数的欧氏距离来进行识别,没有考虑残差。因此,提出非相似尺度的概念,将两个样本同时投影到相同向量上,在确定它们关系时既考虑投影系数,也考虑重构所产生的残差。两者的投影系数和残差相差越大,说明这两个样本越不相似。和保局投影(LPP)有所不同,非相似度保持投影算法不必预先设定近邻个数,它是利用非相似度的概念,创建非相似度散布矩阵,最终通过最大化目标函数获取最优子空间。在AR库和Feret库上的实验结果证明了该方法的有效性。     

基于频率域的图像显著性区域提取方法

针对图像的显著性区域提取方法存在区域边界不明确、分辨率不高、显著性目标不准确等问题,提出了一种使用高斯差分滤波器的组合来保持原图像更多的频率信息,然后在频率域里利用颜色和亮度两个特征来计算显著图,最后用均值偏移方法结合自适应阈值方法从显著图中提取显著性区域。实验结果表明,使用高斯滤波器的方法不仅输出完整分辨率的显著图,而且能准确地突出显著性目标,使区域具有明确的边界,并且分割的查准率和查全率都好于多尺度分析方法和Itti方法。     

一种新的红外图像快速分割方法研究

研究红外图像目标分割快速优化问题。在高分辨率红外图像的分割中,红外图像存在数据量大、目标的边缘模糊和噪声较大等导致分辨率低和实时性差。为了快速准确分割,提出基于低尺度分割阈值预测的快速红外图像分割方法(LFIRS)。首先建立尺度阶数计算模型以确定保留原始红外图像目标基本信息所需的最小尺度,在分析多尺度过程对具有目标/背景强相关特性的红外图像进行分割阈值,建立多尺度红外图像分割阈值的相关模型(CLM),结合经典二维阈值法得到的最低两个尺度的阈值CLM模型参数,可以通过CLM模型与最小尺度的快速获取原始尺度的分割阈值,实现红外图像的快速分割。实验结果表明,改进方法提高了图像分辨和分割速度,且改善了分割效果。