尺度自适应在线鲁棒目标跟踪

针对在线boosting跟踪算法在目标外观发生大幅度变化以及遮挡时易产生“漂移”导致目标丢失问题进行了研究,提出一种尺度自适应在线鲁棒目标跟踪算法。算法基于目标灰度或彩色直方图统计特征构建权重图像,通过对权重图像的矩特征分析,可以实现对目标尺度的自适应调整,同时该算法引入半监督学习策略,很好地解决了由于在线学习导致的跟踪失败问题。实验结果表明,本文算法很好地解决了遮挡、目标外观和尺度变化时的鲁棒跟踪问题。与EM-shift,MIL和SPT三种算法相比,跟踪成功率以及鲁棒性均有所提高。     

流数据环境下基于分歧策略的高效能集成学习

流数据环境下如何利用大量非标记样本进行高效学习是一个非常重要的问题,基于分歧策略的主动学习是一种有效的解决方法,但通常该类算法只考虑具有最大分歧的边界样本,没有考虑训练前期对分歧度小的样本误判后的样本矫正问题,为此,提出一种基于分歧度评价的融合主动学习和集成学习的高效能学习方法。该方法基于样本分歧度和不同的训练阶段,采取不同的非标记样本选取方式。为评价方法性能,在人工流数据和HEp-2细胞图像数据上进行了实验,结果表明该方法相对于目前的Qboost方法,需要的训练样本数少且具有更高的分类精度。     

局部二维结构描述的HEp-2染色模式分类

Hep-2染色模式分类主要用于免疫疾病诊断,但已有方法受荧光成像环境,细胞图像自身的视觉特性的影响,分类准确率较低.本文提出一种新的适合于HEp-2染色模式分类的特征提取方法.在构建了不同尺度下的高斯平滑图像序列后,利用shape index实现图像二维结构的直观描述,进而通过多灰度阈值图像结构的空间分解,使其同时具备对微观二维图像结构和空间信息的描述能力.该方法在ICPR和SNP HEp-2数据集的两折交叉细胞级测试中,分别获得89.83%和87.49%的准确率,在ICPR的28折交叉细胞级和图像级测试分别达到60.5%和70.56%的准确率,明显优于LBP、CLBP等方法,和CoALBP特征相当.     

连续刚构桥梁荷载试验结果的研究

随着我国经济的发展和科学的进步,桥梁的建设和发展也有了很大的突破,能够适应各种环境的各种桥梁的形态不断涌现,这无疑为人们生活和交通带来了很大的便利。在各种桥梁中,应用最广的就数连续刚构桥梁,本文由介绍刚构桥梁的特点和基本结构作为切入点,阐述了连续刚构桥梁荷载试验的流程,用真实案例对连续刚构桥梁荷载试验分析,最后对连续刚构桥梁静载荷和动载荷的试验及其结果的分析和评估展开了探讨研究。