排序方式: 共有55条查询结果,搜索用时 22 毫秒
1.
基于双目视觉的智能跟踪行李车的设计 总被引:1,自引:0,他引:1
利用空间同一点在双摄像机画面上的视差,设计了一种基于双目视觉的智能跟踪行李车系统.采用CMOS摄像头搭建双目视觉系统,并用张正友法对主、从摄像头进行标定.通过对主、从视场内同一运动目标进行检测与匹配,并根据主、从视场中目标上同一点的视差计算出三维空间坐标,从而实现对目标的跟踪.采用模块化设计了系统硬件部分,并详细描述了目标识别算法和行李车运动控制策略.仿真结果表明,系统在单一背景下能较好地跟踪运动目标. 相似文献
2.
RX算法和核RX算法能很好地分离目标和背景,是较为广泛使用的异常检测算法,但是高光谱图像数据量大且存在冗余信息和噪声,直接进行RX及核RX异常探测运算量大且容易受噪声影响.针对此问题,提出一种基于最小噪声分离变换的高光谱图像异常检测方法,首先采用残差分析法估计噪声协方差矩阵以改进最小噪声分离变换,然后利用改进后的最小噪声分离变换来有效地降低高光谱图像数据的维数并分离出噪声,最后对低维降噪后的数据进行RX及核RX异常检测,避免了随机噪声对RX及核RX异常检测结果的影响并提高了异常检测率.对真实的AVIRIS数据测试表明,该算法优于传统的相应的RX、核RX异常检测算法. 相似文献
3.
基于AGR提取PD信号的应用研究 总被引:1,自引:0,他引:1
提出了一种从混合有色背景噪声环境提取变压器局部放电信号的方法一自适应高斯基表示。自适应高斯基表示是一种参数化最优联合时频分析工具,它能够有效地去除交叉项干扰,滤除有色噪声。系统运行中存在的服从高斯或非高斯分布的有色噪声.具有不满足细节小波分解系数趋于零的特性,不能有效地被小波分解滤除。基于信号匹配原则,通过自适应估计最优高斯基分解参数,将信号分解为最优高斯基函数的线性组合,滤除噪声,无限逼近原信号.弥补了局部放电信号检测精确性的不足。大量的仿真结果表明自适应高斯基表示是一个有效的局部放电检测方法,它将在电力系统局部放电信号检测中得到广泛的应用。 相似文献
4.
K均值算法在高光谱遥感影像的非监督分类中具有较强的实用性,表现出了良好的优点.首先采用了最大最小选心法确定初始类别中心,然后使用了K均值算法实现遥感影像的分类.在分类过程中采用了VC 2005作为开发平台,极大地提高了遥感影像的分类速度,同时还给出了实现K均值分类主要步骤的代码.最后在深入分析不同迭代次数下得到的不同分类图的基础上,研究了迭代次数值对最后分类结果的影响. 相似文献
5.
6.
基于传感器信息融合技术的智能隧道监控系统 总被引:1,自引:0,他引:1
针对隧道监控系统普遍存在报警可靠性差,联动控制弱及能耗高等问题,提出了基于多传感器信息融合技术的智能隧道监控系统的设计方案。通过在隧道中将数量及类别众多的传感器组建成网络,采用数据层和决策层两级融合策略,全面、准确描述环境对象,实现报警决策的可靠和稳定。根据隧道特点研究联动控制方案及控制算法,利用嵌入式控制技术设计区域控制器,实现隧道安全自动监测控制。 相似文献
7.
针对基于高光谱数据的悬浮物浓度反演问题,提出一种利用预训练神经网络(PNN)进行有监督波段选择的方法,并使用随机森林和神经网络建立悬浮物浓度反演模型.PNN算法需进行多次重复实验以获得低噪声且充分的波段重要性表达,在每次实验时选取适当数量的波段作为神经网络输入数据的特征,训练一个神经网络,并利用最后一期训练时第一层权重的L1范数、L2范数和ReLU(Rectified Linear Unit)函数来表示波段的重要性.实验结果表明,相比其他常用的波段选择算法,使用L1范数、L2范数的PNN算法能够得到信息量更大的波段集合,且其用于悬浮物浓度反演时,能够获得更优的效果. 相似文献
8.
9.
改进的核直接Fisher描述分析与人脸识别 总被引:3,自引:0,他引:3
针对奇异情况下核Fisher鉴别分析中非线性最优鉴别矢量集的求解问题,提出了改进的核直接描述分析(IKDDA).根据再生核理论,定义核类内散度矩阵和核类间散度矩阵,将高维特征空间中的Fisher鉴别准则函数转化为核Fisher鉴别准则函数.基于同构映射原理和奇异值分解定理,在一个更小的空间内将核Fisher鉴别准则函数的极大值问题转化为其倒数的极小值问题,使最终的解不需要分开考虑核类内散度矩阵的零空间和非零空间.在ORL和UMIST人脸库上的实验结果表明,KDDA方法与其他方法相比,具有较低的误识率和较快的运行速度. 相似文献
10.
改进的局部切空间排列(ILTSA)算法解决了当样本稀疏、分布不均匀或数据流密度曲率变化较大时,局部切空间排列算法不能揭示流形结构的问题,用于人脸识别能提取更好的低维特征,但不能有效处理不断增加的数据集的问题。为此,提出一种可泛化的ILTSA(GILTSA)算法。结合类别信息定义样本间的距离实现各样本的近邻集选择,基于ILTSA算法求解训练样本集的低维流形,对每个新样本寻找其在训练样本集中的最近邻,然后根据ILTSA算法原理求得其近似低维流形。在ORL、Yale和埃塞克斯大学人脸库上的实验结果表明,与主成分分析算法和线性局部切空间排列算法等相比,GILTSA算法具有更好的识别率。 相似文献