基于射影变换模型的图像特征点集配准

图像配准是计算机视觉中目标识别的一种基本方法,其目的是在待识别图像中寻找与模型图像的最佳匹配。该文讨论以特征点表示的图像间的配准问题,利用矩阵分解理论推导出射影变换下特征点集配准的闭合公式,给出变换参数估计的算法,并用模拟数据和图像角点检测的真实数据加以验证。实验表明该方法精确、稳定、受噪声影响小。     

基于改进麻雀搜寻算法的混合储能容量优化配置

本文基于提高风光储发电系统的稳定性和经济性,较少系统运行成本,研究风光储发电系统的容量优化模型,探讨麻雀搜寻算法的改进以及容量优化方案。首先为风光储发电系统引入了全生命周期模型作为目标函数,以超级电容,蓄电池作为系统的储能装置,以系统负荷缺失变化率,蓄电池特性,超级电容特性作为约束条件,建立了容量优化配置的模型,然后通过对步长参数进行非线性优化改进了麻雀搜寻算法。最后利用算例在Matlab中进行仿真分析。结果证明,系统在改进麻雀搜寻算法下收敛速度加快,稳定性显著提高,建设费用减少。     

未标定多眼装置的欧氏重构

1.引言 在计算机视觉领域中,由多幅图像恢复摄像机运动参数和空间物体三维几何形状的问题称为多视图三维重构,它一直是计算机视觉研究的重点和热点之一.该问题的研究成果可以直接应用于机器人导航、精密工业测量、物体识别、虚拟现实以及军事等方面.近年来,该问题又引起多媒体和计算机图形学界的极大关注,为了生成已知景物和虚拟物体的合成环境,必须进行三维重构,否则用虚拟技术合成的环境只能用于浏览,而不能进入其中漫游.因此对三维重构理论和方法的研究无论是在计算机视觉中还是在工程应用中都具有十分重要的理论意义和实用价值.     

M－矩阵的行列式不等式

我们首先把文献［２］的结果：ｄｅｔＡｄｅｔＢ≤ｄｅｔｍ（Ａ＊Ｂ）改进为（ｂ１１…ｂｎｎ）ｄｅｔＡ＋（ａ１１…ａｎｎ）ｄｅｔＢ－（ｄｅｔＡ）（ｄｅｔＢ）≤ｄｅｔｍ（Ａ＊Ｂ），其中Ａ，Ｂ为ｎ阶Ｍ－矩阵，“＊”记Ｈａｄａｍａｒｄ积，“ｍ”记比较矩阵。其次，把关于Ｍ－矩阵的Ｈａｄａｍａｒｄ不等式改进为ｄｅｔＡ≤ａ１１…ａｎｎ－｜ａ１σ（１）…ａｎσ（ｎ）｜，其中σ是１，２…ｎ的任一个置换，当ｎ为奇数时，它为偶置换，否则为奇置换。最后，对Ｂ为非奇异的情形给出下列估计式：ｄｅｔＡ≤ｄｅｔ（Ａ＊Ｂ－１）／（β１１…βｎｎ）≤ａ１１…ａｎｎ，和ｄｅｔＡ／ｄｅｔＢ≤ｄｅｔ（Ａ＊Ｂ－１），其中，βｉｉ为Ｂ－１的主对角元     

基于仿射变换模型的图象特征点集配准方法研究

图象配准是计算机视觉中目标识别的一种基本方法,其目的是在待识别图象中寻找与模型图象的最佳匹配.目前,对于图象间的变换为相似变换的情形已有闭合公式.本文则分别运用最小二乘和矩阵伪逆两种方法,对图象间的变换为仿射变换的情形进行了研究,并给出了简单的闭合公式.实验表明这种方法精确、稳定、受噪声影响小.     

M—矩阵的Hadamard不等式及其它行列式不等式

本文研究M-矩阵的行列式性质。我们首先证明任一M-矩阵都满足Hadamard不等式和Fischer不等式,并讨论这两个不等式中成立等式的充要条件。其次我们给出关于一个M-矩阵和一个三对角线振荡矩阵的Hadamard积的行列式的一个有趣的不等式。最后证明关于n阶M-矩阵各k阶主子式乘积(k=1,…,n)的—个不等式,这个不等式可视为Hadamard不等式的一种推广。