基于非线性尺度空间的无标记注册方法

针对增强现实系统中运动模糊导致的特征点难以检测以致注册失败的问题,提出一种基于非线性尺度空间的无标记注册方法。利用基于压缩感知的跟踪算法跟踪目标,在目标区域内用非线性尺度分解构造尺度空间,通过比较不同尺度下的Hessian值寻找特征关键点,结合主成分分析法(PCA)生成低维度描述子(PCA-KAZE),用随机抽样一致算法(RANSAC)生成单应性矩阵,完成注册。实验结果表明,该方法在运动模糊情况下可以准确定位特征点,注册准确,对光照、遮挡等变化有较好的鲁棒性。

基于三角函数的遗传算法选择算子

遗传算法的选择算子对算法的早熟收敛及算法性能有重要的影响。为避免算法早熟收敛和提高算法性能,提出基于三角函数的选择算子,分析基于三角函数选择算子的可行性,并通过实验比较基于三角函数的选择算子与其他选择算子的性能。实验表明,三角选择算子能有效地避免早熟和提高算法性能。

交互式遗传算法基于用户认知不确定性的定向变异

利用用户认知的不确定性设计定向变异算子.首先,采用主成分分析法辨识用户认知的不确定性;然后,给出用户认知不确定性的区间表示与更新策略;最后,将用户认知的不确定性指导定向变异算子,包括:选择待变异的进化个体,确定变异位置,以及变异方法等.将所提方法应用于人眼图形优化,实验结果验证了该方法的优越性.