特征提取与匹配算法在民族服饰图案上的应用研究

服饰图案包含某些象征意义,是传统服饰文化研究中的重要元素。将图像处理技术应用于民族服饰图案的特征提取时,尺度不变特征变换(SIFT)算法和快速鲁棒性尺度不变(SURF)算法是两类较典型的特征提取算法,它们在图像旋转、尺度变化、噪声干扰情况下具有较好的适应性。文章选取清代宫廷服饰中具有代表性的图案作为实验对象,用SIFT和SURF算法分别对该图像进行特征提取,用最优节点优先(BBF)算法确定特征点匹配点对,计算两种算法的正确匹配率和时间复杂度。实验结果表明,两种算法在服饰图案发生旋转、尺度变化、噪声干扰情况下均保持较高的特征匹配率,对从事网络中海量服饰图像数据自动化分类和检索方面的研究人员具有一定参考价值。

1+X证书制度下高职教育课证融合研究

1+X证书制度是职业教育领域的重大改革,创新性地突破了职业教育的专业局限性,使得人才能够在本专业的基础上实现跨越式发展,体现当代人才“综合性”的社会竞争能力,更好地应对国家建设和社会发展对各行各业人才的跨专业需求。1+X证书制度也有助于激发人才内部的主动性,聚焦于职业规划的任务上,更用心地对待自己的专业发展,从而发挥主体能动性,促进学生竞争意识和竞争能力的提升。本文基于1+X证书制度,探究了高职教育课证融合内涵与优势、实施思路对策,以及在具体专业当中的应用实践案例,为1+X证书制度下高职教育课证融合提供参考。

噪声方差未知条件下的视频目标跟踪

目的基于卡尔曼滤波的视频目标跟踪算法需要事先获得过程噪声和观测噪声方差,但在实际应用中,无法得知这两种噪声方差的准确值。此外,由于目标运动的随机性和视频场景中背景的复杂性,噪声方差也会随时间发生动态变化。如果设定的噪声方差不准确,跟踪精度会受影响,严重时会导致目标跟踪失败。考虑到上述问题,提出一种新的解决方法。方法将带遗忘因子的推广递推最小二乘法(EFRLS)运用到视频目标跟踪研究领域。在该算法中,无需使用噪声方差,首先利用Mean Shift算法获得目标位置的初步估计,再利用EFRLS算法估计下一帧目标的位置。结果该算法明显好于传统Mean Shift算法,并且与Kalman结合Mean Shift算法的跟踪性能相当。此外,在目标发生严重遮挡时,该算法优于Kalman结合Mean Shift算法,具有较好的跟踪性能。结论本文算法无需设置噪声参数,可以实现目标在发生严重遮挡和遮挡后目标重新出现的情况下的准确跟踪,提高了跟踪的鲁棒性,具有一定的工程使用价值。