基于平面模板的摄像机标定新方法

提出的一种基于平面模板摄像机标定的新方法是先通过假设图像中心坐标为模型的成像中心,由摄像机线性模型求解中间变量然后分解独立的摄像机参数,并将求得的参数作为带畸变的非线性模型初始值进行优化求解,最终得到摄像机模型所有参数的精确值。通过仿真实验和真实实验对本方法与其他方法进行测试与比较,结果表明算法有相似的收敛性,在噪声环境中有更好鲁棒性,并且具有更小反投影误差。

有效的哼唱旋律基音提取方法研究与实现

为使用户可以通过哼唱音乐片段的方式,在较大规模乐曲库中能实时、准确、快速搜索到目标歌曲,结合多种音乐的乐理特点和音乐的数字化表示,提出考虑周期性测度改进传统端点检测方案,并综合线性预测分析(LPC)和相关函数与削波法相结合的方法进行旋律基音提取。实验表明利用LPC仅仅保留声门激励信号的特点,有效地减少了声道共振峰的影响,而采用削波法也一定程度减少噪声的干扰并使得计算相关函数的运算量大为减少,更显著的是考虑周期性测度的端点检测可以找到更精确的语音段,可以准确提取旋律并有效达到哼唱检索实时性要求。

一种分层聚类方法在音乐检索中的应用

针对基于内容的音乐检索在查准率和查找效率上不能同时达到理想效果的情况,提出一种基于单侧连续匹配的分层聚类算法,即在匹配之前对音乐特征进行聚类。根据相似度值对特征空间进行分类,形成不同簇类,并对簇中心进行标记,再对聚类后的数据库进行精确匹配。实验表明,该方法不仅提高了音乐检索的效率,而且保证了较高的检索准确率。

双目视觉小波域SIFT匹配与极线约束算法研究

研究双目立体视觉技术,特征的提取和匹配是双目视觉的最基本的问题。目前,SIFT已经被证明鲁棒性最好的局部不变特征描述符。但是SIFT算法产生的误匹配较多,精度偏低,为了解决这一问题,同时降低算法特征提取与匹配的复杂度,达到双目立体视觉实时性的要求,文中提出了一种结合小波变换和SIFT特征点的双目立体视觉匹配方法。首先,对双目视觉系统采集的左、右图像进行小波分解,把分解得到的低频图像作为输入,用SIFT算法进行特征点的初始匹配,再利用极线约束的理论求得精确匹配。实验结果表明,该方法具有较强的适应性,能够在减少误匹配的同时,大大加快运算速度。

基于Ramp响应技术的雷达目标3D图像重构

在雷达目标识别的应用中,目标形状的3D图像可提供识别目标的最直接和最有用的信息。Ramp响应技术是一种应用最为广泛的低频雷达目标成像技术,而最终的目标图像质量主要取决于图像重构算法的性能。因此,在详细介绍了两种典型的基于Ramp响应技术的3D图像重构算法的基础上,对两种算法在不同条件下进行了仿真比较,提出了一种计算重构图像轮廓函数的算法,并利用该算法计算图像与目标之间的误差,分析比较了两种算法的性能,得出了有益的结论。