图双线性池化特征编码的细粒度目标识别方法

针对细粒度图像识别领域中经典双线性池化模型存在的视觉突发与特征冗余问题,提出了一种图双线性池化模型。该模型将图网络嵌入双线性池化模型,利用图网络的聚合能力,将差异性图像特征编码为高阶特征,改善了编码过程中的视觉突发现象。在CUB、Cars和Aircrafts 3个公共数据集上进行实验,模型的精确度分别达到87.8%、93.5%和89.6%。相较于分解双线性池化,该模型参数量仅为基线模型的25%,识别精度分别提高2.4%、1.7%和1.3%,充分验证了模型的有效性,可为军事目标细粒度识别提供方法参考。

基于深度卷积神经网络的行人检测

行人检测一直是目标检测研究与应用中的热点。目前行人检测主要通过设计有效的特征提取方法建立对行人特征的描述,然后利用分类器实现二分类。卷积神经网络作为深度学习的重要组成,在图像、语音等领域得到了成功应用。针对人工设计的特征提取方法难以有效表达复杂环境下行人特征的问题,提出采用多层网络构建深度卷积神经网络实现对行人检测的方法。系统分析了卷积神经网络层数、卷积核大小、特征维数等对识别效果的影响,优化了网络参数。实验结果表明该方法对于行人检测具有很高的识别率,优于传统方法。

基于主分量分析的手写数字字符识别

针对手写数字字符识别中由于书写习惯和风格的不同 ,造成字符模式不稳定的问题 ,提出了一种图像预处理方法 .首先采用数学形态学通过细化和膨胀 ,统一字符笔画的粗细 ,并使字符的局部特征得到改善 ;然后利用主分量分析法 (PCA)抽取字符特征 ,估计字符的重建模型 ,并通过对重建模型的误差分析进行字符识别 ;最后通过对美国国家邮政局 U SPS字库中全部数字字符完整的识别实验 ,证实了算法的鲁棒性和准确性 .

车牌识别中倾斜牌照的快速矫正算法

在车辆牌照自动识别(LPR)过程中,车牌图像的倾斜会给下一步字符切分和识别带来困难。利用传统Hough变换进行矫正的运算量很大,文中提出采用轮廓跟踪方法去除牌照图像中和矫正无关的所有冗余信息并采用分级检测的策略,在最大程度上减少矫正过程的运算量。实验结果表明,该方法可以准确地检测出车牌的倾斜角度,同时矫正速度比传统Hough变换方法提高10倍左右。

具有SIFT描述的Harris角点多源图像配准

多源传感器成像原理的差异给图像配准带来了很大困难,本文针对红外与可见光图像配准提出了一种具有SIFT描述特征的Harris角点多源图像配准算法。首先建立多尺度空间,以多尺度空间检测尺度不变的Harris角点作为特征点;然后通过改进SIFT对特征点的描述方法,采用圆环结构算子对Harris角点进行类SIFT的特征描述;最后利用双向最近邻方法进行匹配,通过最小二乘法实现图像的配准。实验证实了算法配准的精确性、快速性和稳定性,具有较好的配准效果。

基于PCA的图像小波去噪方法

目前使用的各种小波去噪方法基本上都是建立在对噪声方差精确估计的基础上,而对噪声方差的精确估计是很困难的.提出了一种采用主分量分析(PCA)提取小波系数的主要特征,通过对小波域中噪声能量的估计来实现去噪的新方法.首先利用PCA对小波高频子带进行局部特征提取;然后以主分量对小波系数进行重建的平均能量作为局部噪声能量的估计;将原小波系数的能量减去噪声能量,就得到去噪后的小波系数;最后用小波逆变换对剔除噪声分量后的小波系数进行恢复得到去噪后的图像.本文算法无需对噪声方差进行估计,因而更具实用价值.本文算法与“软阈值”、“硬阈值”去噪方法相比,峰值信噪比(PSNR)提高了2～8dB,实验证实了本文算法良好的去噪性能.

PUMA机器人逆运动模拟退火粒子群求解方法

机器人逆运动问题随着运动关节的增多而越来越复杂,要建立逆运动通用的解析算法相当困难。提出利用模拟退火粒子群优化算法在解空间的搜索能力,直接从正向运动方程出发求解机器人关节变量的方法,讨论了目标函数的建立方式及算法实现步骤。实验分析该方法在位置和姿态方面的求解精度,并证实了算法的有效性。

采用离散余弦变换的小波图像去噪方法

提出一种通过对小波域中噪声能量的估计来进行去噪的新方法。算法采用离散余弦变换(DCT)提取小波系数的主要特征,无需对噪声方差进行估计。对图像进行小波分解,利用 DCT对高频子带进行局部特征提取;利用部分 DCT 系数对小波系数进行重建,并以重建系数的平均能量作为局部噪声能量的估计;去除原小波系数中的噪声分量后,进行小波逆变换,得到去噪后的图像。实验证明,其峰值信噪比(PSNR)比通常的阈值萎缩法提高了 2-4dB。

多自由度机器人逆运动粒子群优化求解方法

多自由度串联机器人逆运动求解的传统方法是从逆运动方程出发求解析解,在机构存在冗余自由度的情况下会出现求解困难。提出了利用粒子群优化理论直接从正向运动方程出发,求解机器人关节变量的方法。讨论了通过粒子群优化算法的位置-速度搜索模型求解关节变量的方法和步骤。实验对比了求逆运动解析解和本方法结果的差异;验证了在约束条件下搜索关节变量值的效果。实验证实了本算法的有效性。

Hausdorff距离下的景像特征快速匹配

针对灰度相关法鲁棒性差的缺点,提出一种以图像特征进行匹配的新方法。采用具有良好稳定性和旋转不变性的图像奇异值分解作为匹配特征,并根据奇异值的数值特点,采用规范化奇异值的Hausdorff距离作为特征匹配的相似性度量;通过变模板分级匹配的策略,在保证匹配精度的前提下,使匹配时间减少到约10%。在加入方差σ=35的高斯噪声,灰度变化25%的情况下对旋转变化的景像目标进行匹配实验,结果证实了本文算法的有效性和鲁棒性及快速性。

独立分量重建模型的手写数字字符识别

针对在手写字符识别中 ,因于书写习惯和风格的不同 ,造成字符模式不稳定的问题 ,利用独立分量对信号重建的良好性能 ,采用独立分量分析的方法抽取字符独立特征 ,并建立字符重建模型 ;通过对重建模型的误差分析进行字符识别 ;对美国国家邮政局USPS(USPostalServicedatabase)字库中全部数字字符完整的识别实验 。

SVD特征的快速景像匹配方法

采用具有良好稳定性和旋转不变性的奇异值作为匹配特征,根据奇异值的数值特点提出以加权距离作为相似性的度量;采用变模板分级匹配的策略,使得在进行大模板匹配时的匹配运算量大大降低·通过加入噪声、灰度变化和旋转变化的景像匹配实验,证实了该算法的有效性和鲁棒性·

PCL—812PG数据采集卡的应用

在监测和控制系统中 ,由于需要多通道的数据采样和指令输出 ,选择一款高性能的多功能数据采集卡是十分重要的。PCL— 812PG是一种性能优异的数据采集卡 ,适用于各种控制系统 ,本文对该采集卡在实际应用当中的功能和有关硬件的设置 。

基于线性分析的特征不变性目标识别

提出采用主分量分析(PCA)方法确定目标在最大方差意义下主轴的旋转角度,并结合稳定性好的低阶矩特征实现目标的平移、尺度和旋转的不变性变换;然后利用独立分量分析(ICA)良好的目标特征提取能力提取目标的特征值;最后在特征空间通过Fisher分类器实现目标识别。实验证实了算法的准确性。

基于高斯混合建模的多尺度HOG行人头肩特征检测

针对传统的梯度方向直方图(HOG)行人检测方法计算复杂、实时性较差的问题,提出了一种改进的HOG行人检测方法。首先,利用高斯混合模型背景建模,去除大部分背景图像,减少滑动窗口扫描区域,以提高检测速度。同时,选择头肩特征作为行人检测依据,计算多尺度HOG特征,减少计算量,降低因姿态变化遮挡等引起的误检测率。通过行人头肩特征图像库的实验证明,该方法能有效提高检测速度,并得到较高的检测精度。

核密度估计与高斯模型联级运动目标检测

高斯模型与核密度估计模型是两种有效的背景建模及目标检测方法。高斯模型运算简单,但对复杂背景的描述能力差;核密度估计模型对背景描述能力强,但运算复杂,难以实现实时性检测。提出了一种分层联级检测机制,由高斯模型对大部分相对稳定的像素进行分割与检测,对于高斯模型无法精确描述的小部分像素通过核密度估计模型完成分割与检测。实验证实了该方法在适应动态背景扰动与运行效率方面的有效性。

密封材料综合性能的模糊评价

密封材料在使用中的性能受到各因素的影响。本文根据模糊集的基本理论，从密封材料在使用中的实际出发，建立对密封材料综合性能的模糊评估器，对其综合性能进行较为客观的定量评价。

基于ICA的特征不变性目标识别

在图像目标识别中,目标图像平移、尺度和旋转不变性是一个重要前提,而高阶矩特征存在稳定性差的缺点.提出采用主分量分析(PCA)方法确定目标在最大方差意义下主轴的旋转角度,并结合稳定性好的低阶矩特征实现目标的平移、尺度和旋转不变性变换;然后利用独立分量分析(ICA)良好的目标特征抽取能力,在各目标特征空间重建目标模型,并通过对重建模型的误差分析实现目标识别;最后通过PCA确定目标旋转角度测试和ICA目标识别测试两个实验,证实了本文算法的鲁棒性和准确性.

基于最佳鉴别变换的HMM手写数字字符识别

基于隐马尔可夫模型 (HMM)的手写字符识别方法是近年来的一个研究热点 ,针对 HMM编码稳定性和建模过程复杂的问题 ,提出了一种新方法 ,即采用统计不相关最佳鉴别变换对模式进行特征抽取和降维 ,获得最佳鉴别特征向量 ,并在此基础上对各最佳鉴别方向的投影结果进行编码 ,作为 HMM的观测值序列 ,由于统计不相关最佳鉴别变换保证了变换特征向量集类内散布最小 ,类间散布最大的条件 ,使 HMM编码的稳定性和模式的可分性得到明显改善 ,通过对美国国家邮政局

自动变速器换档规则的粒子群优化提取方法

针对神经网络"黑箱"模型的缺陷,利用粒子群优化的换档规则提取算法,将规则编码为粒子的方法,通过粒子群优化算法的"位置-速度"搜索模型生成换档规则集。实验分析了标准粒子群与惯性递减粒子群在最优解搜索过程中的性能差异,并验证了该方法的有效性。