基于贝叶斯框架的显著物体检测

传统显著性方法仅能检测出目标物体的边缘或角点等方面信息,无法完整分割出显著物体整体。为解决以上问题,论文考虑以超像素为基本处理单元,而不是仅仅计算单个像素点信息,通过综合考虑相邻超像素之间的紧致性及颜色关系等因素,优化得到超像素级显著图。其次,通过似物性计算目标物体粗糙检测区域作为位置信息。最后通过贝叶斯框架融合各部分先验信息,计算得到最终的显著物体后验概率,并以此为优化后的似物性方法评分标准,最终检测出显著物体。在标准公开数据集MSRA上的实验结果表明论文超像素级显著图精度明显高于其他8种传统显著性算法,最终在显著图上的搜索能够完整检测出显著物体。

基于显著性的Grabcut图像分割方法

传统Grabcut算法需要人工交互,在图像前景和背景颜色相似时容易产生错误分割的问题。为此,结合显著性测量和Grabcut算法,提出一种新的图像分割方法。改良显著性的度量方法以获得较好的显著图,进而将显著图转换成约束项加入到Grabcut的区域项中,从而提高区域项的可靠性,利用显著图代替人工交互初始化Grabcut,实现Grabcut自动分割,并减少其在图像前景和背景颜色相似时的错误分割。实验结果表明,与传统的Grabcut算法和显著性检测方法相比,该方法可以获得较好的图像分割结果。

融合颜色显著性和似物性的显著物体检测

文中提出一种融合颜色显著性和似物性的对象级显著性检测方法.首先量化并计算像素点在RGB空间下的稀疏性以及在LAB空间中的对比度,得到像素级的显著性;其次对原图像进行超像素分割,以超像素内所有像素的显著性均值作为该超像素的显著值,通过能量函数平滑优化相邻的超像素,得到前景分割明显且变化较小的超像素级显著性;然后优化原似物性方法,通过中心环绕法则融合显著性值和似物性值,作为对象级显著性的贝叶斯先验概率,计算似物性窗口内显著物体与窗口像素的比值,得到似然概率;最后通过贝叶斯模型计算,得到显著物体后验概率,并以此作为似物性窗口的评分标准.在MSRA-1000和ECSSD数据集上先将颜色显著性方法与8种state-of-the-art显著性方法相比较,显著性检测效果较好,检测精度高于其他几种方法.将优化后的似物性与另外3种方法对比,优化结果能使检测窗口大量覆盖于显著图中目标物体上方.将文中显著物体检测方法与同样融合了似物性的显著物体检测方法进行比较,结果表明文中方法较其他方法能够更精确、更完整检测出显著物体.

排爆机器人机械臂定位精度误差自动补偿方法研究

针对于排爆机器人在进行排除爆破物质时,机械臂不能满足绝对准确的定位要求,位置检测精度与实际距离之间存在一定的误差;为了解决这一问题,提出排爆机器人机械臂定位精度误差自动补偿方法;基于D-H运动模型和微分变换法创建排爆机器人机械臂位姿误差模型,对误差模型进行重复参数分析,去除重复参数获得可辨识的线性方程;在可辨识的运动学参数误差模型线性方程中加入一个增量进行误差补偿;最后通过仿真实验结果表明,所提方法通过对机械臂位姿误差模型进行有效补偿,使排爆机器人机械臂绝对定位精度均值提升1.3mm。

结合显著性的视频火焰检测

论文针对传统火焰颜色检测上存在的模型缺陷,提出一种基于RGB颜色通道的高斯分布模型。根据火焰图像R通道像素值分布在其平均值周围的不对称程度定义一种火焰图像的偏度。然后引入了自下而上的视觉显著性概念,先从视频帧序列火焰图像中求得图像的局部显著性,全局显著性,稀疏显著性这三个初阶段图像特征图谱,对这三个求得特征图谱进行加权融合,得到的综合火焰显著性图来表征火焰的候选区域。最后提取火焰的空间结构,区域几何等特征,用支持向量机进行最终的分类判别。实验结果表明,论文算法准确率较高,且抗干扰能力强。

饮食限制对D-半乳糖诱导的雌性老龄大鼠皮肤的抗衰老作用的研究

饮食限制（dietary restriction,DR）指提供机体充足的营养素,如氨基酸、脂肪酸、维生素等,保证机体正常的生理功能,限制每日摄取的总热量^（[1]）。20世纪初,对饮食限制的实验研究逐渐兴起,迄今已近百年,大量的研究表明饮食限制对机体具有许多有益的作用,例如：可治疗肥胖、高血脂、糖尿病等营养过剩性疾病;