青藏高原东北隅断层活动及地壳变形模式

精准分析青藏高原东北隅断层活动和地壳变形模式对于理解区域大地震空间分布特征和地震危险性分析具有重要意义.本文在已有GPS速度场的基础上,通过建立由21个GPS连续观测站组成的3条跨断层剖面的加密观测,获得研究区较高空间分辨率的GPS速度场.利用K-中心点和欧拉矢量结合的方法分析GPS速度场的空间聚类特征,发现在陇西块体内部存在显著的差异性变形,进而结合区域已有块体-断层划分模型,给出与最新GPS速度场更为吻合的块体-断层模型.改进模型的最大特点是在陇西块体内部存在一条北北东向的右旋剪切带.利用最新GPS速度场和改进的块体-断层模型,基于负位错理论反演主要块体的运动特征和主要断层的滑动速率,结果显示在改进块体-断层模型中新增的右旋剪切带在分配该地区应变积累特征时扮演着重要的角色,进而计算的六盘山断裂的挤压速率远小于已有的结果,其地震危险性也可能相应地降低.

基于双目识别技术的复杂背景中果实识别试验

为了迅速识别不同背景中的果实目标,在规范结构下建立了双目立体视觉识别系统,对复杂背景中的果实进行定位和识别.提出了基于角点聚类的局部特征提取及匹配算法,利用极限约束条件,通过提取同行像素角点特征完成立体匹配,获取果实3维信息.通过对不同背景下果实目标进行大量试验,发现基于单一特征属性的提取方法,角点匹配效率低,定位精度差:基于视差的定位精度为78%,基于距离的定位精度为73%,基于颜色的定位精度为68%.文中提出的算法融合3种特征属性,定位精度为89%.试验结果表明:该算法具有较高的鲁棒性,能够更有效地定位果实位置,提高机械手采摘效率.

一种自适应红外图像角点检测算法

针对Harris角点检测算法自适应性差的问题,提出一种自适应角点检测算法。根据Harris算法定义的像素响应函数值的大小特性,得出阈值(Threshold)应满足的下限条件,继而对图像进行分块,得出每一块图像的阈值下限条件。综合考虑各图像块的阈值,采用加权方法得到图像总的阈值。采用局部保留最大响应值策略来避免角点聚簇的现象。试验结果表明:提出的自适应阈值计算方法在引入少量数学运算的前提下,使角点检测具有自动性,并且可以保证合理数量的角点,采用的剔除策略可以很好的避免角点聚簇现象,使图像最终角点数量合理、分布均匀。

基于角点聚类的移动机器人自然路标检测与识别

针对未知环境中机器人视觉导航的自然路标检测,提出了一种基于角点聚类的自然路标局部特征提取、不变性表示及其匹配算法.用SUSAN算子提取左右视图中的角点,在极线约束下对左右视图的角点进行匹配,消除遮挡或噪声引起的角点;同时应用立体视觉计算角点视差,进一步筛选角点.根据角点聚类策略提取自然路标局部特征,并提出不随距离、角度变化的局部特征不变性表示及匹配方法.理论分析和实验结果表明,该算法具有较好的鲁棒性,在一定距离和角度变换下能够对路标进行正确识别.

基于结构相似度的轨迹聚类算法

针对目前轨迹数据聚类直接以整条轨迹数据作为基本单元,导致聚类效果降低的问题,提出了基于结构相似度的轨迹聚类算法。算法引入轨迹结构的概念,并给出结构相似度计算函数来分析轨迹内外部特征。首先根据转角将轨迹划分成若干轨迹段,然后通过计算轨迹段的结构相似度来判断轨迹的匹配程度,进而完成轨迹聚类。真实数据的实验结果表明:该算法较其他同类算法分析轨迹更全面、效率更高;可以通过不同参数灵活调整特征的敏感度,聚类结果更具有实际意义。

一种基于Harris-Laplace算法的亚像素角点检测方法

为了解决Harris-Laplace检测算法的角点坐标偏移与像素级角点的问题,提出了基于Harris-Laplace算法的亚像素角点检测方法。该方法首先用原始图像与高斯函数进行卷积生成多尺度空间,在原始图像和多尺度空间图像上各自提取Harris-Laplace角点;然后以多尺度空间角点为中心向原始图像投影,统计原始图像上投影区域内的角点形成角点集群,并结合多尺度空间角点响应值对集群角点进行筛选;最后采用位置(坐标)加权平均法确定角点的精确坐标。实验结果表明,该方法能够提供稳定抗噪、尺度不变的亚像素精度角点。

基于角点特征和自适应核聚类算法的目标识别

提出了基于角点特征和自适应核聚类的目标识别方法,将有效性函数引入核聚类算法中,提出了一种可动态估计聚类数目的自适应核聚类算法。该方法用于飞机识别中,通过对飞机角点特征的自适应核聚类,完成定位识别。实验结果表明,该方法是有效的。

Harris角点检测与AP聚类结合的车牌定位方法

在车牌识别系统中,车牌的准确定位是关键,针对车牌区域包含有比较丰富的角点,提出了harris角点检测与AP聚类相结合的车牌定位方法.该方法先采用Harris算法检测出车牌区域的角点,然后对角点进行AP聚类并剔除包含角点数较少的类以及远离类中心的离群点,最后进行区域合并,根据车牌区域宽高比识别车牌区域.实验证明该方法能够快速、准确定位出车牌区域.

一种求解矩形块布局问题的拟物拟人算法

在VLSI工作中提出了矩形块布局问题,对这一问题,国内外学者提出了诸如模拟退火算法,遗传算法等求解算法。本文以人类上万年以来形成的经验为基础,利用“占角”和“聚类”两个拟物拟人的思想策略,提出了基于最大穴度优先的拟物拟人布局算法。用本文提出的算法,对MCNC、GSRC两个典型测试算例的所有实例进行了实算测试,测试结果表明:计算所得布局结果的优度高,计算时间短。对MCNC和GSRC测试算例,除apte实例外,其它所有实例均得到了最优解,而计算时间都在10秒以内。与CBL算法、遗传算法和号称当今最好的CompaSS算法相比,本文算法所得结果的优度更高,计算时间更短。进一步的测试表明,本文提出的拟物拟人布局算法为当今的一种高效算法。

利用FCM对静态图像进行交通状态识别

对交通状态进行准确识别可以主动预警将要进入本路段的驾驶员避开拥堵,以免加重拥堵程度,同时也是科学制定主动交通管理决策的基础,有利于及时疏导拥堵,提高道路运行效率,节能减排.首先从交通监控视频中采集图像,标注道路为兴趣区,并对道路图像做角度和尺度的归一化处理;然后提取兴趣区图像的平均梯度、角点个数和长边缘比例3个特征;最后,利用模糊C均值聚类算法将图片所呈现的交通状态分为畅通和拥堵两种状态.实验结果表明,文中算法可以有效识别图像中的交通状态,正确率达到了94%以上,而且较基于视频的交通状态识别方法,该方法也大大降低了实现成本.

直接零件标志条码区域定位算法

针对受工况、光照的限制,现场采集的含有直接零件标志(DPM)条码的图像经常亮度不一,并伴有变形等情况,导致因定位不准确而识别DPM条码困难,提出一种改进的SUSAN角点检测和半监督机制下的近邻传播聚类相结合的DPM条码定位算法.首先针对DPM条码图像区域多直角的特点对检测角点的SUSAN算法进行改进,使其适应由于光照问题导致灰度不均的DPM条码区域,具有检出变形角点的能力,同时极大程度地抑制背景上及条码区域中的伪角点;以此为基础,使用近邻传播聚类算法对角点进行聚类,并将DPM条码区域中角点的聚集特点转化为监督规则,形成半监督机制下的角点近邻传播聚类.实验结果表明,该算法检测出的角点对DPM条码区域的示意性强、效率高,基于角点聚类结果的DPM条码定位比其他算法精准、快速.

基于巴氏度量的车辆违章变道快速检测方法

针对目前城市道路监控视频中存在的事件检测及报警不及时问题,提出了一种快速有效地检测车辆路线和位置违章的方法。该方法不依靠传统的车辆检测和分割方法,而是首先利用Harris角点检测的方法提取车辆角点,然后用金字塔Lucas-Kanande(L-K)对角点进行快速跟踪,同时对跟踪的角点实行谱聚类,利用Bhattacharyya距离对角点和聚类中心进行度量,并将其进行归一化,由预先设定的阈值可以判断车辆是否发生了异常行为。与传统车辆异常行为检测方法相比,该方法具有方便、快速的优点,鲁棒性较强。

基于广域测量信息的同调机群快速识别算法

广域测量系统WAMS为电力系统自动化提供了有效的平台。本文基于WAMS实测转子功角信息,利用差分法计算转子角速度和角加速度,将图像匹配中角点的提取和比较应用到同调分群算法中,通过比较各发电机转子角加速度轨迹中角点的幅值和时间差异对发电机组初步分群。进而利用发电机转子角速度的离散Hausdorff距离构造同调群内无向图,利用图论聚类实现精确分群。该方法计算简单,采用自适应数据窗分群迅速,能够实现复杂系统的在线分群。本文通过EPRI-36节点系统仿真算例验证了该方法的正确性。

基于Gabor滤波器和聚类的图像配准算法

提出一种基于多尺度、多方向Gabor滤波器提取图像局部不变特征并用AP聚类进行约束的配准算法。该方法首先利用Gabor尺度空间核函数对图像进行尺度空间分解,在每一层尺度图像的不同方向上提取Harris角点,在以Harris角点为中心的固定大小的搜索窗内搜索三维尺度空间的极值点作为局部特征点的位置和特征尺度;在特征子区域内用梯度描述特征点;将得到的两幅图像的特征点AP聚类分析,实现m:n的粗匹配,最终通过各类之间的欧式距离实现对应点的匹配,通过AP聚类可有效排除多相似内容的图像之间的误匹配。实验结果表明,该算法能够提取稳健的精确特征点,并且可以有效去除多相似内容图像带来的匹配误差,实现图像的配准。

基于K-means和Harris角点检测的麦苗识别研究

为解决小麦基本苗人工田间调查方法效率低、费时费力的问题,在小麦苗期研究了以不同移动设备、拍摄角度、拍摄时期等获取小麦1~4叶期的图像对识别麦苗个数的影响,通过设置标志物对要识别的一米双行区域进行定位和分割,利用图像处理技术对目标区域进行精确裁剪与矫正;在此基础上,对比了4类图像分割方法对麦苗图像分割结果的影响,并利用图像聚分割算法对图像进行自动分割形成不同的连通区域,对提取到具有粘连的小麦连通域进行空洞填充与叶端角点屏蔽,采用Harris角点检测算法对处理后的麦苗茎基部端点进行识别,依据麦茎与麦苗一一对应的关系计算出一米双行区域内的小麦基本苗数目。结果表明:不同的移动设备不影响麦苗识别精度,麦苗图像拍摄的最佳角度为俯拍45°,K-means聚类分割算法对小麦基本苗的分割效果最好。不同的拍摄时期,随着小麦叶片的增多,麦苗识别精度逐渐降低,在1~2叶期的识别精度大于0.97,R2为0.99,在3~4叶期的识别精度大于0.95,R2为0.93,说明利用K-means的麦苗图像快速分割,并结合Harris角点检测的方法应用于大田小麦基本苗的快速、精确、智能化监测识别是可行的。

云计算环境下的公共电子阅览室建设

文章从我国公共电子阅览室的现状问题出发，提出了利用云计算技术建立城市公共电子阅览室集群的思路，论述了利用云计算环境下公共电子阅览室集群管理的总体架构、技术支撑和组网方式等关键问题，并以东莞为例提出了快速建设城市公共电子阅览室集群的模式和实现路径，以期为正在快速发展的我国公共电子阅览室建设提供参考和案例。

车辆牌照分割方法

提出了一种快速准确车辆牌照的分割方法。首先利用形态学算子获取车牌的候选区域,剔除较小的和较大的区域;对保留的候选区域利用Trajkovic算法获取角点;最后对检测后的结果聚类,从而分割出包含车牌区域的子图像。实验证明,该方法效果好,分割速度快。

角点配准与图像差分的接触网绝缘子故障检测

针对接触网棒式绝缘子分布及故障特点,该文基于Harris角点与图像差分实现了绝缘子的抗旋转匹配和故障检测。首先对选取的模板图像及待检测图像分别进行Harris角点检测;再利用序贯相似性检测算法SSDA(sequential similarity detection algorithm)对模板图像及待检测图像内角点匹配;接着对匹配后的角点进行模糊聚类,由于匹配会造成有用角点的丢失,故需对角点进行恢复处理;然后利用最小二乘法进行直线拟合;最终根据直线两侧图像的对称特性,差分图像并统计纵向灰度获取故障信息曲线,给出故障判断。实验结果表明:文中方法简单有效、易于实现。

基于近似边界和层次聚类的超多目标进化算法

很多工程优化问题需要同时优化超过3个冲突的目标,这类问题就属于超多目标优化问题。由于超多目标优化问题的目标空间过于庞大,并且很多算法往往只能使用数量较少的种群来近似问题的结果,这使得很多算法难以保持较好的多样性和收敛性,此外,许多算法往往忽略使用极值点的有效信息来加速算法收敛。为了解决上述问题,提出了一种基于近似边界和层次聚类的超多目标进化算法。在一种求角点解方法的基础上,使用角点解近似边界(极值点)来加速算法收敛,并进一步提出使用层次聚类来挑选下一代种群,借此使得算法能够保持较好的收敛性和多样性。最后通过与多个流行的求解超多目标优化问题算法进行对比实验,证明了该算法的有效性。

交通场景中的实时多目标跟踪方法

针对多目标检测与跟踪技术的应用要求,提出一种用于交通场景的实时多目标跟踪方法。设计背景建模算法和基于角点动态特征的分层跟踪算法,利用背景建模算法提取视频帧前景,并在前景区域运用分层跟踪算法,包括Corner、Cluster和Object 3层架构,通过在不同层之间引入对应的聚类算法,以实现目标跟踪。实验结果表明,该方法适用于多数交通场景,对光照、阴影具有较强的鲁棒性。