单极性ADC静态参数的测试方法

模数转换器(ADC)的静态指标包括微分非线性(DNL)和积分非线性(INL),测量静态参数的主要方法为码密度直方图法。传统的码密度直方图法对输入正弦波的幅值的计算精度有较高的要求,提出了一种基于码密度直方图的归一化处理的平台方案。根据测试要求,选取符合要求的测试激励幅值输入,从而对归一化处理后的方案有效性进行验证。实验结果表明进行归一化处理降低了正弦波幅值的变化对于码密度直方图法的影响,提高了码密度直方图法测试的稳定性。

基于自适应局部邻域条件下的点云匹配

为了应对传统迭代最近点(ICP)算法在处理复杂点云空间特征时,面临噪声干扰和数据缺失等问题导致收敛速度缓慢、配准精度不高以及鲁棒性较差等问题,本文提出了一种基于自适应局部邻域条件下的点云匹配算法。首先,采用体素网格滤波对数据进行预处理,根据不同半径邻域内邻近点的分布情况,定义邻域表面的弯曲程度,在此基础上,充分考虑到法向量分布和邻域曲率特征,从而得到更精确的特征点提取;其次,通过运用最小二乘曲面拟合方法,进一步提取出邻域曲率变化最为显著的特征点,采用快速点特征直方图(FPFH)对特征点进行描述,并通过设定距离阈值的采样一致性算法来匹配相似的特征点对,计算出关键的坐标转换参数,完成初始配准。最后,利用线性最小二乘优化点到面的ICP算法,以实现更精确的配准结果。通过一系列实验对比发现相较于现有的几种配准算法(ICP,SAC-IA+ICP,K4PCS+ICP),在存在噪声干扰和数据缺失的情况下,所提方法的配准准确度平均提高45%,配准速度平均提高38%,充分验证了该方法在应对大数据量、低重叠率点云配准方面具备出色的稳健性能。

基于改进FPFH-ICP的车载激光雷达点云配准方法

为了改善传统车载激光雷达点云配准方法准确度低、计算速度慢的问题,提出了一种基于快速点特征直方图(fast point feature histograms,FPFH)初始匹配与改进迭代最近点(iterative closestpoint,ICP)精确配准相结合的改进FPFH-ICP配准算法。配准前使用体素滤波器和statistical-outlier-removal滤波器进行预处理;采用FPFH提取点云特征,基于采样一致性(sample consensus initial alignment,SAC-IA)进行初始配准,为精确配准提供良好的位姿信息;建立K-D树并在传统ICP配准算法的基础上添加法向量阈值,对车载激光雷达点云数据进行精确配准;在4种不同场景的实验中,改进FPFH-ICP配准比ICP配准的均方根误差和配准用时分别平均减少了7.56%和41.22%,比点特征直方图(point feature histograms,PFH)配准的均方根误差和配准用时分别平均减少了30.28%和18.95%,表明改进的FPFH-ICP能够对车载激光雷达点云数据实现精确且高效的配准。

一种基于SAC-NDT和ICP的高精度点云配准方法

传统的正态分布变换算法精度低,而精度较高的迭代最近点算法极易陷入局部最优解。为了解决以上问题,将采样一致性算法与NDT算法结合作为点云初始配准方法,再利用KD-tree加速的ICP精配准方法完成点云匹配。实验结果表明,本文所提出的方法大大提高了配准精度。

基于阈值的图像风格元素人工智能识别方法

受到图像破损区域的影响,对风格元素的识别效率和提取精度较低,由此,提出了基于阈值的图像风格元素智能识别方法.去噪原始图像,获得较优的风格元素表象,利用灰度直方图对图像阈值分割,用统一的灰度来划分成便于计算的二值图像;利用闭运算法模糊消除区域破损地方,获得完整清晰图像,以灰度图像形成的谷形区域实现图像风格元素提取.仿真实验结果表明,本方法在提取精度、误差率和时间效率方面均较优,能够为实际应用提供理论指导.

基于种子超像素生长的视觉道路检测

为了提高基于视觉的道路检测算法的准确性和鲁棒性,提出一种基于种子超像素生长的视觉道路检测算法。提出一种基于图像形态学开运算的方法去除道路车道线信息;将RGB颜色空间转换为更加符合人类视觉特性的HSV颜色空间,并对原图像进行超像素分割;提出一种道路种子超像素选取方法;计算各超像素块和种子像素块之间的归一化直方图距离以进行种子生长,并提出融合道路模型,完成基于视觉的道路检测。为验证所提算法的有效性,利用KITTI数据集进行道路检测实验。实验结果表明,该算法在不同场景下道路检测准确率均超过86.38%,召回率超过86.62%,相比其他算法在准确性和鲁棒性上有了显著的提高。

基于卷积神经网络的电缆接头缺陷识别方法

为解决电缆接头施工工艺监管难、缺陷隐患多的问题,提出了一种基于卷积神经网络的电缆接头缺陷识别方法。通过电缆施工人员安全帽上的摄像头获取电缆中间接头施工图片,采用梯度直方图方法提取电缆接头的视频特征数据;通过图像开运算对电缆接头图像进行腐蚀和膨胀,消除电缆接头图像的噪声数据。在此基础上,通过正常样本训练卷积神经网络,提高电缆接头缺陷发现能力。在某城市电缆接头施工现场应用该方法,电缆接头缺陷识别准确率达98.5%,其结果验证了该方法的有效性。

一种新的基于超像素的谱聚类图像分割算法

谱聚类是近十年来出现的一种极具竞争力的聚类算法,许多扩展和应用算法相继出现,比如图像分割.但是,对图像分割而言,由于基于谱聚类的方法计算量十分庞大,使其应用受到严重挑战;而降低图像分辨率的策略则会导致细节信息的丢失,使得图像的分割结果不够准确.提出一种新的基于超像素的谱聚类图像分割算法.首先,新算法将图像分割成小区域,这些小区域称为超像素,相邻的两个超像素之间的相似性用Bhattacharyya系数进行度量;然后,利用谱聚类将超像素聚类成有意义的区域.实验结果表明,相较于经典算法,新算法在Berkeley图像数据库上能产生较好的分割结果,并且没有增加计算复杂度.

基于法向量直方图特征描述的点云ICP拼接

传统的迭代最近点ICP算法收敛速度慢,而基于特征的查找对应点能够明显优化ICP算法.提出一种新的基于法向量直方图特征描述的点云ICP拼接方法.该方法将法向量直方图作为点云特征描述子,其能够优化对应点集的查找,从而改进ICP算法.该算法先计算待拼接的两片点云的法向量直方图特征描述子,然后由其中一片点云中的点查找在另一片点云上的最近邻域,并且找出法向量直方图特征最相似的点作为当前点的对应点,查找出所有的对应点并建立对应点集,再根据对应点建立协方差矩阵,并对其奇异值分解,求解出变换矩阵,最后迭代以上步骤直至收敛.在法向量直方图特征计算中,采用多核模式并行编程计算,提高了特征计算效率.实验结果表明该方法是可行有效的.

基于双高斯GMM的特征参数规整及其在语音识别中的应用

对特征参数概率分布的实验分析表明,在有噪声影响的情况下,特征参数通常呈现双峰分布．据此,本文提出了一种新的,基于双高斯的高斯混合模型(Gaussian mixture model,GMM)的特征参数归一化方法,以提高语音识别系统的鲁棒性．该方法采用更为细致的双高斯模型来表达特征参数的累积分布函数(CDF),并依据估计得到的CDF进行参数变换将训练和识别时的特征参数的分布都规整为标准高斯分布,从而提高识别正确率．在Aurora 2和Aurora 3数据库上的实验结果表明,本文提出的方法的性能明显好于传统的倒谱均值规整(Cepstral mean normalization,CMN)和倒谱均值方差规整(Cepstral mean and variance normalization,CMVN)方法,而与非参数化方法一直方图均衡特征规整方法的性能基本相当．

基于多尺度自卷积归一化直方图的仿射不变量模式识别

仿射不变量特征提取方法已成为计算机视觉研究的重点课题之一.本文提出一种归一化直方图算法,该算法基于多尺度自卷积变换中密度函数的概念,研究归一化密度函数的方法,构建了从目标图像中提取直方图仿射不变量特征提取算法,实现了基于多尺度自卷积归一化直方图的仿射不变量模式识别.仿真实验表明,本算法对一定范围内的噪声,局部遮挡,照度及视角变化具有良好的适应性,特别是在多种环境下,其识别率优于多尺度自卷积和基于多尺度自卷积的其它直方图算法.

基于轮廓特征的图像配准

提出了一种新的基于轮廓特征的图像配准算法,首先提取图像轮廓并计算每个轮廓点的法向角,然后对轮廓点法向角进行直方图统计,通过对两幅图像的轮廓点法向角直方图进行圆周相关计算便可快速估计出两幅图像所存在的旋转角度。由于旋转角度参数的求出通常可以大大简化配准变换模型中其他参数的估计,因而这种方式可以实现快速配准。这种利用轮廓点法向角来估计旋转角度的方式具有旋转、平移和尺度不变性,并对轮廓缺失以及存在噪声的情况均具有很高的鲁棒性,可广泛适用于存在闭合轮廓与开轮廓的各种情况。本文所提出的配准算法已成功应用于PCB缺陷检测中实现了参考图像轮廓和待检测图像轮廓的快速精确配准。

基于一维Otsu的多阈值医学图像分割算法

针对传统医学图像分割算法时间复杂度高、分割精度低等问题,提出一种基于一维Otsu的自动多阈值分割算法.考虑到医学图像信息的复杂性,引入基于梯度、灰度、距离的综合信息直方图替代传统的灰度直方图,并分别赋予这3个信息相应的权值.采用kd-树作为框架快速自动确定阈值个数,进而实现Otsu对医学图像的自动多阈值分割.与最大熵、基于粒子群优化的Otsu算法等进行对比实验的结果表明,该算法的分割性能优于其他算法.

结合点特征直方图的点云分类方法

针对经典的法向量和邻域高差算子包含的信息量较少,点云分类结果不理想的问题,提出一种基于点特征直方图的点云分类方法.该方法用四参数量化中心点与其邻域点之间的空间关系形成一个用于描述中心点邻域几何属性的多维直方图,并将其作为点云分类的特征;用随机森林法将激光点云分为植被、地面以及建筑物3类,点特征直方图、法向量、邻域高差三者均为几何描述算子,用点特征直方图构建了一个高维信息空间的点的几何特征表达,鲁棒性强.通过与基于法向量和邻域高差的点云分类进行对比实验,验证了点特征直方图在点云分类中保边性强、稳定性好.

一种改进的基于小波的人脸图像光照归一化算法

为了消除光照变化对人脸识别的影响,提出了一种新的基于小波的光照归一化算法。首先对人脸图像进行三级小波分解,获取低频和高频系数;接着对低频成分直方图均衡化,减弱光照的影响,同时对高频成分阈值去噪,再放大高频以增强图像边缘;最后进行逆小波变换,得到归一化后的人脸图像。在Yale B人脸库上的实验结果表明:本文方法可有效减弱光照变化对人脸识别的影响,显著地提高了人脸识别系统的识别率。

多均值正态分布图像规定化处理

提出一种基于多均值正态分布的直方图规定化算法,以图像的灰度平均值作为首个高斯峰均值,计算出后续值,以图像的对比度作为所有高斯峰的均方差,通过峰值增益加以调节。以形成的多均值正态分布作为直方图变换函数,将直方图约束成多均值正态分布形式。实验证明,基于多均值正态分布规定化处理,不仅有选择地对某灰度范围进行局部对比度增强,而且能改善图像的灰度平均值,从而增强图像的视觉效果,层次丰富,细节明晰。

基于特征参数归一化的鲁棒语音识别方法综述

目前,自动语音识别系统往往会因为环境中复杂因素的影响,造成训练环境和测试环境存在不匹配现象,使得识别系统性能大幅度下降,极大地限制了语音识别技术的应用范围。近年来,很多鲁棒语音识别技术成功地被提出,这些技术的目标都是相同的,主要是提高系统的鲁棒性,进而提高识别率。其中,基于特征的归一化技术简单而有效,常常被作为鲁棒语音识别的首选方法,它主要是通过对特征向量的统计属性、累积密度函数或功率谱的归一化来补偿环境不匹配产生的影响。该文主要对目前主流的归一化方法进行介绍,其中包括倒谱矩归一化方法、直方图均衡化方法以及调频谱归一化方法等。

一种有雾天气图像景物影像的清晰化方法

针对雾天下拍摄图像的退化现象 ,提出了一种景物影像清晰化的方法。该方法不需要依据大气模型 ,即可直接对景物的细节信息进行增强处理 ,并可用移动模板对不同深度的场景进行分割 ,以对模板中的区域进行块重叠直方图均衡化处理。为了能在对景物细节信息进行增强的同时 ,避免天空噪声的影响 ,可根据图像的灰度分布特性 ,求出天空区域灰度的最佳近似正态分布 ,再由这个近似正态分布估计来得到分割天空区域的灰度值分布范围 ,以增强景物细节信息。实验结果表明 。

利用标准砂层组采用趋势面分析进行多井资料标准化

由于各测井系列之间仪器性能、测量环境、人为操作等因素的不同,导致工区不同井的测井数据存在一定的系统误差.测井资料标准化是多井储层评价中的基础工作,是消除测井资料系统误差、提高储层参数计算精度的关键.标准化方法较多,且各有优缺点.本文以多井密度资料标准化为例,根据工区地质情况,利用标准砂层组采用直方图和趋势面分析技术对其进行了区域标准化处理.标准化处理后的密度测井值更符合本地区地质变化规律,有效地降低了非地质因素给测井数据带来的误差,实际应用中取得了明显的效果.