Patch-based vehicle logo detection with patch intensity and weight matrix

A patch-based method for detecting vehicle logos using prior knowledge is proposed.By representing the coarse region of the logo with the weight matrix of patch intensity and position,the proposed method is robust to bad and complex environmental conditions.The bounding-box of the logo is extracted by a thershloding approach.Experimental results show that 93.58% location accuracy is achieved with 1100 images under various environmental conditions,indicating that the proposed method is effective and suitable for the location of vehicle logo in practical applications.

一种基于权值矩阵的序列图像超分辨率盲复原算法

建立准确的观测模型是提高现有超分辨率复原算法性能的关键.本文提出一种基于权值矩阵的超分辨率盲复原算法:定义了一种新的基于权值矩阵和运动补偿矩阵的观测模型,在最大后验概率框架下,采用交替最小化方法对权值矩阵和高分辨率图像进行联合优化求解.静止和动态图像序列的测试结果表明,该方法能够实现对低分辨率图像降质过程的准确描述,其复原性能明显优于传统基于理想观测模型的算法,部分结果甚至超过了观测模型已知的算法.

基于支持度矩阵的一种多传感器融合方法

针对当前多传感器融合过程中,各传感器可靠度估计困难和观测值融合精度低的问题,文中提出一种基于支持度矩阵的最优加权多传感器融合方法,首先建立各传感器之间的相互支持度矩阵,然后对综合支持度高的传感器进行最优加权融合。仿真结果表明,该方法实现简单,能够客观地反映各传感器的可靠程度,不需要知道任何先验信息。而且与同类融合方法相比,该方法具有更好的融合精度。

应用自适应权值矩阵的图像复原

由于自然图像先验模型的概率密度函数的非高斯性(稀疏性的)会导致图像复原的最优化函数不再是凸的,传统意义上的最大后验估计已不能很好地求得最优估计解,因此本文提出利用自适应权值矩阵来解决这一问题。进行图像复原时,首先利用自然图像先验模型有效地抑制振铃效应,然后利用基于自适应权值矩阵的共轭梯度算法来解决由于稀疏先验模型导致的最优化函数非凸的问题。权值矩阵可根据上一次的迭代结果进行更新,并能够纠正图像在上一次迭代过程中局部区域导数估计的错误。实验结果显示,利用本文方法得到复原图像的峰值信噪比(PSNR)为36.131 6,优于其它算法。最后,用本文方法对全景图像进行复原,得到了很好的复原效果,证明了本文方法的实用性和有效性。

赫尔默特方差分量估计在导线平差中的应用

利用经典高斯-马尔柯夫模型进行导线平差数据处理时,由于先验边长和角度权比不合理而导致平差值结果及精度受到影响。本文采用赫尔默特方差分量估计经过迭代平差,可以使两类观测值的权比趋于合理。文中算例分析结果表明,利用赫尔默特方差分量估计进行导线平差,可以获得优于经典最小二乘估计的平差结果。

基于统计的图像压缩感知低复杂度还原方法

提出了一种基于图像统计信息的低复杂度高性能压缩感知还原方法.通过分析自然图像在小波表示下能量的分布特点,建立指数衰减模型,并将其作为统计先验应用于还原算法中.还原算法分为列(行)方向还原,行(列)方向还原两步骤进行,同时引入包含图像小波域能量统计先验的权重矩阵,并约束还原结果符合该权重矩阵的能量分步特点.根据实际应用的不同,该方法包含两种不同复杂度的还原策略,分别为一次直接(one-time direct,OTD)还原和两次迭代(two times iterative,TTI)还原.OTD策略在两步骤中均使用相同的权重矩阵,还原速度较快;TTI策略在第2步还原时通过二次迭代修正权重矩阵以获得更精确的还原结果.实验表明:OTD还原速度较传统方法有大幅度提高,同时还原质量也有所提升;TTI在OTD基础上以牺牲一部分还原速度为代价,获得了更好的还原质量,同时还原速度较传统方法亦有提高.

基于赫尔默特方差分量估计的导线平差

利用经典最小二乘(LS)进行导线平差的过程当中,由于角度和边长的定权不合理会导致平差的结果和精度受到影响。采用赫尔默特方差分量估计能准确地确定角度和边长之间的权比关系,从而消除先验权阵不准确对数据处理结果的影响。本文分别利用经典LS估计和赫尔默特方差分量估计对导线进行平差处理,结果表明赫尔默特方差分量估计可以获得优于经典LS估计的平差结果。

基于加权截断Schatten-p范数与改进二阶全变分的矩阵填充

近年来,矩阵填充问题在许多实际应用中引起了研究人员的广泛关注,并产生了一些基于低秩矩阵恢复理论的矩阵填充方法。在这些方法中,人们一般只关注于矩阵的低秩先验信息部分。但是,在矩阵填充的实际应用中,局部光滑先验信息却没有得到更好的利用,使得实际应用中的矩阵填充效果往往不佳。针对上述问题,本文提出了基于加权截断Schatten-p范数与改进二阶全变分的矩阵填充模型。该模型利用加权截断Schatten-p范数对矩阵进行低秩约束,同时利用改进的二阶全变分范数对矩阵的光滑先验信息进行建模,以此来提高矩阵填充效果。通过与多种已有的常用矩阵填充方法在文本掩膜图像重建中的实验结果对比,所提出的方法具有更好的矩阵填充效果。