Precise Asymptotic Distribution of the Number of Isolated Nodes in Wireless Networks with Lognormal Shadowing

In this paper, we study the connectivity of multihop wireless networks under the log-normal shadowing model by investigating the precise distribution of the number of isolated nodes. Under such a realistic shadowing model, all previous known works on the distribution of the number of isolated nodes were obtained only based on simulation studies or by ignoring the important boundary effect to avoid the challenging technical analysis, and thus cannot be applied to any practical wireless networks. It is extremely challenging to take the complicated boundary effect into consideration under such a realistic model because the transmission area of each node is an irregular region other than a circular area. Assume that the wireless nodes are represented by a Poisson point process with densitynover a unit-area disk, and that the transmission power is properly chosen so that the expected node degree of the network equals lnn + ξ (n), where ξ (n) approaches to a constant ξ as n →?∞. Under such a shadowing model with the boundary effect taken into consideration, we proved that the total number of isolated nodes is asymptotically Poisson with mean e$ {-ξ}. The Brun’s sieve is utilized to derive the precise asymptotic distribution. Our results can be used as design guidelines for any practical multihop wireless network where both the shadowing and boundary effects must be taken into consideration.

基于图割与阴影邻接关系的高分辨率遥感影像建筑物提取方法

高空间分辨率遥感影像的建筑物自动提取能够加速城市基础地理数据库的更新进程.建筑物提取方法存在的一个亟需解决的问题是建筑物轮廓难以准确提取.本文通过建筑物的阴影特征和图割提出一种在高分辨率遥感影像中识别与提取建筑物的方法.首先,基于势直方图函数检测阴影;然后,以长宽比和矩形度作为约束条件从图割结果中筛选出候选分割对象;最后,利用开运算、膨胀和腐蚀分别对阴影进行处理,计算处理后的阴影和候选分割对象之间的邻接关系得到建筑物及其轮廓.为了验证本文方法的有效性,选取PLEIADES影像中6幅具有代表性的子图像进行试验,结果表明本方法的平均查准率和平均查全率分别达到92.31%和74.23%.

激波与超细堆积粉尘相互作用的流场实验显示

本文在水平激波管中研究激波与堆积粉尘的相互作用 .利用带示踪粒子的X光脉冲摄影和阴影摄影 ,成功拍摄了反映激波作用后堆积粉尘内部波系结构的 X光照片和反映入射激波阵面和波后卷扬粉尘云形状的阴影照片 ,进而测得与流场结构有关的特征参数 .本文还对入射激波强度对流场的影响进行了实验和理论方面的研究 ,两者符合较好 .

基于图割的单幅图像影子检测

为了准确检测单幅图像中的影子,提出一种基于图割的影子检测方法.首先,使用均值漂移将原始图像分割为若干区域并记录区域之间的边界.其次,利用支持向量机分类器分别获得分割图像中的候选影子边界和候选影子–非影子区域对.然后,利用候选影子边界两侧的区域信息及候选影子–非影子区域对信息构造一个能量函数,该能量函数反映了将图像中一部分区域划分为影子区域而另一部分区域划分为非影子区域时所需的代价.再次,结合该能量函数构造出无向图,并证明所构造的无向图的最小割对应能量函数的最小值.最后,通过图割算法求解该能量函数得到最终的影子检测结果.实验结果表明,与现有代表最新进展的单幅图像影子检测方法相比,所提方法提高了影子检测结果的准确性和连续性.

激波与堆积粉尘相互作用

实验中利用带示踪粒子的X光脉冲摄影和阴影摄影技术 ,成功拍摄了激波与堆积粉尘作用后粉尘内部的波系图像和波后卷扬粉尘云的形状 ,进而测得入射激波倾斜角、透射激波倾斜角和波后物质界面折射角。在此基础上 ,利用相关理论对该流场进行分析 ,确定出该堆积粉尘状态方程中的待定系数。

基于光照无关图理论的苹果表面阴影去除方法

阴影影响下苹果目标的快速准确识别是苹果采摘机器人视觉系统必须解决的关键技术之一。为了实现阴影影响下苹果目标的准确识别,该研究采用光照无关图理论实现了苹果表面阴影的去除。以自然场景下获取的受不同程度阴影影响的苹果目标图像为研究对象,首先利用光照无关图原理获取阴影苹果图像的光照无关图,达到突出苹果目标阴影区域的目的;其次提取原图像的红色分量信息并与关照无关图进行相加处理;最后将相加后的图像进行自适应阈值分割处理,达到去除阴影的目的。为了验证该算法的有效性与准确性,利用20幅受阴影影响的苹果目标图像进行了试验,并与Otsu算法、1.5*R-G色差算法进行了对比,试验结果表明:Otsu算法仅能识别出未受阴影影响的苹果区域;1.5*R-G色差算法受光照影响较大,对于苹果图像的相对强光照区域和部分阴影区域不能有效识别;基于光照无关图的苹果表面阴影去除方法对阴影影响下的苹果目标图像分割效果较好,可以克服光照过强的问题,并准确识别出阴影影响下的苹果目标。文中算法的平均假阳性率为17.49%,比Otsu算法降低了52.84%,比1.5*R-G算法降低了26.18%;文中算法的平均重叠系数为86.59%,比Otsu算法提高了47.2%,比1.5*R-G算法提高了11.03%;表明利用光照无关图可以有效地去除苹果表面的阴影,将其应用于阴影影响下的苹果目标的识别是可行的。

YUV颜色空间和图论切割的阴影去除算法

针对智能视频监控系统中阴影常由于其自身的属性而被错误地检测成前景目标的问题,提出了一种YUV颜色空间和图切割算法相结合检测阴影的新方法.首先,在获取的前景运动区域中综合考虑YUV颜色空间的亮度和色度信息来检测阴影区域并融合形态学滤波等操作得到确定的阴影和目标种子点,然后进一步通过图切割算法获得阴影与目标的优化分割,以提高阴影区域的检测精度.实验证明,该方法能有效地检测并去除视频监控场景中运动物体所携带的阴影.

一种基于Boosting判别模型的运动阴影检测方法

在视频处理中,由于运动阴影具有与运动前景相同的特性,当在提取前景时,会误把阴影检测为前景.特别是当阴影和其它前景发生粘连时,这可能会严重地影响跟踪、识别等后续处理.该文提出了一种用于运动阴影检测的Boosting判别模型.这种方法先利用Boosting在不同的特征空间来区分前景和阴影,然后在判别随机场(DRFs)中结合前景和阴影的时空一致性,实现对前景和阴影的分割.首先,差分前图像与背景图像得到颜色不变子空间和纹理不变子空间;然后在这两个子空间上应用Boosting来区分前景和阴影;最后利用前景和阴影的时空一致性,在判别随机场中通过图分割的方法准确地分割前景和阴影.实验结果表明,无论是在室内场景,还是在室外场景,该文的方法要好于传统的方法.

基于图割技术的多特征运动阴影检测方法

为在视频监控中更加有效地检测出行人运动目标阴影,进行行人的步态识别,提出一种基于图割技术(graph cuts)的多特征运动阴影检测方法。通过颜色与纹理特征的融合,运用图割技术进行全局最优求解,对图像中行人实体部分和阴影部分进行正确分割,检测出行人阴影。实验结果表明,该方法分割适中,基本将行人的轮廓表现出来,充分体现了行人的步态特征。

复杂环境下基于图和条件随机域的运动车辆检测

针对当前车辆检测方法中存在难以有效消除阴影干扰的缺点,提出了一种能够消除阴影干扰的车辆区域检测方法。该算法首先运用选择性背景更新法进行背景相减,获取感兴趣区域,然后提出基于图的区域分割算法,对感兴趣区域进行再分割。该方法充分考虑了视频图像全局和局部的空间信息,根据分割区域的大小自动自适应地调节对图像局部细节的忽略程度,从而获取局部区域特征较为一致的分割块。最后基于分割过程中所具有的马尔可夫属性,运用条件随机域的方法建立分割后验概率分布,求取最大后验概率确定标号,并对具有相同标号的相邻分割块进行合并。

空气变形丝喷嘴的气流流动显示研究

木文介绍了喷嘴气流流动显示的纹影法与纹影干涉法,提出了纹影干涉图的定量计算公式,提供了不同状态下的实验照片,分析了喷嘴出口处气流的主要特征和对成纱质量的影响因素。

采用图割及协同训练的动态人影检测方法

随着无人飞行器的迅猛发展,根据顶视状态下的行人动态阴影生物特征进行人物验证和行为识别成为一个重要的发展方向,而从低空无人飞行器平台获取行人动态阴影生物特征成为一个更具有挑战性的研究热点。现有的阴影提取方法大多基于固定摄像头,并不适用于运动平台。联合机器学习和图切割理论,提出了一种新的针对低空无人飞行器平台的动态人影检测方法。根据像素特征和区域特征构建协同训练的两个独立视图,以SVM为分类器,采用机器学习的方法对阴影生物特征进行半自动提取,根据上述运动结果构建最小能量方程的数据项,根据图像的梯度特征构建能量方程的约束项,运用图切割理论对上述提取结果进行优化。实验结果表明,所提出的方法比单纯的协同训练方法具有更好的效果,可进一步优化低空无人飞行器平台下所获取的阴影生物特征质量。

陶瓷产品造型设计系统的设计与实现

本文介绍了计算机辅助陶瓷产品造型设计系统的设计方法和主要功能。本系统提供了真实感图形的显示,图形逼真,自然。在处理真实感图形中,采用了较合适的花纹映射和光源球面缓冲法处理阴影,使图形生成的真实性和实时性得到较好的统一。

集成多特征信息的运动阴影检测

为实现监控场景中运动目标和阴影的准确分割,提出了一种基于GMM和MRF的运动阴影检测与消除算法.首先,利用GMM的学习能力建立背景统计模型并得到前景区域像素集合.其次,将前景区域与对应背景区域间的颜色、边界、纹理和时空一致性等特征信息集成到马尔可夫随机场能量函数中,并利用图割算法实现马尔科夫随机场能量函数的最小化,得到最终的分割结果.最后,在室内和室外不同场景类型视频序列上验证了算法的有效性.实验结果表明,算法在运动阴影检测与消除方面较以往方法具有较好的准确性、可靠性和鲁棒性.

基于阴影流和3D MAP-MRF的运动阴影消除

阴影消除是运动检测中的一个重要问题。本文提出一种用阴影流和三维马尔可夫随机场后验概率最大化方法运动阴影消除算法。首先对每个像素建立混合高斯模型,通过阴影弱分类器,将可疑的阴影像素分离出来送到阴影流模型中。在线学习候选阴影像素,得到置信度高的阴影流模型。然后用混合高斯模型,阴影流和当前图像一起构建一个三维的马尔可夫随机场模型,将运动目标检测转化为标号组后验概率最大化/能量函数最小化。最后,构建一个与三维MRF对应的三维网络流图,通过动态图切算法,求出图的最小切,即求得MRF标号组的最大后验概率,从而给每个像素分配"前景"或"非前景"标号,达到消除阴影分割运动物体的目的。实验表明本方法在实际视频中取得了较好的效果。

基于图切割和阴影抑制的目标检测算法

针对目标检测中背景噪声影响检测精度的问题,提出在HSV高斯背景模型下,使用最小图切割算法,并结合连通性,找到最大的前景连接区域,最后使用阴影抑制技术完成目标分割.实验结果表明,算法有很好的鲁棒性,能够获得清晰、光滑的前景目标轮廓.

图形创意元素在化妆品包装视觉形象设计中的应用

随着生活水平的提高,女性对于化妆品的追求也在提升,在追求化妆品效果的同时,更加注重化妆品外包装的设计感。因此,化妆品包装设计升级能够在一定程度上提升化妆品的销售量。针对此现象,本文对图形创意元素在化妆品包装视觉形象设计中的应用展开研究。图形创意元素在化妆品包装中应用主要为实现提升并凸出化妆品形象的目的,在此基础上分析目前消费者的选购化妆品心理以及图形创意元素的分类,通常设计包括线、面和立体空间等类别,获知图形创意元素类别后,研究图形创意元素的应用情况,设计策略包含图形同构、正负图形、异变异影,通过这些策略,在化妆品包装上达到良好的视觉形象设计效果,提升化妆品包装的视觉效果与艺术效果,体现出较高的审美艺术,最终实现吸引消费者的目的。

结合ViBe和KGC图割的运动目标检测研究

为了提高运动目标检测的准确性和完整性,在背景建模研究的基础上,提出一种结合非参数随机样本集ViBe算法和核图割KGC(Kernel graph cuts)理论的运动目标检测方法。采用改进的ViBe算法进行背景提取,把样本集扩展到阴影空间,抑制目标运动阴影的产生。针对样本随机性和噪声带来的目标不完整性,建立目标边缘轮廓分割约束,对前景区进行KGC分析,把滑动窗局限于目标轮廓最大概率密度区,过滤无效背景,合并有效区域。经过视频测试实验表明,该方法在不增加较大计算的情况下,达到检测实时运行,相对于传统算法获得较好的准确率、完整性和鲁棒性。

一种自学习阴影检测方法

提出一种实时学习的阴影检测方法,该方法无须用户提供监控场景信息或设定任何阈值,而是根据统计的技巧来自我学习该场景的阴影特性,进而达到阴影检测的目的。仿真结果表明,该方法可有效地实现阴影检测,并具有较强的自适应性和实时性。

室外单幅图像阴影区域检测

在图像处理中,图像中的阴影既能为整个场景提供投影物体的几何信息,但是其也可能会在一些图像研究中带来误检测,所以阴影检测在图像处理中起到至关重要的作用。给定一幅图像,首先进行Canny边缘检测,然后利用阴影区域和非阴影区域的光照强度比率筛选出阴影边缘,再利用LAB颜色空间和阴影边缘的梯度方向选出阴影像素点和非阴影像素点,并且利用超像素分解对阴影像素进行部分聚类,最后将阴影区域设为前景非阴影区域设为背景后利用图割方法进行优化,检测出图像中的阴影区域。整个过程无需用户交互。