融合背景差分的二次重构和内外标记分水岭的行人检测方法

应用视频处理技术对行人交通进行研究受到广泛的重视,已成为智能交通领域的研究热点.为了精准地提取交通场景语义信息,提出融合背景差分的二次重构和内外标记分水岭的行人检测方法.首先对图像进行灰度级形态学开闭重构和背景差分运算,凸显出前景区域,锐化背景区域;然后根据灰度图像局部极大值和邻域综合信息提取内部标记,进行'准欧式'距离变换提取外部标记;最后对梯度图像进行修正和分水岭变换,提取出图像中运动的行人.结果表明,该方法能显著地去除运动噪声的影响,检测到相对完整的目标,很好地抑制了过分割问题,在动态场景的行人检测中取得了较好的效果.

基于伪数据相关矩阵二次重构的DOA估计新算法

针对传统波达方向估计算法在强信号邻近时弱信号难以估计和信源相干情况下算法性能失效的问题,通过对传统波达方向估计算法的理论推导和研究分析,变换阵元的数据接收矩阵来重构协方差矩阵,再对新的协方差矩阵对应信号的较大特征值进行重新排序,构造出伪数据相关矩阵,并结合MUSIC谱进行谱峰搜索完成对强弱邻近相干信源的波达方向估计.通过仿真比较,结果表明新算法消除了信号的相干性,不造成阵列孔径损失,并能对强弱邻近信号作出准确估计.

基于二次分解重构的股指预测研究

针对股票指数复杂难预测的问题,提出一个基于二次分解重构的混合预测模型(ICEEMDAN-EMDLSTM)。使用改进自适应噪声互补集成经验模态分解(ICEEMDAN)方法将股指序列分解为一系列子序列,并根据模糊熵(FE)的值将这些子序列重构为高频、低频和趋势分量。再使用经验模式分解(EMD)方法对高频分量进行分解,并再次应用FE使高频分量的子序列重构为新的高频、低频和趋势分量。将低频分量、趋势分量和新的高频、低频和趋势分量共五个分量进行线性集成,得到股票指数的最终预测值。为了验证所提出模型的有效性,对沪深300指数序列进行一预测。实验结果表明,与基准模型相比,本文提出的模型方法提高了预测精度,并具有良好的稳健性。

非结构网格FVTD中二次函数重构技术用于电磁计算

提出了一种适用于非结构网格下格子中心型时域有限体积方法的基于最小平方法的二次函数重构技术以取代以往采用的线性重构技术,包括插值模板的选择和重构函数的确定。通过对典型的电磁场本征值问题及散射问题的计算验证,表明了文中方法较以往方法大大改善了算法的耗散性,提高精度的同时可以显著地减少CPU时间和存储量。

线性传输方程带二次多项式重构的熵格式(英文)

最近几年来,茅德康等发展了一类有限体积格式计算偏微分方程[1,3-4,6-9].该类格式得到比较好的计算结果.在文[8]中王和茅提出一个满足两个守恒律和三个守恒律的熵格式计算线性发展方程,但是该格式是基于线性多项式重构.本文发展了一个基于二次多项式重构满足两个守恒律的熵格式.数值试验表明本文的格式在长时间计算方面优于文[8].

基于二次分解重构策略的航空客流需求预测

考虑到航空客流需求序列的季节性、非线性和非平稳等特点,提出了一个基于二次分解重构策略的航空客流需求预测模型。首先,通过STL和自适应噪声互补集成经验模态分解(CEEMDAN)方法对航空客流需求序列进行二次分解,并根据数据复杂度和相关度的特征分析结果进行分量重构;然后,采用模型匹配策略分别选取自回归单整移动平均季节(SARIMA)、自回归单整移动平均(ARIMA)、核极限学习机(KELM)和双向长短期记忆(BiLSTM)网络模型对各重构分量进行预测,其中KELM和BiLSTM模型的超参数通过自适应树Parzen估计(ATPE)算法确定;最后,将重构分量预测结果进行线性集成。以北京首都国际机场、深圳宝安国际机场和海口美兰国际机场的航空客流数据作为研究对象进行了1步和多步预测实验,实验结果表明,与一次分解集成模型STL-SAAB相比,所提模型的均方根误差(RMSE)提升了14.98%~60.72%。可见以“分而治之”思想为指导,所提模型结合模型匹配和重构策略挖掘出了数据的内在发展规律,从而为科学预判航空客流需求变化趋势提供了新思路。

基于二次迭代稀疏重构的跳频信号参数估计

为了解决现有参数估计方法中时频聚集性不强,低信噪比下估计精度不高问题,提出了一种基于二次迭代稀疏重构的跳频信号参数估计方法。根据跳频信号的时频稀疏性进行稀疏重构,获取信号的时频分布矩阵;通过分析时频分布矩阵的特点,对信号进行二次迭代稀疏重构,获取二次时频分布矩阵。为了提高在低信噪比下算法性能,采用二值形态学滤波对时频图进行处理,进而实现信号的良好参数估计。仿真结果表明:该算法能够有效地提高参数估计精度,在低信噪比下有良好的估计效果。

基于局部正则二次线性重构表示的人脸识别

稀疏表示分类器(Sparse Representation based Classification,SRC)求解过程较为复杂,所耗时间较长,协同表示分类器(Collaborative Representation based Classification,CRC)将全体训练样本作为字典来表示待识别样本,字典较大且未考虑样本的类别信息,线性回归分类器(Linear Regression based Classification,LRC)并未考虑不同类样本间的差异,且忽视了样本间的距离关系和潜在的邻域关系。针对以上基于表示学习的图像分类算法的问题和不足,提出了一种基于局部正则二次线性重构表示的人脸识别方法。该方法首先计算待识别样本的类内近邻样本;其次利用类内近邻样本线性重构待识别样本;然后将待识别样本表示成所有类内重构样本的线性组合,同时根据待识别样本与类内重构样本的误差对表示系数施加约束;最后,利用拉格朗日乘子法求解表示系数并根据待识别样本重构误差与表示系数的比值判断待识别样本的类别。在AR,FRGC和FERET数据集上的实验表明,该算法具有优越的识别准确率、时间复杂度和鲁棒性。

时域无网格算法二维TEz波电磁散射模拟问题研究

为了分析目标TEz波电磁散射特性,发展了求解二维TEz波电磁散射问题的时域无网格算法。算法涉及的离散点上的空间导数通过在无网格点云结构上引入函数加权最小二乘逼近确定;数值通量则用近似黎曼解计算确定,通量运算涉及的物理量左右状态值,用二次函数重构替代通常的线性重构以提高计算精度,并沿用四步Runge-Kutta格式进行时间推进求解。论文用发展的算法成功模拟了飞行器主体带外挂等模型模拟的二维情形电磁散射场,并给出了对应的双站雷达散射截面(RCS),展示出电磁波照射方向、外挂尺寸以及外挂与主体的相对位置等因素对主体散射特性的影响。

高可靠性并网微电网及其控制策略

为了提升微电网的可靠性,提出一种应用于并网微电网具有二次容错能力的可重构逆变器。当逆变器某一桥臂开关器件发生一次故障时,用直流侧电容桥臂代替故障相,逆变器重构成三相四开关拓扑结构,实现一次容错重构;当逆变器非故障相开关器件发生二次故障时,逆变器再次重构成三相四开关拓扑结构,实现二次容错重构。提出了下垂控制-电压电流控制-虚拟阻抗控制-重置脉冲控制算法的复合控制策略,使逆变器实现二次容错控制。仿真结果验证了高可靠性并网微网拓扑结构的正确性与控制策略的有效性。

基于时空融合的交通场景中运动行人检测算法

将视频监控技术应用于交通信息获取与处理,解决行人安全问题,已成为智能交通系统中的一项关键技术。为精准地提取交通场景语义信息,提出了融合时域和空域信息的行人检测算法。通过相邻多帧时域变化和Canny边缘检测算法得到初始检测掩模图像,解决差值局部化和噪声问题;提取空域信息时,引入二次重构和内外标记技术对梯度图像进行修正和分水岭变换,得到空域掩模图像,有效地提高空域分割精度,消除过分割现象;最后将两者结果进行融合和形态学修正,提取出交通场景图像中的运动行人。以北京南站为例进行实验分析,结果表明,该方法能快速准确地检测到较完整的目标信息,在动态场景的行人检测取得了较好的效果。

基于复杂动物体逆向建模方法研究

利用逆向工程方法可快速精确的建立结构特征复杂的动物CAD模型。采用红外激光扫描仪获取动物样本点云数据,利用Geomagic Studio和Pro/E软件经样本采集、数据处理、曲面重建和实体重构四个阶段,建立样本数字化模型。对重构模型进行误差评价以研究重构曲面模型精度并指导偏差较大处曲面的二次重构。

一种基于近邻稀疏表示的人脸识别新方法

稀疏表示近些年来被广泛用于人脸识别。由于在现实中,同类图像之间往往不可避免存在光照、姿态、甚至遮挡等差异,如果使用这些有各种差异的图像样本去表示某一特定状态下的图像,则表示的效果势必会受到影响。为进一步提高稀疏表示在人脸识别中的性能,基于原始协同分类(CRC)算法,引入近邻思想,即在各类训练样本中分别寻找与测试样本相近的若干样本,以构建新的近邻样本集;在此基础上进行协同表示,并利用每类样本系数分别重构待测样本,最后基于重构样本集再次协同表示。这种基于近邻样本的二次稀疏重构表示法,使识别更精确,并在一定程度上提升了运行效率。在ORL,YALE,FERET及AR人脸数据库上通过仿真验证了该方法的有效性。