基于协方差描述子稀疏表示的前视红外建筑物目标跟踪锁定

作为前视红外成像末制导的关键部分,红外目标跟踪是一个极具挑战性的课题。本文针对前视红外建筑物目标,提出了一种基于协方差描述子稀疏表示的红外目标跟踪框架。首先,提取红外建筑物目标的协方差描述子特征;其次,由于协方差描述子属于黎曼空间,采用log-Euclidean变换将其转换到欧式空间;最后,在粒子滤波的理论框架基础上,采用目标在字典中的稀疏表示作为观测模型,对红外建筑物目标进行表示,通过贝叶斯状态推理框架进行目标跟踪。对前视红外建筑物目标的跟踪实验表明,该方法在跟踪准确度及鲁棒性方面体现出了优良的特性。

基于协方差描述子和LogitBoost的交通场景图像分割

针对传统方法直接采用图像特征参与图像分割时存在的特征冗余且分割准确率低的问题,提出了一种基于协方差描述子和LogitBoost的交通场景图像分割方法.采用运动结构特征、纹理和HOG特征描述交通场景,并利用协方差描述子进行特征融合以消除特征冗余;采用多类LogitBoost分类器进行图像分割,提高了交通场景分割的精度.在公共测试视频数据库CamVid中测试和评估了所提出的算法,结果表明了该方法的有效性.

基于协方差描述子的彩色图像分割算法

为克服模糊C均值聚类图像分割对噪声较为敏感的缺陷,提出了一种结合协方差描述子的模糊C均值聚类算法。采用协方差描述子的滤波能力以改善传统模糊C均值聚类算法对噪声敏感的缺陷;提取超像素的协方差矩阵作为特征,降低图像识别的特征冗余。并做了仿真实验,对提出的算法与三个图像分割算法进行比较,结果表明该图像分割算法具有较好的噪声鲁棒性和分割准确率。

基于点云协方差描述子的多机器人目标识别与编队跟踪

针对多移动机器人目标识别及编队跟踪问题,提出一种基于点云协方差描述子的目标识别方法及编队跟踪控制方法.为降低机器人端机载处理器负荷,基于Web Socket协议搭建网络架构.在此基础上,通过引入点云协方差描述子进行目标检测,并利用支持向量机完成离线建模.结合支持向量机分类器与Kullback-Leibler Divergence(KLD)-Sampling自适应粒子滤波算法,实现目标部分遮挡下的在线识别,得到目标点云跟踪位置信息.利用势场函数和有向刚性图论综合设计编队跟踪控制器,实现多机器人编队目标跟踪.最后通过实物平台进行实验,结果表明,所提出的基于点云协方差描述子的多机器人目标识别与编队跟踪算法,与传统方法相比,跟踪收敛时间缩短4,s,跟踪精度提高约2.5%,,通过搭载有限数量传感器,可以更有效地解决多机器人编队目标跟踪问题.

协方差分析描述函数法的通用化数值算法

协方差分析描述函数法(covariance analysis describing function technique,CADET)在处理系统的随机响应问题上具有求解迅速、仿真精度高等优点.但对于复杂系统,其理论推导过程、求解系统解析响应方程较为复杂繁琐.为进一步推广CADET的应用,依托高斯–埃尔米特积分法,提出了一种通用化的CADET数值算法.作为算法验证,以车辆行驶过程中的随机振动为例,建立了几种不同非线性悬架车辆的二自由度动力学模型,并将CADET通用化数值算法与传统CADET算法及蒙特卡罗法进行了对比分析.仿真结果表明,CADET的通用化数值算法可以达到满足应用要求的计算精度,这验证了所提数值算法的有效性,且具有更强的泛化应用于复杂非线性动力系统的价值.

基于改进的协方差矩阵描述子的点云配准方法

点云配准是数字化文物保护的关键一环,提高配准精度与抗噪性是文物点云配准的主要目标。针对该问题,提出一种基于协方差矩阵描述子的三维点云配准方法。使用张量投票法剔除噪声点,对剔除噪声后的点云,使用内在形状签名法提取关键点;对提取的关键点构建邻域信息,利用该信息建立协方差矩阵描述子;通过计算最近距离寻找匹配点对,使用法向量夹角对其约束,剔除误匹配点对;选取匹配点对计算变换矩阵完成粗配准,再通过迭代最近点对方法进行精配准。实验结果表明,相比于常用配准算法,本文算法配准精度更高,且适用于低重叠率模型与含噪声模型。

基于椭圆区域协方差描述子和卡尔曼粒子滤波的鲁棒视觉跟踪方法

针对传统的或概率性的协方差跟踪中采用的矩形区域协方差描述子不能精确反映目标的非刚性形变的问题,提出椭圆区域协方差描述子,将各种不同类型的特征融入统一的模型中,实现了基于多特征的目标跟踪,并将其与卡尔曼粒子滤波相结合,提出一种鲁棒的视觉目标跟踪方法.实验结果表明,该方法对光线变化、噪声干扰、部分和完全遮挡、目标的尺度和角度的变化以及目标的快速运动都具有较好的鲁棒性.

一种基于协方差描述子的场景分类算法

图像场景分类一直是计算机视觉领域的一个热点问题。提出了协方差描述子场景分类算法,它聚合了像素位置、颜色特征、方向特征和局部纹理特征等互补特征形成协方差描述子。为了避免计算黎曼空间内的协方差距离测度,把协方差描述子转换成欧式空间内的Sigma点特征,可以实现线性的场景描述和支持向量机训练。在SUN Database标准数据集上进行了算法分类测试,并与经典的场景分类算法进行了性能比较;通过构造包含噪声的场景数据集,验证了新算法和经典算法的鲁棒性。实验结果表明该算法在计算效率和分类性能方面具有很强优势,同时具有较好的噪声鲁棒性。

基于协方差描述子和黎曼流形的语音情感识别

提出一种基于协方差描述子和黎曼流形的语音情感识别方法.根据提取的语音声学特征,计算协方差矩阵用于表征语句的情感信息.考虑到非奇异协方差矩阵所构成空间的高维特性,引入一种仿射不变度量使得该空间满足黎曼流形的要求.进而根据微分几何,建立基于黎曼流形的算法架构.实验证明,该方法在语音情感识别中获得较好的识别效果,尤其在噪声环境下能更有效地提高识别准确率.

基于协方差分析描述函数法的非线性交会精度分析

交会精度分析是交会对接任务设计和实施过程的一类重要问题。传统的Monte Carlo方法计算成本较高,协方差方法对于大导航偏差或长时间交会问题误差较大。针对这些问题,提出了一种新的非线性交会精度分析方法。采用协方差分析描述函数法(covariance analysis description equation technique,CADET),考虑导航偏差和控制偏差,建立了含J2摄动的非线性交会精度分析模型。采用一个寻的交会问题和多圈非共面交会问题测试了提出的算法,并和Monte Carlo方法及协方差方法进行比较。结果表明,相比Monte Carlo方法和协方差方法,导航偏差较大或长时间交会时采用CADET方法,计算速度快、精度高,具有较好的工程实用价值。

基于协方差分析描述函数技术的弹道导弹落点预报

针对采用Monte-Carlo方法对非线性系统进行统计分析效率低下的问题,将协方差分析描述函数法(CADET)应用于弹道导弹落点预报与精度分析。介绍CADET方法的统计线性化思想,提出一种针对一阶可微随机变量函数的统计线性化方法,建立弹道导弹被动段的均值和方差计算的CADET模型。该方法通过一次计算就可得到随机变量数字特征随时间的变化,与传统的Monte-Carlo抽样方法进行比较,结果得到有效验证,所需时间远少于后者,对省时、高效地实现对模型的统计分析具有一定意义。

多维协方差函数描述法中方差阵的表示及随机系统精度分析

本文结合工程技术中的误差综合方法，论述了多维场合下协方差函数的描述技术，给出方差阵的表示，并讨论了随机系统误差分析方法。针对计算中出现的问题提出了一些看法。

基于协方差流形的异常驾驶行为识别方法

研究一种高效的异常驾驶行为正确识别分类的识别方法,对预防由于异常驾驶行为导致的交通事故具有重要意义。提出了一种新的基于协方差流形的异常驾驶行为识别方法。首先提取图像的纹理、颜色和梯度方向特征,以克服基于单一特征识别驾驶行为的不足;并利用协方差流形进行多特征融合,以消除特征冗余以及不同特征数值悬殊对图像识别的影响;最后使用多类LogitBoost分类器进行分类识别。针对相同检测目标的正确识别率可达98%以上,对不同检测目标的正确识别率可达70%以上。实验结果表明该方法有效提高了驾驶行为识别的效果。

三维点云模型中特征点描述子及其匹配算法研究

特征点的描述在三维物体识别中具有非常重要的意义,针对一般描述子维数过大导致特征点匹配所需的时间、空间消耗过大等问题,提出一种协方差描述子,通过计算特征点邻域的几何特征的协方差矩阵来描述特征点,并将该描述子应用到特征点匹配中.实验结果表明,此描述子不仅能大大减少匹配时间,同时对刚性变换、噪声、采样密度的变化也具有鲁棒性.最后,本文还利用典型相关分析对误匹配点对进行了剔除,获得了良好的特征点匹配效果.

基于深度图像的在线手势识别方法与性能研究

对Kinect设备获取到的深度图像进行手部区域分割,分别比较扫描法和区域生长法的图像分割效果,并提取手部的轮廓信息实现手掌心和指尖的定位,以区域协方差作为手势的特征变量,结合指尖识别算法实现了在线手势识别。结果表明:扫描法比区域生长法所识别出的手掌点和轮廓点更多,与自适应PCA识别算法相比具有更好的识别效果,静态手势测试的指尖平均识别率达93%,在线运动手势识别的准确率均在80%以上。

基于核稀疏编码的红外目标识别方法

针对红外目标识别问题,提出了一种基于协方差描述子和核稀疏编码的红外目标识别方法。该方法结合了红外图像的灰度、一阶以及二阶梯度等特征的协方差描述子作为红外目标的特征,并采用Log-Euclidean度量进行特征相似性计算,通过高斯核函数将协方差描述子映射到高维空间,最后在新的特征空间上进行稀疏编码。实测数据实验结果表明,与传统的KNN(k-nearest neighbor,k最近邻)以及SVM(support vector machine,支持向量机)等分类算法相比,基于核稀疏编码的红外识别方法在识别准确率上有很大的提高。

对光照变化鲁棒的快速关键点提取与匹配

利用积分图像提出一种对光照变化鲁棒的快速关键点提取与匹配方法.首先,对基于黎曼积分的对比度拉伸响应,利用积分图像进行多尺度上采样滤波,快速提取光照鲁棒的局部特征,并在多分辨率框架下基于局部极大值检测多尺度显著特征关键点.然后,使用积分图像方法对以特征点为中心对称的矩形区域快速构造协方差描述,并采用对数欧氏距离,测度2个匹配场景中所提取的关键特征点周围区域的协方差矩阵之间的差异;最后,根据稀疏匹配策略,完成2个特征点集之间的自动匹配.实验结果表明,该方法结构简单,计算快速高效,准确性较高,且对于光照变化具有较好的适应性.

末修子母弹射击概率的CADET应用研究

根据末修子弹的运动特点以及末敏、末修部件的工作原理 ,用近似的方法计算出子弹对机场跑道的探测概率 .在子弹能够探测到跑道的前提下 ,用协方差描述函数法建立子弹运动的均值和协方差传播方程 ,分析子弹攻击跑道的命中概率 ,并由此得出末修子母弹对机场跑道的射击概率 .与Monte Carlo法相比 ,这种方法耗时少 ,计算精度较高 。

基于核稀疏编码的阵发性房颤检测

阵发性房颤(PAF)是一种具有偶发性的心律失常,其较高的漏检率导致心脏相关疾病的增加。该文提出了一种基于核稀疏编码的自动检测方法,可以仅根据较短RR间期数据识别PAF发作。该方法采用特殊几何结构来分析数据高维特性,通过计算协方差矩阵作为特征描述子,找到蕴含在数据中的黎曼流形结构;然后基于Log-Euclid框架,利用核方法将流形空间映射到高维可再生核希尔伯特空间,以获取更准确的稀疏表示来快速识别PAF。经麻省理工学院-贝斯以色列医院房颤数据库验证,获得98.71%的敏感性、98.43%的特异度和98.57%的总准确率。因此,该研究对检测短暂发作的PAF有实质性的改善,在临床监测和治疗方面显示出良好的潜力。

自适应模型更新相关滤波目标跟踪方法

为了解决目标因遮挡、跟踪框发生漂移后相关滤波跟踪算法仍持续更新目标模型和滤波器模型,导致背景信息被更新到目标模型和滤波器模型中的情况,提出一种自适应模型更新策略。采用相关滤波方法得到新的目标位置;提取新目标位置的统计协方差特征并计算其与协方差模板的相似性;根据相似性判断是否更新目标模型和滤波器模型。实验结果表明:所提方法有效解决了因目标形变、遮挡等情况导致目标模型和滤波器模型的更新问题,提高了相关滤波目标跟踪的精度。