基于非周期性提取像素的全景图像三维重构

图像深度信息提取是三维图像重建的关键,利用匹配算法可以达到对全景成像可控处理的目的,因此在非周期性提取像素基础上完成全景图像三维重构。首先采用非周期性像素提取解决成像过程中出现的失真问题,构建无失真图像;通过立体视图系统和独立立体视图系统对全景图像重建处理,利用SSD计分准则的块匹配算法,对微透镜记录的两幅图像计算提取,同时运用邻域限制与放松方法深度提取全景图像;并依据最佳视差值及多基线立体匹配算法过滤出更准确信息,以采用差值算法实现更高精度的三维重建。仿真结果表明,所提方法具有较高适用性,计算过程简便、图像特征采集快。

基于ANFIS混合模型的短时交通流预测

城市短时交通流预测可以帮助人们选择出行最优路线,提高出行效率,其研究在交通拥堵日益严重的今天十分必要.受天气等多种因素影响,短时交通流的精确预测比较困难,为改善短时交通流预测的精度,本文提出了一种基于自适应模糊推理系统(ANFIS)的混合模型.该混合模型用周期性知识模型及残差数据驱动ANFIS模型集成得到.为验证所提出的混合模型的性能,与倒向传播神经网络(BPNN)模型和普通ANFIS模型进行对比.实验结果证明混合模型在交通流预测方面有更好的适用性和准确度.