一种改进自适应权重稀疏区域立体匹配算法

立体匹配是根据两幅或者多幅具有一定视差的图像,获得图像之间视差图的过程.针对自适应权重立体匹配算法难以同时满足精度和速度的不足,提出一种符合人眼视觉特性的改进自适应权重稀疏区域立体匹配算法.首先对权重公式进行改进,改进后根据公式计算每个点的权重,其次对图像进行稀疏的区域匹配获得稠密视差图,然后将所得视差图进行左右一致性检测及遮挡填充,最后对视差图进行中值滤波,以去除孤立的误匹配点和噪声点.实验结果表明,改进方法比Yoon的自适应权重算法匹配效率提高了90多倍,比SSD精度提高了12.34%,能够快速的获得精确的视差图,满足系统对实用性的要求.

基于矢量匹配的人口稀疏区域乘车出行算法研究

郊区及新建市区等人口稀疏区域的人们乘车出行多有不便,为消除这类区域乘车出行的缺陷,进行了出行算法研究.本文提出了矢量匹配算法和接载路径算法.首先,对出行者请求的出发地和目的地位置信息与服务区域道路网主路线进行方向匹配;其次,对所有匹配成功的请求位置信息进行全局最优路径规划;最后,根据路网模型并结合出行算法给出实验数据分析和结论.研究结果表明:本文提出的出行算法具有常规公交车所不具备的人性化的点到点服务特征,服务品质高,乘车费用较出租车费用实惠,平均每位出行者的乘车时间在可接受范围内,乘客满意度较高,可以很好地满足人们出行方便快捷的意愿.

基于区域稀疏回归模型的三维人脸特征提取算法

人脸识别是生物特征识别领域的一个重要研究内容,并因为具有深厚的学术背景和广泛的应用前景从而被大学者关注。根据三维人脸不变特性描述的数据特点,引入了区域稀疏表示和低秩矩阵恢复理论。通过谱回归和矩阵完整性约束,从带噪声的原始数据中得到干净的输入数据,获得鲁棒的低秩投影矩阵,并将低维特征矢量应用在三维人脸识别中。实验结果说明本文提出的三维人脸特征提取算法具有更多的辨别性、鲁棒性和通用性,具有良好的三维数据表达能力。

基于时间区域稀疏相关滤波的分层特征融合追踪算法

目的:利用卷积网络的不同层提取分层特征,结合区域稀疏性解决特征所引起的边界效应,提高基于相关滤波的追踪算法的成功率和精确度。方法:在分层卷积特征追踪算法的基础上,利用稀疏性和峰值旁瓣比,提出新的基于时间区域稀疏滤波的分层特征融合追踪算法。首先,该算法提出时间区域稀疏相关滤波算法,利用深度卷积网络提取的不同层次特征学习不同的相关滤波;其次,利用所学的相关滤波确定下一帧图像的目标响应图;最后,利用峰值旁瓣比确定不同响应图的权值,得到融合的响应图,从而确定目标的位置。结果:经过采用精度图和成功率图作为评价标准,在标准数据集上与9种跟踪算法进行对比实验。实验结果表明,本文所提的追踪算法在OTB100上的成功率为0.685、精度为0.834,比现有的一些流行算法具有更好的追踪性能。结论:本算法利用区域稀疏性忽略干扰特征,利用时间正则项学习前后帧相关滤波的关系,并用新的响应图融合方法提高追踪算法的性能。

一种新的子空间聚类算法

通过对数据空间进行网格划分并寻找稀疏区域来发现类的边界,提出了一种基于密度与网格的新的子空间聚类算法.该算法使用投影寻踪的搜索策略来发现存在于子空间内的类,同时运用基于竞争的修剪方式来有效地控制算法的计算复杂性.实验结果表明,所提算法在精度、时间复杂性等方面具有优良性能.

基于成绩标量函数搜索的分解多目标进化算法

基于分解的多目标优化算法在整个进化过程中由于种群规模和权向量保持不变,容易导致种群多样性下降和早熟收敛。针对这一问题,提出了一种基于成绩标量函数搜索的分解多目标进化算法。为使基于分解的多目标优化算法对决策空间均匀探索,首先通过分析当前种群的稀疏度,设计了一种自适应基于成绩标量函数的局部搜索策略,动态地增加种群规模和权向量;其次,提出了一种具有自适应缩放因子的改进混合差分算子,平衡算法的全局探索和局部开发能力。通过对10个函数进行数值实验,并与5种经典的多目标优化算法和6种基于分解的多目标优化算法相比,数值结果表明所提算法能够获得分布均匀且充分靠近Pareto最优前沿的解集。

自然最近邻优化的密度峰值聚类算法

针对现有的基于密度的聚类算法存在参数敏感,处理非球面数据和复杂流形数据聚类效果差的问题,提出一种新的基于密度峰值的聚类算法。该算法首先根据自然最近邻居的概念确定数据点的局部密度,然后根据密度峰局部密度最高并且被稀疏区域分割来确定聚类中心,最后提出一种新的类簇间相似度概念来解决复杂流形问题。在实验中,该算法在合成和实际数据集中的表现比DPC(clustering by fast search and find of density peaks)、DBSCAN(density-based spatial clustering of applications with noise)和K-means算法要好,并且在非球面数据和复杂流形数据上的优越性特别大。

WSN中基于多波束转换天线的网络拓扑控制算法

针对WSN中节点分布不均问题,提出采用区域划分策略基于多波束转换天线的网络拓扑控制算法SRADTC.算法通过关键邻居节点数将网络划分为若干个相互重叠的稀疏区域和稠密区域,稀疏区域按最小生成树算法进行拓扑控制,稠密区域按K邻居拓扑控制算法进行拓扑控制.用有边界的Pareto分布建模节点分布,仿真表明:SRADTC算法在保证网络连通性的同时,相比传统拓扑控制算法提高了网络的性能.

基于相关子空间的扩展隔离森林离群检测算法

扩展隔离森林离群检测作为一种集成离群检测方法,可选取随机斜率的超平面,具有将离群数据与正常数据对象快速分离,时间复杂度较低等优点,但隔离树超平面选取在数据集密集区域或含有无关维度数据区域时,严重影响了其离群检测的效果。采用相关子空间思想和方法,提出了一种扩展隔离森林离群检测算法。该算法利用高斯混合模型确定数据对象的相关子空间,从而保证了能够在稀疏数据区域中选取隔离树的切割超平面;隔离树分枝分割优先在稀疏数据区域中,选择隔离树超平面的随机截距点,可快速地将离群数据对象从稀疏数据区域中隔离出来,从而避免了在超平面的随机斜率选取时无关属性维度的干扰;将每个数据对象在各隔离树上的平均路径长度归一化后作为离群得分,并选取离群得分最大的若干个数据对象作为离群数据;在UCI数据集上通过实验验证了该算法的有效性,以及抽样数、隔离树个数和近邻数参数对其离群检测效果的影响。

基于特征地图维护的视觉里程计改进

针对帧到帧模型里程计中特征点的冗余、耗费计算资源的问题,提出一种自适应特征提取与匹配的视觉里程计算法。对局部地图特征区域分块,在已有特征区域分块的基础上,基于稀疏化保留冗余特征区域中的高效特征点;针对特征区域中特征匹配点不足的情形,从局部地图中补充方向性和尺度性良好的ORB(oriented FAST and rotated BRIEF)特征点,利用补充的特征点二次匹配;结合PnP(perspective-n-point)估计姿态,实现SLAM的前端视觉里程计。采用TUM(Technische Universit t München)通用数据集验证,并与其它算法在前端时间、特征点数量、轨迹绝对误差等方面对比,对比结果表明了改进算法在上述特征效果的优势。