基于背景权值的Mean Shift空中目标跟踪算法

传统均值漂移(Mean Shift)算法在目标快速运动且背景区域变化时易丢失跟踪目标。提出了一种基于背景权值的Mean Shift空中目标跟踪算法。该算法使用了背景权值直方图和背景模型更新,降低了背景区域对目标跟踪的影响。试验结果表明,在目标快速运动且背景区域变化时,该算法能准确跟踪目标并具有很好的鲁棒性。

自适应权值的静态背景提取与更新算法

对比了多种视频中的静态背景提取方法,针对这些方法各自的局限性,提出一种新型的背景提取更新方法。该方法通过引入新参数背景权值及其变化量,背景权值作为评判背景可靠程度的标准,以其数值大小控制背景的维持或者更新。对每一帧图像进行二次判定,将读入的图像元素进行分类,分别产生不同的背景权值变化量,通过背景权值变化量控制背景权值。实验验证表明该方法具有原理简单,运算快捷,更新速度较快且抗前景干扰能力强的优点,而且通过调节定值参数可以适应多种不同情况下的背景提取。

基于PRGM-Markov链的管道腐蚀动态预测技术

为研究管道腐蚀发展规律,对管道剩余寿命进行有效预测,结合灰色理论(GM)和马尔科夫(Markov)链模型,从无偏优化、等维信息更新等方面对GM模型进行完善,采用粒子群(PSO)算法对背景权值进行优化,再根据预测时产生的相对误差范围划分状态区间,并引入Markov链模型对预测值进行修正。结果表明,背景权值的选取对于模型预测精度影响最大,优化后的PRGM-Markov链模型预测结果的平均相对误差为1.02%,与RGM (1,1)模型相比,精度提高了47.42%,最大相对误差仅为2.89%,说明该模型可有效改善原灰色模型的预测结果,并适用于中长期存在较大波动的管道腐蚀深度预测。

基于灰色关联模型优化的空气质量分析与可视化

传统的数学预测模型对于小样本空气污染物数据预测的误差较大,不利于空气质量发展特征的科学分析。为优化灰色模型在空气质量预测分析中的精度,计算GM(1,1)模型、多项式回归残差修正GM(1,1)模型、PSO背景权值优化GM(1,1)模型预测值与实际值的灰色关联度,以关联度为依据使用数学方法确定各模型的权重系数,重新构建一个高精度的灰色关联组合模型,以获取各城市的PM10、PM2.5浓度预测值。河南省城市空气质量预测结果显示,该模型能够给出可视化的图表预测结果,便于研究者对区域性的空气质量发展规律进行分析探究;相比单一的灰色模型而言,该模型的预测误差小、稳定性强、可视化分析效果突出。