基于DR/EM的工业烟包图像异常检测研究

视觉表面异常检测旨在检测明显偏离正常外观的局部图像区域。近期图像异常检测方法通过生成模型构造模拟正常图像区域,但在异常情况下效果不突出。面对其缺陷数据集资源匮乏的情况,DR/EM在模拟数据集方面效果突出,该方法学习异常图像的联合表示以及正常重建,并学习异常图像和正常图像的决策边界。此方法可实现直接异常定位,并可使用简单和通用的异常模拟进行训练。实验结果证明了此方法在实际烟包异常检测任务中的有效性。

新的非线性滤波算法在GPS/DR组合导航中的应用

为解决传统粒子滤波算法中样本贫化的问题,提出一种新的粒子滤波算法.在重要性采样过程中,利用最新测量值,结合UKF滤波来产生粒子滤波中的建议分布;同时在再采样过程中,用高斯混合模型表示后验状态密度,引入最大期望(Expectation Maximization,EM)算法来获得该后验状态密度的参数,从新的参数分布中进行采样得到样本粒子,取代传统的再采样过程.把新算法应用到车辆组合导航系统中,仿真结果表明新算法的有效性.