鲁棒精确的点模式仿射变换参数估计和对应性匹配

仿射变换下的点模式匹配和参数估计是计算机视觉中的重要研究课题 ,其关键是寻找对仿射变换不变的不变量。与传统使用矩或交比作为不变量不同 ,我们考虑一种具有仿射不变性的并且正交唯一和尺度归一的坐标系———本征坐标系 ,证明了仿射变换前后的两个点模式经白化变换后映射为由一旋转变换联系的两个本征点模式 ;并在此基础上 ,我们开发了无须点对应性仅需点模式整体对应的仿射参数估计算法 ,该算法能在仅已知两个点模式整体对应的条件下精确估计它们所历经的仿射变换参数的同时 ,正确地确定它们的逐点对应性 ;通过融合进随机采样最小子集型鲁棒估计技术 ,我们进一步开发出仿射参数的无对应性鲁棒精确复原算法。实验表明该算法具有计算简便、快速、有效 ,参数估计精度高 ,鲁棒性好 。

基于广义遗传算法的全局优化方法

Generalized genetic algorithm is based on some famous modern biologics theories such as the genetic theory by Morgan, the general system theory by Bertalanffy, and etc, so it is superior in biologics to classical one. It is shown in present paper that the global optimization based on genealized genetic algorithm is feasible for large scale engineering.

基于深度属性学习的交通标志检测

为了弥补交通标志底层图像到高层语义之间的鸿沟,本文引入交通标志的形状、颜色、图案内容三种视觉属性,在卷积神经网络(Convolutional neural network,CNN)中加入属性学习(Attribute learning)约束,同时进行交通标志属性学习和分类学习,提出了一种基于深度属性学习的交通标志检测方法。并在公开数据集Sweden traffic sign detection dataset(STSD)和German traffic sign detection dataset(GTSD)上进行的实验结果表明,该方法能够有效地提高交通标志检测的准确率和召回率。

船辐射噪声高阶谱分析和标记图

实验数据揭示了一些舰船辐射噪声通过在频带上连续排列的窄带滤波器组后，各频道中的幅度调制很相似，这是舰船噪声的一个很有应用前景的目标特性。文章还研究了用高阶谱高阶统计的信号处理工具来提取和保留幅度周期调制的相位信息，并给出了计算机模拟结果，实际船噪声结果和具体提取方法。利用这些相位信息和双谱的幅度信息可以重建周期调制信号，并称这个重建波形为这条船的标记图。最后调查了三条船的标记图与本船及不同船的实际幅度调制之间的互相关系数，本船的互相关系数要比不同船的互相关系数大许多。

基于树状小波分解的多传感器图像融合

提出了基于树状小波分解的多传感器图像融合方法 ,它能够在一定的能量准则下 ,自适应地根据图像特征进行子带分解和融合 .对可见光图像与红外图像、可见光图像与毫米波图像进行融合的实验结果表明 ,所提出的方法比传统的金字塔形小波分解具有更好的融合效果 .

煤矿智能化调度室多媒体图像图形系统研究

分析了煤矿智能化调度室多媒体图像图形系统的构成和标准，该系统由图像处理、图形处理、图像图形显示等部分组成，其中重点分析了图像处理部分．图像采集采用ＰＣＩ总线图像采集卡并将采集后的图像存储为ＢＭＰ的格式；因为来自井下的工业电视图像质量较差，图像增强处理主要采用直方图修正法特别是线性拉伸变换的方法以取得较为理想的图像；视频图像切换器采用了国际流行的矩阵切换设计方法，现场使用非常稳定、可靠；图像远程传输采用波分复用技术，极大地降低了成本．

计算智能中若干热点问题的研究与进展

对计算智能中的一些热点问题进行了系统的剖析 ,重点阐述了前向网络的映射和表达问题、网络的泛化问题、网络的拓扑结构学习问题、网络对于离散点集的全局最优逼近问题、遗传算法和模拟退火算法的研究进展和其中存在的一些共性问题 .通过将模拟过程及理论证明过程和真实的生物过程、物理过程及数学逼近过程进行对比分析 ,揭示了目前引起广泛争议的一些热点问题的产生根源 .在提出问题的同时 ,也提出了一些研究思路和解决方案供研究者参考和研讨 .

智能故障诊断

一、引言长期以来,基于动力特性的结构故障诊断方法一直是国际学术界和工程界关注的热点,但至今缺乏有效的解决方案。结构故障诊断的核心是损伤识别与定位,其中,损伤定位问题尤为困难。损伤识别属于广义模式识别的范畴,因此,从逻辑的角度讲,要进行损伤识别与定位,首先需要解决损伤标识量的选择问题,即决定以哪些物理量为依据能够更好地识别和标定损伤的程度与方位。我们发现,用于损伤识别的物理量可以是全局量,如结构的固有频率等,但用于损伤定位的物理量最好是局域量。

模糊B样条基函数神经网络的遥感图像分类器

本文针对遥感图像分类的特点 ,提出了一种基于模糊B样条基函数神经网络的遥感图像分类器。该分类器采用B样条函数作为模糊隶属函数 ,将模糊技术与神经网络相结合 ,利用神经网络实现模糊推理 ,从而使系统具备了自适应的特性。实验结果表明 ,这种基于模糊B样条基函数神经网络的分类器经过训练后 ,可应用于遥感图像的分类 。

智能计算中的热点问题

1 引言人工神经网络研究热潮的再度兴起有其客观的历史背景。50年代以来,以符号机制为代表的经典人工智能形式体系取得了巨大的成功.80年代,当人们对过去30年的成就与问题进行反思时,却不得不承认,智能系统如何从环境中自主学习的问题事实上并未很好地解决。从逻辑的角度讲,以演绎逻辑为基础的算法体系可以发现新的定理,却无法发现新的定律。换句话说,基于符号推理的经典人工智能形式体系在机器定理证明方面的成功和在规则提取方面的失败同属必然。事实上,早在50年代,那些热衷于研究知识发现内在逻辑的人们就已经隐约地意识到,归纳逻辑、尤其是不完全归纳逻辑是通往知识发现的合理途径。

多层前向网络的逼近与泛化机制

对多层前向网络的实际逼近过程进行了系统的分析，对前向网络泛化问题的数学和逻辑根源进行了阐述。研究表明，多层前向网络的实际逼近过程所基于的数学空间和Ｋｏｌｍｏｇｏｒｏｖ等人关于理想网络映射能力的数学证明所基于的数学空间是不同的，它们是两类性质不同的逼近问题，具有完全不同的逼近机制。

面向21世纪的计算智能研究与思考

1 引言人工智能(AI),广义地讲就是用计算机模拟和再现人类的某些智能行为。从方法论的角度,AI大致可分为3种基本类型:1)以符号操作为基本特征,以演绎方法为逻辑主体,从抽象层次模拟和再现人类某些智能行为的符号机制(Symbolism);2)以大量神经元的相互连接和作用为基本特征,以归纳方法、尤其是不完全归纳方法为逻辑主体。

自联想神经网络的遥感图象主分量提取

提出了一种自联想神经网络的遥感图象主分量提取方法．这种方法可以应用于图象的压缩、特征提取和图象滤波中．实验结果表明：自联想神经网络算法简单、易于实现。

基于知识的结构故障诊断理论

一、引言长期以来,基于动力特性的结构故障诊断方法一直是国际学术界和工程界关注的热点。结构故障诊断主要包括3方面的内容:1)结构损伤识别;2)结构损伤定位;3)结构损伤程度的标定和评价。损伤识别是进行结构故障诊断的基础,目前国际上关于结构故障诊断的研究多集中在损伤识别的层次上;损伤定位是进行结构故障诊断的核心,也是问题的难点所在。目前。

基于广义正交概念的K -RANSAC椭圆提取

开发了一个使用广义正交概念的K -RANSAC椭圆提取算法 .该算法通过使用广义正交概念 ,成功地把圆的所有性质推广到椭圆 ;通过仿射变换把水平 -垂直种子点对一般化为任意种子点对情况 ;通过对边缘点集的归一化运算 ,有效地正则化了提取椭圆的边缘点集的病态性 ;通过直接估计椭圆参数的广义本征分析技术 ,进一步提高椭圆的可检测性和拟合精度 .理论分析和实验结果表明 ,所开发的椭圆提取算法具有鲁棒性强、适用范围广、精度高和速度快等优点 .

从双视图复原三维形状的新算法

为了能鲁棒精确地从目标的双视图复原其三维视觉信息 ,基于随机采样最小冗余子集新概念 ,并利用数据正则化技术 ,开发了一个根据目标的双视图特征点对集合 ,能鲁棒精确地复原其三维视觉信息的新算法 .由于该算法有如下优点 :1随机采样大幅度减少了子集的采样次数 ,并能确保好子集被采样到 ;2被采样到的最小冗余子集中的冗余信息能有效地用于检验该子集的正当性和优劣程度 ;3数据正则化技术又可有效地克服由数据病态带来的计算不稳定性 .因此 ,在强噪声、高出格点率的恶劣条件下 ,该算法仍能高精度地复原目标的三维视觉信息 .

连续情境学习:迈向高适应性通用智能的重要一步

近年来,以深度神经网络为代表的人工智能得到快速发展,引起社会各界的广泛关注。随着计算能力的提升和大数据时代的来临,深度人工神经网络在图像的分类和检测、序列学习等领域已取得令人瞩目的成绩,在围棋、星际争霸等竞技游戏中也超越了人类的顶尖选手。但是,人们普遍认为,在目前的人工智能与类人的通用智能之间,还存在巨大的能力鸿沟。而大脑作为实现了通用智能的唯一样本,为今后人工智能的发展提供了一个绝佳的参照。本文就大脑智能的两个重要方面,即连续学习和情境学习进行介绍,并结合类脑计算领域相关的最新进展,讨论这一研究方向将如何促进神经网络逐步迈向高适应性通用智能。

计算智能的研究与思考

通过对近20年来基于连接机制和基于进化机制的人工智能形式体系所取得的成就和存在的问题进行了系统的回顾,就目前引起学术界广泛关注的一些热点问题进行了剖析,探讨了这些热点问题产生的根源,并提出了一些新的研究思路和解决方案。在此基础上,对该领域的未来发展趋势进行了预测。

边相关的联合彩色去马赛克和放大算法

提出了一个新的联合去马赛克和放大算法,适合于覆盖有彩色滤波阵列的单传感器数码相机.该算法基于原始彩色滤波阵列图像中的局部梯度,估计插值方向,并一致应用于后续的去马赛克和放大过程中.实验结果显示,该算法显著优于其他现存的相似算法.