自适应邻域值选取的LLE算法研究

局部线性嵌入(LLE)是一种重要的流形学习算法,已广泛应用于图像处理和多维数据的可视化等领域,但其算法性能一直受邻域选择盲目性的制约.传统的邻域选择算法没有同时考虑高低维数据的分布情况,且没有对无效邻域点做出相应的处理,使自适应结果受初始值影响较大.为此,提出新的自适应流形学习思想,用邻域点到切平面坐标映射函数的一阶泰勒逼近,初步确定出局部邻域值;然后利用关于高低维分布差异性函数的邻域调整策略和权值邻域思想,对初始邻域值进一步调整.该方法提高了LLE邻域选取算法的稳定性,同时减小无效邻域点被选中的可能.仿真表明,基于本文方法确定的自适应结果在不同的初始邻域值下基本一致,在人工数据集Swiss-roll上获得理想稳定的降维效果.

一种旋转运动估计稳像算法的研究与实现

针对摄像机在拍摄视频图像时存在抖动问题,包括平移运动和旋转运动,提出一种旋转运动估计稳像算法.该旋转运动估计稳像算法主要以灰度投影算法为基础,并对灰度投影算法进行了一定的改进,用于估计旋转角度矢量,解决了视频图像序列的较小角度旋转运动;同时提出采用分块灰度投影算法,解决了由于存在局部运动物体所造成的稳像精度问题.实验表明,该方法能够有效解决视频图像序列的旋转问题,通过FPGA实现的电子稳像系统,能够满足实时性要求,且能够输出稳定流畅的实时视频,从而提高视频的质量.

USB在动态可重构总线测试系统中的设计

UM-BUS总线单通道最高通信速率为200 Mbps,采用8通道并发传输时,总线有效带宽可达149.5 MB/s,其测试系统需要在采集终端与PC机之间建立不低于此带宽的通信通道,USB3.0理论传输速率可达5Gbps,可满足UM-BUS总线测试系统的传输需求,由此设计实现UM-BUS总线测试系统的USB3.0应用方案。实验测试结果表明,该方案实际传输速度可达180 MB/s,为实现UM-BUS测试系统的无过滤监听和故障注入等功能打下了基础。

UM-BUS总线测试系统中PCIe的设计与实现

UM-BUS总线单通道理论带宽可达200 Mb/s,采用16通道并发传输时,理论带宽可达400 MB/s,其测试系统需要在数据采集终端与PC之间建立不低于此带宽的通信通道。PCIe1.1采用4通道传输时理论带宽可达1 GB/s,满足了UM-BUS总线测试系统的传输带宽需求,由此设计实现了UM-BUS总线测试系统的PCIe1.1 x4链路通道的应用方案,给出了基于FPGA的PCIe总线的BMD传输方案。测试结果表明,该方案实际传输速度可达550 MB/s,满足UM-BUS总线测试系统的带宽需求。

动态可重构总线测试系统的模块设计

动态可重构总线UM-BUS是一种以多通道并发冗余实现动态容错的新型高速串行总线,其测试系统通过对总线数据的采集和处理,完成无过滤监听数据、总线状态分析等测试功能.总线测试系统针对有效带宽为149.5MB/s的8通道UM-BUS总线,设计高速缓存方案和通信方案,主要通过对数据的分类多级缓存和USB3.0传输方式,实现PC对总线数据的实时采集.结果表明,测试系统能够对UM-BUS总线的高速数据进行实时采集和存储,数据可靠性也得到验证,为实现总线状态分析和有过滤监听等功能做好准备.

基于迁移学习的甜菜褐斑病识别方法

为减少农业专家评估甜菜实验植株病情需要的大量时间和精力,使评估更加客观,提出基于迁移学习的褐斑病自动识别方法。在甜菜田地中,使用架设在拖拉机上的摄像机拍摄甜菜植株的视频,随机提取视频截图交由农业专家进行评估并记录标签;对视频截图进行多次随机裁剪,和标签一起构成实验的数据集。将甜菜褐斑病病情评估建模为一个回归问题,以预训练的CaffeNet为原型,通过微调(fine-tuning)方法重新训练出新的模型解决该问题。实验结果表明,该模型对褐斑病病情的评估均方根误差达到了0.63,训练的深度卷积神经网络能够完成对甜菜褐斑病病情的评估。

改进的RANSAC基础矩阵估计算法

为了提高基础矩阵估计的精度,本文对随机抽样一致性算法(RANSAC)提出三点改进.首先使用分块采样和离散度约束机制改进样本采集策略,避免出现样本点集中的情况,其次,根据每组样本对应的基础矩阵计算所有匹配点到对极线距离的均值来自适应设定阈值,判别内外点,选择内点最多的匹配点集为初始内点集,最后使用M估计法,对内点设定权重因子,减小定位误差点对基础矩阵的影响.对模拟数据和真实图像做了大量实验,与现有算法相比较,本文算法对存在误匹配和高斯噪声的情况均具有良好的性能提升,有效的改善了基础矩阵估计的精度.

UM-BUS总线通道故障检测方法

UM-BUS总线是一种可动态重构的高速高可靠通信总线,提出了一种三段式通道健康状态检测方法,构建了一个通道健康状态表,实现了通道故障的在线实时检测与动态标记,通过动态重构将通信数据动态分配到健康通道上进行传输,保证了总线在通道出现故障的情况下的正确通信.通过UM-BUS总线实际系统测试与仿真验证表明,此设计的故障检测方法,可以有效地检测各种通道与节点故障,能够满足UM-BUS总线系统的应用需求.

基于网络演算的动态可重构总线建模及关键参数确定

嵌入式系统在使用UM-BUS总线时,总线仲裁时隙大小、协议包大小等关键参数对总线性能有很大的影响;必须通过数学模型建立与仿真分析等手段确定总线关键参数,确保总线传输时延满足系统的实时性需求.本文针对UM-BUS总线的实时性进行了建模和分析,利用网络演算理论建立了总线系统数据服务模型,得出了数据传输时延上界的解析结果表达式.给出了一个典型的无人艇控制系统实例,确定了最优的关键参数设置.通过仿真分析结果与实验统计结果的对比,验证了模型的准确性.

多纹理分级融合的织物缺陷检测算法

针对织物缺陷检测过程中纹理分布的复杂多样性引起误检和漏检的问题,结合织物纹理周期性特点,提出一种多纹理分级融合的织物缺陷检测算法。在检测过程中,首先利用织物缺陷图像的Tamura粗糙度图,对缺陷区域进行初步定位和自适应性生长,将初步定位的区域映射到原始织物图像中;其次根据织物图像的周期性分布特征,对初步定位区域进行分块,提取图像块的局部相位量化(LPQ)特征、Tamura特征,并将2种特征融合;然后计算融合特征与正常块特征的相似度,获取相似度图;最后将初步定位区域的经纬向特征图与相似度特征图融合,检测缺陷存在的区域。经TILDA织物纹理库数据的实验测试结果表明,缺陷区域的初步定位和自适应生长,降低了缺陷检测过程的冗余度,提高了检测效率,避免了织物缺陷检测过程中的误检和漏检情况。

基于数据对象规模的Rank级内存分配方法

利用主存的多bank/rank/channel结构挖掘访存并行性和局部性,是提高系统性能的重要手段.相关研究工作通过sub-rank技术增加可并行工作的存储资源,或在并行程序之间对bank划分,以隔离访存冲突.但上述方法没有考虑在bank/rank资源共存的情况下,单个程序内部数据对象间的冲突问题.通过观察数据在主存中的分布,发现程序的数据倾向聚簇于单个rank中,并提出了一种基于数据对象规模的rank级内存分配方法(data object scale aware rank-level memory allocation,DSRA).DSRA将冲突开销较大的数据对象分散到不同的rank,利用增长的bank/rank资源提高访存性能.DSRA工作在操作系统层,基于编译器和操作系统提供的信息来分析数据对象间的冲突开销,既不用修改源码,也不依赖特殊的底层硬件.基于2款真实处理器对来自NAS Benchmark和SPEC CPU2000中的存储敏感型基准测试程序进行评测.结果表明,在不影响cache失效率的情况下,DSRA通过减少主存访问周期数,可以降低程序的执行时间.与已有的优化技术相比,性能平均提高6.8%,最高性能提升幅度为16%.

团块建模与粒子滤波相结合的行人目标视觉跟踪

针对粒子滤波算法在遮挡情况下导致视觉跟踪不稳定甚至丢失目标的问题,提出了一种基于团块建模与粒子滤波相结合的目标跟踪算法。首先通过图像分割的方法得到视频帧中的初始目标,并构建目标团块模型;然后基于多团块目标信息并结合粒子滤波算法进行分块跟踪;最后利用高斯加权的方式,得到最终的目标预测位置。实验结果表明,该算法具有较强的鲁棒性,尤其是在遮挡的情况下能够实现目标的稳定跟踪。

基于点云模型的人体尺寸提取算法

针对人体尺寸自动提取的问题,提出一种基于PCL点云库的交互式算法。通过单台Microsoft Kinect采集人体点云数据,使用邻域平均法进行去噪预处理;通过人机交互的方式选取特征点得到所对应的点云轮廓;采用改进的凸包算法估算人体胸围、腰围、脖围尺寸。实现了全面的非接触式人机交互,具有操作便捷、速度快的特点。实验结果表明交互式人体尺寸提取方法能够适用于不同人群,改进的凸包算法能够有效地提高尺寸精度;提取的人体尺寸满足GB/T 23698-2009的精度要求。

基于暗原色先验的图像快速去雾

目的针对暗原色先验去雾算法出现的边缘残雾、天空色彩失真以及速度较慢问题,提出一种快速有效的图像去雾算法。方法舍弃传统分块的思想,采用逐像素处理的方法估计透射率,并对估计值过低的透射率进行适当的增强。大气光采用效率更高的四叉树算法来求解。结果有效地解决了边缘残雾和天空色彩失真问题,相比其他算法,去雾后的视觉效果有所提升。透射率和大气光的求解速度都得到一定程度的提高,去雾速度是暗原色先验去雾算法的近4倍。结论实验结果表明,本文算法在保证良好去雾效果的前提下能大幅提升去雾的效率,节省去雾所花费的时间。对于大部分有雾图像,本文算法都能够达到较好的去雾效果,但在处理具有较大景深的图像时,远景部分的去雾效果欠佳。鉴于速度上的优势,本文算法适用于对实时性要求比较高的去雾场合。

局部特征及视觉一致性的柱面全景拼接算法

目的传统的基于平面拼接算法生成的全景图像存在严重的失真问题,很难保证良好的视觉一致性;而普通柱面拼接算法无法较好地满足实时性要求。为此,提出一种基于改进SIFT(scale-invariant feature transform)特征描述子的柱面全景图像拼接算法。方法首先将待拼接的图像序列进行柱面投影,利用改进的SIFT特征检测器获取图像中的特征点,生成64维SIFT特征描述子;然后根据特征描述子之间的欧氏距离提取初始特征点对,利用RANSAC(random sample consensus)方法进一步剔除伪匹配特征点对并建立待拼接图像之间的空间变换矩阵;最后根据图像之间的空间变换矩阵进行图像配准,采用加权平均融合的方法完成图像的无缝拼接。结果本文全景图拼接算法,可以有效地克服平面拼接算法存在的失真问题,保证了全景图像的视觉一致性。同时,相比普通柱面拼接算法,本文算法的拼接速度提高了近一倍。结论通过对不同尺寸和数量的图像序列构建全景图,相对于平面拼接算法和普通柱面拼接算法,本文算法可以有效实现图像之间的拼接,生成宽视野、高分辨率的全景图像,且能够应用于对实时性要求比较高的图像拼接场合。

基于HSV颜色特征和贡献度重构的行人跟踪

在光照、背景变化、遮挡、噪声、快速运动等复杂环境下,准确地实现行人跟踪一直是富有挑战性的任务。针对这些问题,提出基于HSV颜色特征和贡献度重构的行人跟踪算法。在粒子滤波的框架内,从HSV空间提取目标的混合颜色特征生成目标模板集,依据不同区域对跟踪结果的影响对区域进行贡献度分配,并将其引入到一个自适应的正则化模型中,将具有最小重构误差的区域判定为待跟踪目标。为了增强算法的稳健性,跟踪过程中对模板进行实时更新。在OTB 100个序列上进行测试,本文算法得到跟踪结果的平均中心误差和跟踪成功率两项指标分别为0.6624pixel和0.4153,优于同类其他算法。实验结果表明,该算法能够在复杂的视频场景中实现对行人的连续跟踪,且稳健性较好,有利于在实际系统中的实现。

大气模型与亮度传播图相结合的低照度视频增强算法

目的为解决低照度视频亮度和对比度低、噪声大等问题,提出一种将Retinex理论和暗通道先验理论相结合的低照度视频快速增强算法。方法鉴于增强视频时会放大噪声,在增强之前先对视频进行去噪处理,之后结合引导滤波和中值滤波的优势提出综合去噪算法,并将其应用于YCb Cr空间。其次提取亮度分量来估计亮度传播图,利用大气模型复原低照度视频。最后综合考虑帧间处理技术,加入场景检测、边缘补偿和帧间补偿。结果为了验证本文算法的实际效果和有效性,对低照度视频进行增强实验并将本文算法与Retinex增强算法、去雾技术增强算法进行了比较,本文算法有效地提高了低照度视频的亮度和对比度,减小了噪声,增强了视频的细节信息并减轻了视频闪烁现象,从而改善了视频质量。算法处理速率有着非常明显的优势,相比文中其他两种算法的速率提升了将近十倍。结论本文算法保持了帧间运动的连续性,在保证增强效果的同时提升了处理速率,对细节和边缘轮廓部分的处理非常精细,具有目前同类算法所不能达到的优良效果,适用于视频监控、目标跟踪、智能交通等众多领域,可实现视频的实时增强。

反正切色调分化模型的铅笔画绘制

目的在现阶段采用计算机模拟绘制真实铅笔画往往不能够逼近真实效果,主要原因之一是没有考虑到真实铅笔画中的色调较灰度图像有着更明显的暗灰亮层次变化的特性,基于这一问题提出一种新的铅笔画自动生成算法。方法一方面在外轮廓提取中采取了LAB空间色差图与纹理图结合的方法,取代了传统基于梯度图的方法;另一方面保留了纹理色调连续变化的特点,且为了体现色调的分层效果提出了反正切色调分化模型,其核心思想是基于图像暗灰亮图层的像素比例来自适应地调整像素灰度值以达到色调分层的目的。结果本文算法能够避开噪点的影响更好地展示细节,同时解决了直接分层结果中色调变化突然的缺陷,实现了亮度分层与色调连续变化的结合。结论新算法在最终效果上较其他算法的优势体现在两方面,一是轮廓线的连续性更好,对比度更强,其次是纹理的效果能够同时兼顾连续性和分层,这是其他算法做不到的,本文算法适用于所有不同分辨率的彩色或灰度图像,且分辨率越高效果越好。