面向目标检测的稀疏表示方法研究进展

目标检测作为图像理解的一个基础而重要的课题深受国内外学者的重视,在军事和民用中具有广泛应用.应用背景的多样性和复杂性使得传统目标检测算法难以克服复杂背景、噪声干扰、光照变化以及非刚体形变、遮挡、弱特征、尺度、视角和姿态变化等因素的影响.近些年来发展起来的稀疏表示方法为图像处理及目标检测研究提供了新的思路,本文概述了稀疏表示基本概念和理论研究进展,综述了稀疏表示方法在目标特征学习、目标分类器和滤波器设计以及多源信息融合目标检测等目标检测领域中的国内外重要研究进展,并展望了稀疏表示方法在目标检测领域的发展方向.     

基于Legendre神经网络的单目视觉相对位姿解算

将BP神经网络、RBF神经网络以及Legendre正交基神经网络应用于单目视觉相对位姿强非线性解算,并且在梯度下降法的基础上推导了Legendre正交基神经网络的最优权值,最后进行了相应的仿真及物理实验.实验结果表明,基于Legendre正交基神经网络的单目视觉相对位姿解算方法不仅精度高、鲁棒性强,而且实时性较好.     

一类非线性滤波器—— UKF 综述

回顾了UKF算法的发展，从一般意义讨论了UT变换算法和采样策略的选择依据，并给出了UKF算法描述．从条件函数和代价函数入手，在给出多种采样策略的基础上对UKF采样策略进行了分析和比较．最后对UKF算法未来可能的研究方向进行了探讨．     

受限工作模式下航迹融合多目标跟踪算法研究

针对实际目标跟踪系统中，传感器工作常常受到限制，以满足跟踪精度和隐蔽性双重 要求的工程应用问题．研究了杂波环境下，采用红外(主传感器)始终工作、雷达(辅传感器) 间歇工作的特殊传感器工作模式，红外\雷达双传感器航迹融合多目标跟踪算法及实现．仿 真表明可以达到跟踪精度与隐蔽能力兼顾的系统要求．     

证据推理的鲁棒性研究

在处理不确定信息的方法中,证据推理性能突出、应用广泛,它的鲁棒性分析十分必 要.首先基于证据推理的目的和要求,给出证据推理鲁棒性的定义,并提出冲突率的新概念,以 此为尺度对Dempster规则、加权分配冲突法和吸收法的鲁棒性进行了深入分析,证明了各方法 鲁棒性结果.仿真结果表明改进的组合规则鲁棒性能得到了明显增强.最后给出证据推理的一 般情形的鲁棒性分析.     

基于模型切换的自适应背景建模方法

提出了一种基于模型切换的背景建模方法 (MSBM). 该方法以熵图像为纽带, 实现了不同精细程度的背景模型在空间上的自适应选取和在时间上的自适应切换. 对于亮度分布复杂度高的背景区域采用精细的模型以保证运动目标检测的精度, 反之采用简单的模型以降低计算量. 通过模型结构自适应结合参数自适应, 很好地兼顾了检测精度和计算代价. 基于高斯混合模型和时间平均模型的双模型切换式运动目标检测算法被用于实验研究, 结果表明这种算法的检测效果和单独采用高斯混合模型的检测效果相当, 而计算速度却比后者提高很多.     

模糊控制在除氧系统中的应用

除氧系统具有多输入、多输出、大滞后、时变性、非线性等一系列特点,除氧器的温度和压力相互影响,是一种强耦合系统,其精确数学模型难以建立。为了达到除氧目的,必须保证温度和压力的恒定,而常规的基于PID算法的控制器很难保证运行指标。提出了一种基于模糊控制理论的设计方法,采用M at-lab对设计的系统进行仿真,结果表明:模糊控制效果优于传统的PID控制。     

再生纤维素/胶原蛋白复合伤口敷料的制备及其性能评价

用高碘酸钠将再生纤维素膜(RC)部分氧化,得到具有醛基的2,3-二醛纤维素膜(DARC,醛基含量为6.11%),再通过席夫碱反应将胶原蛋白固定到DARC膜上,制备得到DARC-Col复合敷料。SEM结果显示DARC-Col复合敷料具有多孔网络结构。该材料具有良好的机械性能(拉伸强度78.09MPa,断裂伸长率9.59%),溶胀性能(182%),透湿性(703.72g/m2·d)和保水性(20%)。NIH-3T3小鼠成纤维细胞实验结果表明,该材料能有效促进细胞的生长和增殖,具有作为理想的伤口敷料应用于伤口修复治疗的巨大潜能。     

一种基于矩特征和特征光流的运动目标跟踪方法

提出了一种基于矩特征和特征光流的运动目标跟踪方法.首先进行角点特征提取,按照提出的基于矩特征的局部范围内匹配角点的策略,完成了序列图像的角点匹配;然后,按照本文提出的光流聚类准则完成了两个图像目标的聚类.仿真实验表明,本文算法在减少计算量的同时可提高跟踪精度,且可克服目标做小角度旋转时的失跟问题.     

基于MSSTO与NSCT变换的可见光与红外图像增强融合

针对红外与可见光图像融合结果中边缘区域失真严重、对比度差的问题,提出一种基于多尺度顺序 翻转算子(MSSTO)和非下采样轮廓波变换(NSCT)的图像增强融合算法.首先,采用NSCT将图像分解成 高低频系数;其次,利用MSSTO从低频系数中提取出有效的亮、暗信息,并将其注入到融合低频系数中以 合成最终低频系数;再次,高频系数采用局部空间频率加权(LFSW)与区域能量取大的融合方案;最后,对 合成的高低频系数进行反NSCT得到融合图像.实验结果验证了所提出算法的有效性.