基于Kinect的自动视频抠像算法

针对传统的视频抠像算法交互频繁、计算复杂度高等问题,利用从Kinect获得的深度图信息、彩色信息以及视频中运动信息,提出基于Kinect的自动视频抠像算法。采用改进的三帧间差分法检测视频中的感兴趣区域（ROI）,根据深度图信息改进自动种子增长区域算法,估算粗略的前景掩膜;通过数学形态学和逻辑操作去除粗前景区域的杂点,自动生成大致的三分图;采用改进的Shared Matting算法,得到精确的视频抠像。实验结果表明,该算法避免了人工交互,精度高且速度快。     

基于球面三角剖分与"距离-星等"加权的导航星表构建方法

针对球矩形法剖分所得网格单元面积不均,且局部相邻网格所选导航星距离较近的问题,提出了一种基于球面三角剖分的导航星表构建方法.该方法采用三角网格代替赤经赤纬网格,使得网格单元面积近似相等,通过引入"距离-星等"加权,改善了局部相邻网格间导航星较近的问题.仿真结果表明:采用本方法所构建的导航星表在完备性没有降低的情况下,存储量小,均匀性好,体现了本方法的有效性.     

分车型的高速公路短时交通流量预测方法研究

针对混合交通流中车辆类型的不确定性和随机性,导致了直接对总车流量进行预测时难以获得较高的预测精度问题,提出一种分车型的流量预测方法.依据各种车型的车流量变化规律不同的特点,选用改进的时间序列算法对大型车和拖挂车的流量进行预测,选用二次指数平滑法对小客车和中型车的流量进行预测;然后通过车辆折算系数将各车型的流量预测值进行加权求和,从而得到总车流量预测值;最后利用渝武高速公路上微波车检器的实测数据对提出的预测方法进行了实验验证,并与非参数回归预测方法和卡尔曼滤波预测方法进行了对比.实验结果表明,无论在工作日还是节假日,分车型的流量预测方法均具有更高的预测精度,该结果为进一步提高高速公路管控能力建立了基础.     

岸站式河湖水质远程监控柜设计与开发

随着我国工业化进程的加速,河湖水体污染现象日益加剧,已经严重威胁到我国的经济和社会发展。鉴于目前河湖水质监测手段落后和水质评价困难的现状,本文设计了岸站式河湖水质远程监控柜。该监控柜主要安放于河湖岸边,利用水质传感器实时采集河湖的水质信息参数,连同监控柜的状态信息等通过无线网络上传至上位机监控平台,对采集到的水质信息进行分析处理,实现了对河湖水质状况的有效监测,且兼具门禁指纹认证、枯水检测等功能。同时,为了对河湖水质状况做出及时、客观的评价和分级,结合改进层次分析法与熵权法的特点,提出一种水质参数权重确定算法。该算法既兼顾了决策者的偏好,同时又尽量减小了赋权的主观随意性,促使主观与客观评价相统一,且计算较简便、可操作性好。将上述算法嵌入到监控柜上位监控系统中,在唐山青龙河水域进行了系统测试,测试结果表明该监控柜系统运行正常,可以实时获取青龙河的水质信息参数,对河湖水质状况做出及时、客观的评价和分级,实现对河湖水质的综合分析与管理,进而为河湖水环境保护提供一种有效地辅助决策平台。     

广义相似距核视频关键帧分层提取算法*

针对视频镜头关键帧特征提取矩阵可能尺寸大小不一致导致相似度无法计算的问题,提出一种广义相似距核视频关键帧分层聚类算法。首先,针对行数相同列不同的两个特征矩阵,基于矩阵运算方法提出一种广义相似距核相似度计算方法并给出其改进形式。其次,基于改进相似距核计算方法和层次聚类算法,设计了广义相似距核视频关键帧分层聚类算法。最后,通过在测试视频数据库及人造视频片段库上的仿真实验表明,该算法能够有效的完成视频关键帧的聚类和提取操作。     

概率图模型推理方法的研究进展

近年来概率图模型已成为不确定性推理的研究热点,在人工智能、机器学习与计算机视觉等领域有广阔的应用前景.根据网络结构与查询问题类型的不同,系统地综述了概率图模型的推理算法.首先讨论了贝叶斯网络与马尔可夫网络中解决概率查询问题的精确推理算法与近似推理算法,其中主要介绍精确推理中的VE算法、递归约束算法和团树算法,以及近似推理中的变分近似推理和抽样近似推理算法,并给出了解决MAP查询问题的常用推理算法;然后分别针对混合网络的连续与混合情况阐述其推理算法,并分析了暂态网络的精确推理、近似推理以及混合情况下的推理;最后指出了概率图模型推理方法未来的研究方向.     

一种基于节点位置和密度的非均匀分簇路由算法

分析了现有分簇路由算法,提出了基于节点位置和密度的非均匀分簇路由算法。簇头选举阶段,考虑了节点的剩余能量,并引入竞争机制进行簇头选择;成簇阶段,综合考虑节点与基站的距离、节点密度以进行非均匀分簇,达到节点能耗均衡的效果,同时解决路由热区问题;簇间路由阶段,通过设立通信簇头节点,使簇间数据转发任务从簇头中分离,簇头节点只负责簇内的数据收集和融合,而通信簇头节点负责簇间数据传输,减少了簇头的能量消耗。实验结果表明,改进后的路由算法能够有效地均衡网络负载,并显著地延长网络的生命周期。     

基于多属性判决的网络选择算法

异构网络中,针对如何根据不同业务的特性选择合适的判决参数并利用这些参数来选择最适合的网络以及通过网络负载均衡来减少切换次数和切换失败可能性等问题,提出了一种基于多属性判决的网络选择算法——TAU-MADM算法.考虑到网络客观属性和用户偏好,进行两次判决:第一次判决采用TOPSIS算法,仅考虑网络客观属性,当备选网络方案相当接近时进行第二次判决;第二次判决采用AHP算法计算权重,并采用ANP网络分析法消除属性之间的依赖性,之后构造效用函数,根据每个网络的效用函数值进行网络选择.仿真结果表明,该算法考虑了网络负载均衡,有效地降低了平均切换率和平均切换阻塞卒.     

云存储环境下副本选择策略研究

云存储服务提供商为了满足各类云用户的存储需求,一般采用划分固定大小的数据块、冗余备份等技术来存储数据,关于块放置、最佳副本选择、副本粒度等存储机制的研究一直是加快大文件存取速度的重要内容。面向云存储系统中存储节点的异构性,设计了一种采用层次分析法对节点性能指标加权并依据加权指标改进粒子群算法的策略(AHPPSO)。通过引入与存储节点性能相关的加权评价矩阵,使得粒子群算法向综合性能较高的节点进化,在不增加存储空间成本的基础上,加快了存取数据的速度。在自主搭建的云存储系统中实现了该策略,实验结果显示该策略能够适应多种用户需求,并且在一定程度上实现系统负载均衡。     

窄带电力噪声干扰下的G3标准分组检测算法的研究

G3标准OFDM(正交频分复用)多载波PLC(电力线通信)技术应用于智能电网时,必须解决恶劣电力环境下的数据同步问题。当电力信道存在电力背景噪声及随机脉冲噪声时,经典的延时相关分组检测算法对数据起点检测存在较大误差。针对电力噪声的特点,为提高检测的准确度,将微分算法应用于延迟相关算法,提出新的分组检测算法。在电力噪声模型下,通过对经典算法及新的算法进行性能评测比较,验证了新算法对恶劣环境的适应性。