目标搜索与识别的视觉注意网络与学习方法

提出一种循环视觉注意网络来同时进行目标搜索和识别。该网络能够从图像中自动选择一个局部观测序列,通过融合局部详细表观和粗略上下文视觉信息,实现视觉目标的高精度定位与识别,比传统的滑动窗口和全图卷积的方法具有更高的目标搜索效率。此外,提出了一种混合损失函数来对网络参数进行端到端的多任务学习,特别在视觉注视点序列损失函数中引入随机性和目标启发的组合策略,可以有效地挖掘更丰富的上下文信息,保证注意点快速接近视觉目标。建立了一个真实场景数据集来验证该模型在感兴趣目标和小目标搜索与识别的性能。试验结果表明,该方法通过几个注视点转移,就能够在一幅图像上预测一个视觉目标的准确边框,并在大图像上获得比较高的搜索速度。开放源代码用于该方法验证与比较分析。     

基于肤色模型和贝叶斯判别的人脸检测

构造了一个彩色图片的正面人脸检测系统。首先利用肤色在YCbCr空间中沿Y方向的集中分布特性构建肤色信息库，根据该信息库在图像中检测出肤色区域；然后在肤色区域利用贝叶斯特征判别方法进行正面多尺度人脸检测。另外，定义了一些启发式搜索规则，有效地加快了人脸目标的搜索速度。实验证明, 用较少的样本进行训练的人脸检测系统，对有复杂背景、多样化的测试集具有较好的测试效果。     

基于支持向量机的显著性建筑物检测

提出了一种针对自然图像中显著性建筑物的检测方法.首先,采用自底向上的注意力机制,对图像进行Haar小波分解,对得到的HL,LH分量进行平方求和,得到增强图像,然后对该增强图像在垂直方向上进行侧投影,基于得到的投影曲线进行多层阈值分割,找到显著性建筑物候选区域.进而,利用Sobel算子进行水平边缘与垂直边缘的检测,并统计较长的水平边缘与垂直边缘的数目,组成特征矢量.最后利用线性支持向量机对特征进行分类.实验证明了所提算法的有效性.     

基于ICP算法和粒子滤波的未知环境地图创建

为了实现移动机器人仅依靠激光测距仪和里程计实时地创建精确的栅格地图, 本文提出了一种结合最近点迭代(Iterative closest point, ICP)算法和Rao-Blackwellized粒子滤波的同时定位与地图创建方法. 该方法利用ICP算法对相邻两次激光扫描数据进行配准, 并将配准结果代替误差较大的里程计读数, 以改善基于里程计读数的建议分布函数; 同时通过采用改进的抽样策略, 提高了粒子滤波过程中的抽样效率, 降低创建地图所需的粒子数. 仿真结果表明了该方法的有效性.     

高斯-厄米特粒子滤波器

针对非线性、非高斯系统状态的在线估计问题,本文提出一种新的基于序贯重要性抽样的粒子滤波算法.在滤波算法中,我们用一簇高斯-厄米特滤波器(GHF)来产生重要性概率密度函数.此概率密度在系统状态的转移概率的基础上融入最新的观测数据,因此更接近于系统状态的后验概率.理论分析与实验结果表明:在观测模型具有高精度的场合或似然函数位于系统状态转移概率的尾部时,用GHF产生重要性概率密度函数的粒子滤波即高斯-厄米特粒子滤波(GHPF)的性能要明显地优于标准的粒子滤波、扩展的卡尔曼滤波、GHF.     

线性不确定系统经动态输出反馈的分层次控制策略

利用李雅谱诺夫稳定理论及线性矩阵不等式(LMI)方法, 研究了具有非结构摄动的不确定连续系统经动态输出反馈的二次鲁棒能稳定问题. 推导出这类控制器存在的充分条件, 即一个拟线性矩阵不等式(Q-LMI)的形式, 给出了Q-LMI问题的基于LMI方法的求解步骤. 为了使得Q-LMI问题有解, 可引入一些LMI约束, 提高了Q-LMI问题的可解性. 基于Q-LMI条件, 揭示了系统不确定参数界与系统控制规模的关系, 提出了“不同的摄动实施不同规模的控制”的鲁棒能稳定的分层次控制策略. 最后, 通过一个例子说明了     

永磁同步电机无位置传感器矢量控制系统的研究

以永磁同步电机在同步旋转坐标上的电压方程为基础 ,研究了用假定旋转坐标来估算转子速度的矢量控制系统 ,分析了永磁同步电机在启动过程中存在的问题 ,并提出了解决办法。最后 ,对控制方法进行了计算机数字仿真。仿真结果表明 ,所设计的启动方法简单可行 ,用假定旋转坐标来估算转子速度运算量少 ,控制系统也具有较好的动态特性     

基于层次MRF的MR图像分割

核磁共振图像(MRI)的定量分析在神经疾病的早期治疗中有很重要作用.提出了一种基于层次Markov随机场模型的MRI图像分割新方法.在高层次的标记图象中采用了混合模型,即区域的内部用各向同性均匀MRF来建模,边界用各向异性非均匀MRF来建模.所以方向性被引入到边界信息中,这样可以更准确的表达标记图象的特性;在低层次的像素图像中,不同区域中像素的灰度分布用不同的高斯纹理来描述.分割问题可以被转换成一种最大后验概率估计问题.采用基于直方图的DAEM算法来估计SNFM参数的全局最优值;并基于MRF先验参数的实际意义,提出一种近似的方法来简化这些参数的估计,实验显示该方法能获得更好的结果.