基于二值随机森林的目标跟踪算法

针对压缩跟踪不能适应目标姿态变化导致跟踪失败的问题,提出了一种基于二值随机森林的目标跟踪算法。该算法对实时压缩跟踪算法的特征提取和分类这两个部分作了改进。首先,在梯度图像上进行多尺度滤波,获得目标的高维特征描述,利用一个稀疏矩阵进行压缩,获得表征目标的低维信息;然后,通过比较图像块对的大小,获得二值描述符,利用随机森林构造目标表示方法;最后,计算汉明匹配、寻找汉明距离最小的候选样本作为当前帧目标的状态估计,并在此基础上提取目标的特征来更新目标特征模板。与原算法相比,该算法对旋转、折叠、遮挡等姿态变化的目标跟踪性能更好。     

雾霾天气下可见光图像场景再现

为了再现雾霾天气下可见光图像的清晰场景,有效抑制雾霾退化造成的对比度、清晰度下降,提出了单色大气散射模型新的求解方法. 首先,将单色大气散射模型类比Retinex模型,重新解释了大气传递图;依据大气传递图的先验知识和几点假设,建立目标函数的变分模型,将大气传递图的估计问题转化为二次规划问题. 通过带约束的归一化最速下降法获取最优解,并采用多分辨率技术加速计算;在HSI空间的亮度分量上反解单色大气散射模型,得到反射图像,并依据大气传递图自适应校正饱和度分量. 实验结果表明,新算法可有效去除雾霾,再现真实场景的对比度和清晰度,同现有去雾算法相比,本文算法取得了相似甚至更好的去雾效果.     

基于LP滤波和Retinex的光照补偿

针对彩色图像进行光照补偿后难以保持色彩恒常性的问题,提出一种基于Retinex和低通(LP)滤波的彩色图像光照补偿方法.将图像从RGB空间转换到HSV空间,保持H和S分量不变,对V分量使用LP滤波器V分量的高频成分H和低频成分VL,对VL采用Retinex算法进行光照补偿,利用VH和经光照补偿的VL及双重框架运算的LP...     

基于改进ISOMAP的飞机识别算法

将流形学习方法应用于飞机图像识别中,提出一种基于改进等距映射(ISOMAP)的飞机识别算法.根据飞机图像数据的高维性质,采用改进的ISOMAP对数据进行降维,在构造近邻图的过程中,利用Procrustes距离取代传统的欧氏距离.仿真实验结果证明,该算法的的识别率较高.     

基于景深约束的单幅雾天图像去雾算法

本文提出一种基于景深约束的单幅雾天图像去雾算法,该算法首先对退化模型进行变换以满足Kimmel变分框架的要求;其次,考虑到人眼视网膜锥细胞对绿光的敏感性,将绿光分量作为大气传输图变分求解模型的输入;最后,利用景深图像特性,在8邻域快速求解中对能量函数进行约束,从而有效提升去雾图像的视觉效果.实验结果表明本文算法在获得最佳去雾效果的同时,具有较好的实用性和较少的计算资源消耗.     

基于亮度反馈的彩色雾霾图像增强算法

针对目前主流去除雾霾算法采用亮度和色度分量分而治之的机制,割裂了二者固有的相关性,致使增强后图像质量不能两者兼顾的问题,本文以人眼视觉特性为依据,提出了一种亮度反馈的增强方法.该方法首先对亮度信息进行区域适应性调整,并对其细节和边缘进行提升,然后将该结果纳入色度信息处理的约束条件,较好的保持了两者间的相关性.实验表明本文算法在去除雾霾后视觉效果优异,具有较好的实用性和较少的计算资源消耗.     

基于笛卡尔乘积字典的稀疏编码跟踪算法

为了提高基于稀疏编码的视频目标跟踪算法的鲁棒性,该文将原始稀疏编码问题分解为两个子稀疏编码问题,在大大增加字典原子个数的同时,降低了稀疏性求解过程的计算量。并且为了减少?1范数最小化的计算次数,利用基于岭回归的重构误差先对候选目标进行粗估计,而后选取重构误差较小的若干个粒子求解其在两个子字典下的稀疏表示,最后将目标的高维稀疏表示代入事先训练好的分类器,选取分类器响应最大的候选位置作为目标的跟踪位置。实验结果表明由于笛卡尔乘积字典的应用使得算法的鲁棒性得到一定程度的提高。     

低误码率RS (31,15,17)码的编译码设计

文中简要介绍了RS码的优点,针对语音通信等低速率信道的特点选择了RS (31, 15, 17)码用于差错控制编码,以求得最简本原多项式的基础上详细阐述了该码的编译码设计过程,最后通过极限检验验证了该码具有极高的纠错能力和极低的误码率.     

基于卡尔曼滤波和粒子滤波器级联模型的静基座惯导初始对准算法及仿真

传统静基座初始对准主要采用扩展卡尔曼滤波技术。扩展卡尔曼滤波器本质上要求系统近似线性。当近似线性要求得不到满足，会产生很大的偏差，大大降低对准精度，甚至会发散。粒子滤波是一种新出现的滤波技术，对模型不作线性限制，非常适于解决非线性问题，估计精度大大高于传统扩展卡尔曼滤波器。但是，要求维数不能太高，否则会产生计算灾难问题。惯导误差模型的维数较高，这使得粒子滤波技术无法实际应用于初始对准中。本文通过对静基座误差方程进行分析，提出了一种级联模型。将原有模型分解为级联的两个子模型，每个子模型的状态变量维数都很低，然后对两个子模型分别应用卡尔曼滤波器和粒子滤波器进行滤波处理。实验仿真结果表明，这种基于卡尔曼滤波器和粒子滤波器级联模型的算法降低了计算量，大大提高了初始对准的精度，具有重要的现实意义。     

基于时空相关性的自适应运动估计快速算法

针对视频编码中的核心技术运动估计,提出一种基于运动矢量特性的运动估计快速算法。算法分析视频序列运动矢量的特性,对静止块设定自适应阈值直接终止搜索,自适应选择搜索起点。采用2种模式进行搜索,依据当前块与邻近块的空间相关性大小,即局部运动性是高还是低,自适应地选择搜索模式和搜索终止门限。实验结果表明,该算法的搜索速度和搜索精度优于现有的快速运动估计算法,搜索精度非常接近于全搜索法。