基于局部特征和视皮层识别机制的图像分类

提出了一种新的图像分类方法,采用层次结构模拟视皮层各区细胞功能,利用Gabor滤波器提取初级图像特征,经过稀疏化处理后进行中间层模板匹配提取尺度和位置的不变性特征,最后提交给分类网络。仿真实验表明,本文采用的层次化特征提取方法在分类任务中优于经典的局部特征方法(SIFT),与其他图像分类方法相比,本文的方法在少量训练样本下,在多个数据集中可获得优良的测试效果,具有较高的实用价值。     

仿射不变的快速局部特征描述子算法

在局部图像特征的研究中,提出了一种用于实时图像匹配的仿射不变快速局部特征(Affine invariant fast local feature,AIFLF)描述方法。在兴趣点的局部邻域内利用归一化的梯度值建立基于仿射不变矩的描述子。模拟实验中,将利用Harris-Laplacian检测子的本文算法与经典SIFT算法进行了对比。结果表明:在识别率相当的条件下,本文算法运行时间明显小于SIFT描述子。在标准评估图片和移动机器人平台拍摄的定位图片构成的数据集下,本文算法在尺度、视角和旋转变换中的匹配效果好于经典的SIFT算子和SURF算子。     

视觉显著目标的自适应分割

基于视觉注意模型和最大熵分割算法,提出了一种自适应显著目标分割方法来分离目标和复杂背景,以便快速准确地从场景图像中检测出显著目标。首先,通过颜色、强度、方向和局部能量4个特征通道获取图像的显著图;通过引入局部能量通道来更好地描述了显著目标的轮廓。然后,根据显著图中像素灰度的强弱构建不同的目标检测蒙板,将每个蒙板作用于原图像作为预分割的结果,再计算每个预分割图像的熵。最后,利用最大熵准则估计图像目标熵,根据预分割图像的熵和目标熵判断选取最优显著目标分割图像。实验结果表明：本文算法检测的显著目标更为完整,分割性能F-measure达到0.56,查全率和查准率分别为0.69和0.41,相对于传统方法更为有效准确,实现了在复杂背景下对显著目标的有效准确检测。     

基于改进SIFT特征提取的车标识别

为减少SIFT车标识别算法中检测极值点的冗余以及各种图像变化因素的不利影响,提出了基于边缘约束和全局结构化的改进SIFT算法。利用图像不变矩理论及图像边缘检测算法只对目标图像的边缘区域检测,剔除与车标识别区域无关的极值点;同时将特征点邻域划分为圆形并计算出同心圆内像素点最大曲率来构建全局SIFT组合特征向量,使SIFT描述子具有全局描述特性;并结合SVM模型作为车标图像特征向量的分类器进行特征分类、识别。仿真实验结果表明:改进的SIFT算法可以减少冗余极值点约25%~45%,提高了检测极值点的有效性;使车标平均识别率达到97%以上,改善了识别实时性。改进SIFT的车标识别方法与几种常用的图像特征提取算子相比较具有识别率高、识别速度快的优点。     

基于嵌入式的文件系统研究

为解决传统FAT格式文件数据按顺序存取方式无法适应在大容量存储设备中大规模目录文件的读取查询操作等问题,在嵌入式文件系统中采用磨损平衡算法及位图存储技术对NandFlash存储介质实现Flash域磨损优化,并对嵌入式文件系统的索引存储和空闲目录进行优化管理。系统使用仿真器进行仿真程序开发,并在基于ARM9的MagicARM2410开发板进行仿真实验。实验结果表明,该文件系统能实现其基本功能,其可行性得到验证。     

外渗内治

由于盥洗室、卫生间内大量用水,常常可以看到建筑物相关部位的外墙潮湿甚至滴水,这是室内水大量渗出的缘故。特别是在冬季。经多次冻融之后,先是外墙粉刷层开裂、脱落,继而砖砌体开始冻融、风化,久而久之,会危及房屋结构安全。     

基于颜色特征的火焰检测新算法

针对当前计算机视觉火焰检测算法无法实现高准确率和低误报率的问题,提出了一种基于颜色模型的候选火焰图像元素分类算法。该算法首先对RGB模型各通道求均值获得新的图像样本,再利用YCbCr颜色空间建立火焰图像元素分类模型,通过设计YCbCr颜色模型新规则来减少由于图像亮度发生变化而产生的干扰,火焰像素检测率得到显著提高,能够较为准确地识别火焰,有较高的实用价值。     

基于注意力机制的LSTM和ARIMA集成方法在土壤温度中应用

为准确分析土壤温度特性问题,提出了基于注意力机制的多通道长短期记忆网络（LSTM）融合ARIMA算法的预测模型。通过提取长短期不同时刻重要时间特征,并利用ARIMA时间序列模型提取线性特征优势更准确预测土壤温度。为验证该模型,本文在瑞士两个气象站（Laegern和Fluehli气象站）测试了未来6、12和24 h内,同时间土壤深度5、10和15 cm下土壤温度的均方根误差、平均绝对误差、均方误差和决定系数,并以4个评价指标进行验证。与自回归综合移动平均模型、LSTM和全连接网络相比,本文模型具有最优性能,尤其在未来6 h内对Fluehli站（10 cm土壤深度）土壤温度模型中改善最为显著;取得了最高的相对决定系数值0.9965,最低的均方根误差为0.3414,平均绝对误差为0.2310,均方误差为0.1165。因此,本文模型可以作为备选土壤温度估计的替代方法。