增强目标模型鲁棒性的Mean-shift算法

针对传统Mean-shift算法中颜色核函数直方图对目标特征描述较弱的缺点,提出了一种联合目标特征点的二维结构信息和颜色信息的Mean-shift改进算法.改进算法细化了Harris检测算子的角点响应阈值,提取出更多的目标特征点计算其方向分布,并以方向与部分颜色特征的直方图构建目标模型,该模型能显著区分目标与背景.实验对不同算法进行了仿真及性能比较,结果表明:提出的改进算法在一定的复杂场景中提高了跟踪精度,且具有较好的鲁棒性.     

一种融合纹理和颜色信息的背景建模方法

鉴于目前视频序列的运动目标检测常使用背景差分法,但其受光照变化以及阴影影响,不能准确区分出运动物体的特点,因此提出一种新的背景建模算法.该算法融合纹理信息和颜色信息建立背景模型,其中的纹理信息采用LBP算子进行描述.为更好地描述纹理信息,进一步改进了基本的LBP算子,并同时引入抗噪因子增强抗噪声影响.实验证明,提出的算法在大多数情况下都取得良好的效果.     

基于混合高斯模型的运动目标检测

针对运动目标检测中的背景复杂度高、视频数据计算量大等问题, 且为避免计算不同复杂程度的视频背景, 并能够准确地获取所需要的运动目标, 提出了一种基于混合高斯模型的运动目标检测方法. 首先采用混合高斯模型获取运动目标特征; 然后利用中值滤波方法去除视频目标运动特征中的背景噪声; 最后依据形态学运算方法对通过统计直方图得到的运动显著图进行处理, 从而获取最终的运动目标. 对标准视频序列集的检测表明, 利用该算法获取的运动目标不仅能抑制背景噪声, 而且精准度和误差都优于普通的视频运动目标检测算法.     

3D人脸线框模型的自动调整

3D人脸线框模型是自然人脸表述的重要方法.如何将通用的模型调整到特定的人脸上涉及脸部特点的自动提取和模型的调整两个主要过程.对通过皮肤颜色分割和形态滤波得到复杂背景的视频场景中的候选人脸,用区域惯量椭圆方向进行调整并用先验人脸模板校验以找出人脸和脸部特征区域.根据人脸特征区域所具有的颜色特性和空间分布采用基于特征的人脸识别算法提取部分重要的脸部特征点,由曲线和活动轮廓模型拟合脸部特征边缘,从中提取特征点,用来估计头部姿势和作为插值结点的使用径向基函数插值,可将3D人脸线框模型自动调整到特定的人脸上.     

一种改进Haar-like特征的车辆识别算法

传统的Haar-like特征算法在特征提取过程中仅对图像全局进行特征提取,忽略了目标敏感区域,易受非目标区域的干扰,导致识别率降低.本文对传统的Haar-like特征提取算法进行了改进,将图像分成三个区域,运用的矩形框模板分别从这三个区域中提取像素值,将其中两个区域的像素值减去两倍的另外一个区域的像素值作为特征值.采用高斯随机测量矩阵对高维度的特征值进行压缩,运用Adaboost分类器训练方法,利用构造好的分类器对压缩后形成的特征空间进行分类识别.实验结果表明,本文的方法不仅减少了分类器所需的训练时间,而且识别性能也优于Haar-like特征、颜色纹理融合等传统算法.     

基于旋转灰度特征与位移约束的图像伪造检测算法

当前图像伪造检测方法主要依靠近邻比值法来实现图像内容的真伪决策,由于近邻比值法的判断条件单一,该类算法的检测精度不佳.因此,本文提出了旋转灰度特征耦合位移约束的图像伪造检测算法.首先,根据图像像素点,构造十字约束法则,对FAST算法予以改进,以提取待检测图像中的特征点;然后,利用像素点的梯度特征形成直方图,通过直方图峰值获取特征点的主方向;再用特征点的灰度值来构造旋转灰度特征模型,用于获取特征向量,生成特征描述子;用特征点的位置以及角度特征,构造了位移约束规则,并且在位移约束规则下,通过归一化互相关函数对特征点的相似性进行度量,完成特征点匹配.最后,引入均值漂移模型,对图像中的伪造内容完成区域定位,实现图像的伪造检测.实验结果表明:与当前图像伪造检测算法相比,本文算法不仅具有更高的检测精度以及检测效率,而且还具有更好地鲁棒性能.     

复杂背景下的宫颈癌细胞图像分割方法

提出了一种基于完备色差模型的分割方法.利用优化的颜色空间模型转换公式,将宫颈癌细胞图像从RGB颜色模型转换为HSV颜色模型,对H、S、V通道分别进行最大类间方差直方图均衡化,构造最优色差模型实现图层重组,然后通过阈值分割结合特征参数筛选完成细胞从复杂背景中的提取.在VC++和OpenCV开发系统予以实现.实验结果表明,在处理背景与目标细胞色彩相似的宫颈癌细胞图片时,能够得到准确、完整的分离结果,弥补了传统分割方法的不足.     

基于特征融合粒子滤波的神经丝自动跟踪

神经丝蛋白质是研究轴突信息传递和神经退化疾病的标志物质.传统的神经丝蛋白质的跟踪,通常需要人工手动完成,进而分析其活动特性.这一过程不仅劳动强度高,而且存在很大的人为错误因素.对此,本文提出以特征融合的改进粒子滤波方法实现对神经丝蛋白质的自动跟踪.特征融合的过程中针对提取视频的特点和神经丝蛋白质运动的不规律性,利用空间—颜色核函数直方图法实现目标的高效率、高鲁棒性跟踪;而对于神经丝蛋白质容易变形的特点,引入重心修正粒子分布以提高粒子的有效性.在此基础上对特征融合函数引入分配权值系数.实验表明,本研究提出的方法在对神经丝蛋白质视觉跟踪具有很好的效果和鲁棒性.     

基于卷积神经网络的刺绣风格数字合成

针对刺绣风格数字化模拟方法立体感不强、缺少线条方向等问题,提出了一种基于深度学习和卷积神经网络的算法,将刺绣艺术风格传输到目标图像。利用图像语义分割网络及风格迁移网络,分别对目标内容图像与刺绣艺术风格图像进行目标提取和风格迁移。首先,输入目标内容图像与刺绣艺术风格图像,采用基于条件随机场的图像语义分割,将目标内容图与刺绣艺术风格图的前景与背景分离,并进行二值化处理,形成掩模图像;其次,将目标内容图与刺绣艺术风格图的RGB颜色空间转换为YIQ;最后,参照掩模图像使用VGG19网络模型提取目标内容图的内容特征及刺绣艺术风格图的风格纹理特征进行目标区域内的风格迁移,从而对刺绣艺术进行数字化模拟。该算法能模拟出具有刺绣艺术效果的结果图像,能更好地模拟真实刺绣艺术的线条方向,突出了线条的立体感。通过使用语义分割与风格迁移相结合的方法,有效模拟了色彩艳丽、立体感强的刺绣艺术风格图像,是对非真实感绘制的有效补充,为刺绣数字化保护与非物质文化传承奠定了基础。     

基于卷积神经网络的刺绣风格数字合成

针对刺绣风格数字化模拟方法立体感不强、缺少线条方向等问题,提出了一种基于深度学习和卷积神经网络的算法,将刺绣艺术风格传输到目标图像。利用图像语义分割网络及风格迁移网络,分别对目标内容图像与刺绣艺术风格图像进行目标提取和风格迁移。首先,输入目标内容图像与刺绣艺术风格图像,采用基于条件随机场的图像语义分割,将目标内容图与刺绣艺术风格图的前景与背景分离,并进行二值化处理,形成掩模图像;其次,将目标内容图与刺绣艺术风格图的RGB颜色空间转换为YIQ;最后,参照掩模图像使用VGG19网络模型提取目标内容图的内容特征及刺绣艺术风格图的风格纹理特征进行目标区域内的风格迁移,从而对刺绣艺术进行数字化模拟。该算法能模拟出具有刺绣艺术效果的结果图像,能更好地模拟真实刺绣艺术的线条方向,突出了线条的立体感。通过使用语义分割与风格迁移相结合的方法,有效模拟了色彩艳丽、立体感强的刺绣艺术风格图像,是对非真实感绘制的有效补充,为刺绣数字化保护与非物质文化传承奠定了基础。     

基于方向梯度直方图的螺纹连接件端面缺陷检测方法

针对螺纹连接件端面表面的反光性、阈值选取的不确定性, 提出了一套图像处理方法. 使用中值滤波和图像锐化增强等方法处理图片, 解决背景与前景差距较小的问题; 选取利用方向梯度直方图确定图像上的边缘方向, 实现对目标的直线轮廓提取, 与已知目标的轮廓模型结合实现对非直线目标轮廓的提取. 该处理方法可以自动提取目标的轮廓, 而不需要设定阈值, 且对亮度、对比度和噪声变化的适应性较好. 对2500个报警器底盘做的检测实验结果表明, 采用该方法能去除噪声, 与Canny轮廓提取法相比, 能更准确且稳定地提取出螺纹连接件端面的边缘特征; 对螺纹连接件端面磨损和歪斜的检测准确率分别达到了99.4%和98.6%, 满足工业的准确率和实时性的需求; 同时可减少人工成本, 提高检测速度.     

经典质点动力学方程的形式探讨

根据因果一致原理,重新构建了质点动力学的形式体系,由此得到了新的质点动力学方程.为了从更基本层次理解和导出这一方程,采纳的一个自然简单的假定是承认一个绝对空间背景的存在.实际上,由于时空的绝对背景必然和时空的相对标度相区分,一个绝对背景的存在既可以在最大程度上和狭义相对论的逻辑基础相容,又最精简地保留了基于直观经验的直觉性认识.除此之外,绝对背景也可以看作为是牛顿绝对时空观的潜在组成部分.在新质点动力学方程的应用过程中,不再需要以惯性系为适用前提,也无需人为地手放进虚拟的惯性力.从而实现了质点动力学方程在任何（相对背景）无自转的实际参考系中保持形式不变.而惯性力的本质就是参考物体所受到的真实力.分析表明,新的质点动力学方程能够自然地和作为牛顿第二定律实证基础的经验规律相契合,但是在形式上,质点动力学方程从伽利略相对性推广到了一个更切合实际的适度广义的相对性原理.     

大黄鱼仿生态分阶段养殖新模式的构建及问题探讨

根据野生大黄鱼的洄游规律、生态习性, 采用人工手段的移动, 来满足其生活史中赖以生存的自然条件, 构建大黄鱼养殖全过程仿生态分阶段养殖新模式. 新模式实施结果, 养殖优势明显, 尤其是达到了拟野生的品质和口感, 经济效益极为显著. 本文通过对新模式产生的背景、新模式发展的理论基础、新模式的生产环节的构成及问题探讨等四个方面对大黄鱼仿生态分阶段养殖新模式进行全面的论述, 为这种模式的健康发展和推广提供一些理论依据.     

基于逻辑函数e导数的双逻辑综合

讨论了逻辑函数的e导数与逻辑函数化简的关系,并在此基础上提出了基于逻辑函数e导数化简逻辑函数的新方法.由于采用了双逻辑综合,逻辑综合效果优于传统的基于与-或-非运算的逻辑综合.     

基于事件相机的无人机目标跟踪算法

无人机目标跟踪可应用于消防、军事等重要领域,已成为计算机视觉领域热门研究课题之一。现有的无人机目标跟踪算法大多基于传统RGB相机结合深度学习算法, 但此类算法一方面无法避免无人机机体抖动造成的运动模糊, 另一方面因传统RGB相机在低光照或过曝光场景下成像质量较差,难以跟踪目标,为此提出采用无人机搭载DAVIS事件相机的方法进行目标跟踪。设计了基于事件与灰度图的双模态融合跟踪网络,用Vicon运动捕捉系统制作了无人机视角下的目标跟踪Event-APS 28数据集,实现了在复杂光照场景下对目标物的有效跟踪。     

具有缓冲功能的三值 GaAs电路的研究

本文探讨了具有缓冲功能的三值 GaAs电路的基本结构 ,特别是对三值 GaAs逻辑输出级电路 进行了讨论 ,提出了 2种三值 GaAs电路的逻辑级电路的结构 ,经过 PSPICE程序的模拟 ,选取了较理想 的一种电路结构 ,并由此建立了对应的开关模型. 根据该模型提出了适用于三值 GaAs在开关元件级的 电路设计方法 .     

基于空间自回归神经网络模型的空间插值研究

基于空间距离计算的空间自相关权重系数是经典空间插值方法的核心,然而由于空间距离与自相关权重之间复杂的非线性关系,反距离权重（IDW）法和克里金（Kriging）法等传统空间插值方法,在求解权重精准解时存在一定的局限性。由此,利用神经网络超强的非线性拟合能力,通过融合神经网络与空间自回归方法,建立了空间自回归神经网络（SARNN）模型,实现了空间自相关权重的精准计算并将其应用于空间插值研究。为验证SARNN模型的有效性和可行性,采用两类模拟数据及海洋环境数据进行交叉验证,并与IDW法和Kriging法进行精度对比。实验结果表明,SARNN法显著提升了R²、RMSE、MAE、MAPE等统计指标,插值结果明显优于IDW法和Kriging法;同时,SARNN法在空间插值中对突变数据和极值数据的预测较为准确,改善了传统插值方法空间平滑过渡差,易出现“牛眼”、锯齿现象等问题,显著提高了空间插值结果的准确性与合理性。SARNN法提供了一种空间插值的新思路,具有较为广泛的应用价值。