双目视觉系统测量精度分析

针对双目视觉系统测量精度的问题,本文提出并建立了双目视觉系统误差分析模型,分析了摄像机标定精度、镜头参数及系统结构参数对系统测量精度的影响,并结合实验证明了理论的正确性。实验表明,在标定板均匀分布于具有较大深度范围系统的整个可视区域时,增加标定图像数目能有效提高系统精度;在保证系统有效视场的前提下,增大基线距能有效的提高系统测量精度;相机光轴与基线夹角在[55o~70o]取值时,系统测量精度较高。     

对称局部能量模型:改进的局部能量模型

本文对局部能量模型进行改进,提出了一种新的基于相位信息的图像特征检测算法——对称局部能量模型(SLE)。该算法以log Gabor小波为基本工具,只用四个对称相位进行图像特征检测,检测结果符合人类视觉系统特性。SLE不但可以检测阶跃特征、线特征等亮度特征,还可以同时检测到马赫带现象和正弦网格中的特征,而基于亮度梯度的算法和局部能量模型都不能做到这一点。与局部能量模型相比,SLE还提高了抗噪能力和特征定位性能。     

异步FIFO在实时图像匹配处理机中的应用

通过FIFO芯片实现DSP对实时图像数据的采集。介绍了异步FIFO芯片IDT7204和DSP芯片TMS320C6704的性能,设计了IDT7204与TMS320C6701的接口,讨论了编程实现图像采集的两种方法并进行了比较。     

基于运动学动态图的人体动作识别方法

为了识别RGB-D视频中的人体动作,针对视频中运动信息利用不充分的问题,提出了一种基于运动学动态图的人体动作识别方法。首先利用RGB视频序列和对应的深度图序列生成场景流特征图,基于场景流特征图计算运动学特征图序列,其中包含丰富的运动信息;使用分层排序池化将运动学特征图序列编码为运动学动态图,同时将RGB视频序列编码为外观动态图,最后将运动学动态图和外观动态图输入到双流卷积网络进行人体动作识别。结果表明:基于运动学动态图和双流卷积网络的人体动作识别方法融合了外观信息和运动信息,不仅充分表征了视频的动态,而且使用了视频中具有丰富运动信息的运动学特征;在公开的数据集上对本方法进行验证,在M2I数据集和SBU Kinect Interaction数据集的动作识别率分别为91.8%和95.2%。     

模式识别课程教学改革思考

模式识别是信息科学和人工智能的重要组成部分。针对实际教学过程中暴露的理论性太强、教学内容枯燥、实践教学环节相对薄弱等问题,本文分析以上问题的原因,指出进行教学改革的必要性,同时提出改进教学内容和教学方法等方面的建议。     

耗散Bohzmann方程的稳定态解

考虑满足质量和动量守恒、能量耗散的空间齐次Boltzmann方程,通过Pseudo—Maxwellian逼近处理,证明了系统稳定态解存在性、唯一性和正则性．     

基于质量引导的InSAR快速相位解缠方法

针对处理大型InSAR相位数据,由于传统质量引导的相位解缠方法在解缠过程中要进行大量的排序操作,其解缠效率非常低,提出一种索引分段堆排序相位解缠方法。通过结合传统质量图的优点,将QPDVC作为质量图,并利用索引分段堆排序法将大型相位数据分成多个小堆,从而节省了堆排序过程中调整为最小堆的时间。与传统方法相比,提高了解缠精度和效率。最后,通过相关实验数据仿真证明了该方法的高效性和可行性。     

基于相位一致性的眼底图像血管分割算法

眼底图像的血管分割对糖尿病的分析和诊断至关重要.为了准确地分割出眼底图像中的血管,本文提出了一种基于相位一致性的眼底图像血管分割算法.本算法首先采用对比度受限的自适应直方图均衡化和各向异性耦合扩散方程对图像进行预处理,然后利用相位一致性算法来提取眼底图像中的血管,最后用数学形态学对其进行优化.利用本文提出的算法对国际上公开的Hoover眼底图像库进行测试,本算法的准确度可达到94.36%,实验结果证明了本算法的有效性.     

复杂自然环境下感兴趣区域检测

目的 感兴趣区域检测是图像处理领域的关键技术.人类视觉系统处理一个较为复杂的场景时,会首先将其视觉注意力集中于该场景中的几个特定对象上,这些对象被称为感兴趣区域.在图像处理和分析过程中,感兴趣区域检测模拟人类视觉,能够快速、准确抓住图像重点,降低图像处理计算量,有效提高计算机信息处理的效率.因此感兴趣区域检测对于图像分析和理解有着重要意义.为此,提出一种基于低层次图像信息与中层次图像信息相结合的自底向上的感兴趣区域检测方法.方法 首先通过彩色增强Harris算子检测角点进而得到凸包边界,通过凸包区域与超像素聚类结果计算中层次信息粗略显著图;然后将图像从RGB空间转换到CIELab空间,使用差分滤波器对图像进行滤波,得到低层次信息粗略显著图;最后将低层次图像信息与中层次图像信息进行加权融合得到图像的显著图.结果 在微软亚洲研究院提供的公开数据库MSRA上验证了本文方法的有效性,根据该数据库人工标记的真值评价本文方法的检测效果,并与其他方法进行对比.其他方法的显著图是由其作者提供的源代码得到.在主观分析和客观判断两个方面的本文方法可有效抑制背景噪声,检测出的显著物具有均匀显著度,且边缘清晰.结论 本文方法是一种有效的图像预处理方法.     

基于维度加权的残差LSTM短期交通流量预测

基于神经网络的交通流量预测由于嵌入了部分手工设计的特征,使得提取的网络特征功能单一,存在适应性及鲁棒性差、数据局部特征刻画不准确等问题。为此,提出基于残差长短期记忆网络(LSTM)的交通流量预测方法,利用集成学习思想将空间分布的数据端到端训练到残差LSTM网络中,同时在每个LSTM单元后引入维度加权单元,显式建模特征维度之间的相互依赖关系。实验结果表明,该方法能实现短期交通流量数据的自适应建模分析。