基于神经网络的广义经典分配航迹关联算法

在序贯航迹关联算法的基础上提出了一种广义经典分配航迹关联算法。此算法实际上是求约束条件下的函数最小值问题,属于组合优化问题,其计算复杂度随着目标数的增加而发生爆炸现象。根据Hop field神经网络模型解决此类问题的能力对此广义经典问题进行了求解。仿真实验结果表明,广义经典分配算法能够有效地解决航迹关联问题,而且用神经网络求解此问题降低了计算复杂性,并具有很高的关联正确率。     

基于离散小波变换的近程信号自动识别

进行信号识别的关键在于利用有限信号数据提取出有效的信号特征,然后根据这些特征作出判决。文中阐述了利用离散小波变换对近程信号进行分解处理,并结合具体应用背景,提取小波分解的细节作为信号识别的特征参量。仿真实验表明,基于小波分解的特征提取过程对噪声有较好的抑制能力,小波变换的应用能够有效提高对近程信号识别的能力。     

设计特征模型中的加工特征识别

当特征设计方法产生的模型中存在正特征或出现特征相关时,则无法直接得到加工特征。提出设计特征模型中的加工特征识别算法,即：工艺毛坯与设计特征模型的差得到零件加工区域,设计特征的规则化处理得到规则化设计特征模型,利用它可以从零件加工区域中逐步分解出所有的加工特征。     

基于小波神经网络的复合材料损伤检测

讨论了小波变换和小波神经网络,借助小波变换良好的时频带通分层性,从各阶二进小波变换的频域中提取特征,送入小波神经网络进行学习和分类,结果表明该方法稳定可靠,在复合材料智能化研究中具有很大前景。     

基于联邦滤波的SINS/GNSS/OD/高度计多源组合导航算法研究

针对城市情况下车载导航时单一导航源易受干扰的问题,提出了一种基于自适应联邦Kalman滤波的多源组合导航算法.该模型具有两级结构,由子滤波器进行各信息源局部估计后,通过主滤波器进行最优融合估计.融合具有不同工作特点的导航传感器的输出信息组成多源信息组合导航系统,从而提高了导航系统的精度和鲁棒性,且通过故障诊断算法实时检...     

基于BP神经网络技术的电离层VTEC融合

随着电离层探测技术的不断发展,电离层观测资料也越来越多,只使用单一的观测资料会出现电离层反演精度不高的问题。为了提高电离层的反演精度,使用BP神经网络技术将地基反演和国际参考电离层(international reference ionosphere,IRI)模型的垂直总电子含量（vertical total electron content,VTEC）数据进行有效融合。在温带地区\[35°(N)~45°(N),60°(E)~80°(E)\]进行电离层反演试验,结果表明基于BP神经网络技术的电离层数据融合和地基反演获得的电离层VTEC精度都比较高,但是基于BP神经网络的电离层数据融合反演精度比地基反演更高,所以基于BP神经网络技术的数据融合能够提高电离层的反演精度。     

一种基于倾斜影像线特征的三维模型优化方法

针对基于点云构建的建筑物模型通常存在的表面凹凸不平、边缘锯齿等现象,以及建筑物模型中存在的视觉效果不佳的问题,本文提出了一种基于倾斜影像三维线特征约束的三维模型优化方法。该方法以重叠区域为依据对线段进行质量评估与筛选。然后采用选权迭代思想对三维线段进行择优重构,以三角网为单元进行平面拟合与模型表面的纠正与优化,以三维线段为辅助对模型边缘的三角网进行纠正与优化。采用无人机倾斜摄影数据进行实验,将本文方法与Poisson表面重建方法进行了比较,结果表明本文方法有效地消除了平面凸包和边缘锯齿,边缘精度优化至1像素以内,平面精度优化至0.5像素,模型总体精度比Poisson表面重建方法提升了近1倍。此外,对比现有的完全基于点云模型重建算法,本文方法极大地改善了模型的视觉效果,保持了三维模型平面与边缘的特征,模型的边缘和表面精度都得到了提升。     

基于多样性约束和离散度分层聚类的无监督视频行人重识别

视频行人重识别是一项应用非常广的计算机视觉任务。目前的视频行人重识别方法通常是基于监督学习的,该方法需要手工标记大量的数据,代价非常高且并不适用于现实场景。本文提出了一种从底向上的基于多样性约束和离散度分层聚类的无监督视频行人重识别方法。该方法首先将每个样本当作是一个不同的类,然后结合类内间离散度进行从底向上的分层聚类,类间和类内离散度都小的类别将被优先合并,同时在聚类准则中加入一项多样性约束来平衡每类中的样本数量,最后,利用线性变化的特征存储器动态更新模型。在Mars和DukeMTMC-VideoReID两个大型视频数据集上的实验结果表明,相比于目前先进的无监督视频行人重识别方法,本文方法在性能上有一定的提升。     

基于形态学算法的2219铝合金钨极氦弧焊熔池图像特征提取

根据2219铝合金氦弧焊特点,构建了焊接过程实时视觉传感系统,获取了熔池清晰图像;为获得2219铝合金氦弧焊熔池尺寸参数,实现对熔池特征的分析,采用了形态学算法,提取了典型熔池图像边缘形状,并获得了熔池宽度特征尺寸;通过试验验证,提取的熔池图像宽度特征能够准确反映出熔池尺寸信息及变化趋势。研究结果表明:形态学算法准确度高、计算速度快,满足2219铝合金氦弧焊熔池图像实时处理需求,不同阈值及结构元素对图像特征提取效果均会产生较大影响,研究阈值自适应算法,可以满足工程上焊缝熔池特征实时视觉监测的复杂需求。     

面向复杂场景的鲁棒KCF行人跟踪方法

经典核相关滤波(Kernel correlation filter,KCF)目标跟踪算法是判别式跟踪算法中效果最好的一种跟踪算法。但该算法不能很好地适应目标尺度的变化,且在遇到目标短暂消失或被其他物体遮挡等复杂情形时不具备处理目标重显的能力,因此,为使得目标跟踪能够有效地应对遮挡情形,本文从提高特征表达能力、增加尺度匹配策略和抗遮挡3个方面对经典KCF算法进行改进,提出了一种鲁棒的KCF行人跟踪算法。首先对方向梯度直方图(Histogram of oriented gradients,HOG)特征和色调、饱和度、值(Hue-saturation-value,HSV)特征的响应分布进行特征融合。其次,设置动态选择尺度池来改进滤波器的固定尺寸匹配。最后,通过滤波器响应最大值的变化率衡量目标的遮挡情况,并根据上一成功帧的目标信息,通过EdgeBoxes和感知哈希算法找回目标,更新滤波器。本文所提方法在公开视频跟踪数据集Benchmark上进行测试,实验结果表明与其他目标跟踪方法相比,本文算法提高了尺度变化、遮挡等复杂情形下跟踪的鲁棒性,确保了较高的跟踪精度。