一种改进的地下车库弱纹理下智能汽车即时定位与建图算法

地下车库中纯视觉的即时定位与建图(simultaneous localization and mapping, SLAM)方法无法克服光线不足和弱特征纹理两大不利因素,为此,提出一种基于VINS-Mono框架下改进的视觉惯导融合算法,把原算法中提取Harris角点的方法改进为提取灰度值陡变的像素点,并使用非线性优化方法在初始化阶段进行视觉位姿估计。后端采用滑动窗口的形式建立先验估计残差、惯性测量单元(inertial measurement unit, IMU)残差以及基于灰度值不变原理构建的视觉残差的联合残差模型,进一步提升了系统底层变量的优化效果,从而提高算法的定位准确度。通过基于EuRoc数据集的仿真实验和地下车库实际场景的实车实验,验证了所提算法的鲁棒性和精确性。     

基于浅层残差网络的视线估计算法

针对目前的视线估计算法准确度较低的问题，提出一种基于浅层残差网络的算法。利用残差网络结构特点，对图片在不同层次提取到的特征进行融合计算。实验表明，使用基于浅层残差网络结构的算法与使用LeNet-5 结构算法相比，准确率提升了近 8． 5% ，视线估计算法准确度得到了有效的提升。     

基于分割的立体匹配法提取光场视差图

为了解决从光场相机采集的图像中提取物体深度信息的问题,提出一种利用Lytro光场相机设备,基于图像分割的立体匹配方法估计光场图像深度。首先对Lytro相机采集的原始灰度图进行解码和颜色校正,提取相应的子光圈图像;在Matlab环境下,结合图像颜色分割、自适应立体匹配对子图像进行处理,通过平面拟合技术和BP优化得到相应的深度估计图。实验结果表明,该方法提取到深度图在视觉精度上有了明显的提高。     

一种改进的基于光流的鲁棒多尺度运动估计算法

基于图像的运动估计是计算机视觉在许多应用中的一项基本任务, 在这一领域的主要目标是尽可能精确地估计场景和物体的运动。针对界外值在光流估计过程中会引起不可预期的运动估计结果, 严重影响运动估计精度的问题,提出一种改进的鲁棒分层的多尺度运动估计算法。该算法利用图基的双权重函数,自动调节不同残差数据点的权重,去除残差过大的数据点,并采用多尺度金字塔由粗到精逐层迭代,精确地估计运动矢量。实验结果表明：该算法鲁棒性好,能有效地解决遮挡背景和运动不连续而引起的界外值问题,明显地提高运动估计精度。     

目标提取与跟踪的稳定性研究

提出并分析了目标提取的稳定性问题，指出基于统计决策理论的目标提取算法性能不稳定的原因之一，在于缺乏时空可变的目标背景条件判别和最佳分割区域自调整能力，并且通常是基于绝对图像灰度或绝对灰度变化及其统计性质的。根据视觉原理，还提出了一个具有可控性的自适应序列图像目标提取模型和算法，给出了复杂背景中运动目标提取和跟踪的实验结果。     

基于改进蝙蝠算法的甲状腺SPECT-B超图像配准

为了提高甲状腺肿瘤检出的准确率.提出基于改进蝙蝠算法的甲状腺SPECT (single-photo emission computed tomogropby)-B超图像配准方法.针对甲状腺SPECT图像与B超图像灰度差异大,采用2类图像共有的甲状腺及肿瘤轮廓特征进行配准.采用阈值分割法提取SPECT图像中甲状腺及肿瘤轮廓;采用Shearlet变换与基于活动轮廓模型图割算法相结合的方法提取B超图像中甲状腺及肿瘤轮廓;以归一化互信息为相似性测度,以改进的蝙蝠算法为优化算法,优化配准所需的空间变换参数.实验结果表明,提取的B超图像中甲状腺及肿瘤轮廓更准确,改进的蝙蝠算法使配准具有更高的准确性和较好的鲁棒性.     

目标提取与跟踪的稳定性研究

提出并分析了目标提取的稳定性问题，指出基于统计决策理论的目标提取算法性能不稳定的原因之一，在于缺乏时空可变的目标背景条件判别和最佳分割区域自调整能力，并且通常是基于绝对图像灰度或绝对灰度变化及其统计性质的，根据视觉原理，还提出了一个具有可控性的自适应序列图像目标提取模型和算法，给出复杂背景中运动目标提取和跟踪的实验结果。     

基于多信息融合优化的鲁棒性车道检测算法

为了提高复杂环境下车道线检测的鲁棒性,提出一种基于多特征信息融合优化的鲁棒性车道线检测算法.首先构建了基于二次曲线空间道路模型图像中左右车道线数学模型;然后融合像素梯度值、梯度方向、像素灰度以及车道线结构等多特征信息,构造后验概率函数;最后采用基于免疫克隆策略的改进粒子群优化算法优化车道线模型参数,实现车道线提取.对实际道路图像的实验结果表明,引入多特征信息后,在道路中存在阴影、车辆和道路标记等干扰因素,以及车道线模糊、对比度较低的情况下,该算法也能快速准确地提取车道线,具有很强的鲁棒性.     

基于二值化图像的指纹细节点精确提取方法

针对指纹图像质量较差时,基于灰度图的指纹细节点直接提取方法正确率较低,提出一种基于二值化图像的指纹细节点精确提取方法.该方法首先采用方向滤波增强指纹图像,消除各种噪声,然后在二值化图像上进行脊线跟踪,直接提取细节点.脊线跟踪时,采用平滑和加权联合处理来计算脊线下一跟踪点,并提出一种利用循环扩散方法检测脊线连通性的方法,保证脊线跟踪的正确性.实验结果表明,无论图像质量好坏,该方法提取出的细节点正确率都超过80%,优于灰度图直接提取方法及其改进算法.     

一种改进的基于几何特征的人眼定位方法

针对灰度图像,提出一种改进的基于人眼几何特征的实现人眼快速定位的方法.先对人脸进行预处理,再根据人眼在二值图像中的几何位置特征制定人眼判定规则并粗估计图像分割的灰度门限所在范围,在该范围内通过递增灰度门限的方法,在不同灰度门限下的人脸二值图像中寻找符合规则的人眼黑块,最后通过二维相关系数来验证.抽取ORL人脸图库中24人的图片进行实验,结果比未经预处理的图片准确率提高了15%,从而证明这种算法是行之有效的.     

改进的非参数Census变换立体匹配算法

针对多数立体匹配算法的相似性测度都建立在像素灰度特性基础上, 无法彻底消除匹配差异性, 易出现歧异性的问题, 提出一种改进的非参数Census变换匹配算法. 该算法通过在传统非参数Census匹配过程中增加局部纹理反差值测度, 引入图像纹理度量的方向性, 使中心像素灰度值不再是唯一决定因素, 改进了匹配模版, 从而有效解决了传统匹配算法的歧异性问题. 实验结果表明, 改进算法是一种有效、 合理的立体匹配方法, 提高了稠密匹配精度.     

改进的非参数 Ce ns us 变换立体匹配算法

针对多数立体匹配算法的相似性测度都建立在像素灰度特性基础上, 无法彻底消除匹配差异性, 易出现歧异性的问题, 提出一种改进的非参数Census变换匹配算法. 该算法通过在传统非参数Census匹配过程中增加局部纹理反差值测度, 引入图像纹理度量的方向性, 使中心像素灰度值不再是唯一决定因素, 改进了匹配模版, 从而有效解决了传统匹配算法的歧异性问题. 实验结果表明, 改进算法是一种有效、 合理的立体匹配方法, 提高了稠密匹配精度.     

面向主属性值的类标特征分析

为了提取一个类标区别于其他类标的本质特征,增强类标数据集的可解释性,提出了一种面向主属性值的类标特征分析方法.该方法首先建立了一种直观的面向主属性值的类标特征模型,然后设计了对应的类标特征抽取算法,最后给出了一种基于类标特征分析的分类算法.实验结果表明:所建立的类标特征模型能够直观、有效地描述类标数据集中各类标的特征,给出的类标特征抽取算法有较高的执行性能,提出的分类算法在针对类标较少的数据集时有较高的分类准确率.     

基于局部对称性及灰度统计特征的人眼定位方法

为了兼顾人眼定位方法的准确率和实时性,提出基于局部对称性和灰度统计特征的人眼定位方法。该方法结合了模板匹配与对称变换的思想,利用了人眼灰度统计信息,取得了较好的效果。通过仿真实验表明:算法在满足算法定位准确率的同时,具有较好的实时性,因为其算法复杂度相对于模板匹配法和基于学习的方法大大降低。     

改进的三维Otsu阈值分割法及其快速实现

常用的三维直方图一般由灰度级-平均灰度级-中值灰度级构成,其区域划分方式存在明显的不足。对此,本文提出了一种改进的三维Otsu法。该方法基于灰度级-平均梯度-中值梯度建立三维直方图,采用新的区域划分方式提高划分精度;为提高算法效率,推导了该方法的快速迭代公式。测试实验表明:与传统三维Otsu法相比,该方法的计算效率高,分割精度好、抗噪性强,表现出较好的应用价值。     

基于灰色BP神经网络的我国工业增加值预测研究

针对我国工业增加值存在季节波动性等外部因素影响其预测准确性不高的问题,提出了一种基于灰色BP神经网络的工业增加值预测算法,即采用以我国2008~2017年各季度工业增加值数据作为时间序列建立的灰色BP神经网络预测模型进行预测。结果表明,采用灰色BP神经网络组合模型预测的精度较灰色模型和BP神经网络模型精度分别提升了0.94%~4.98%和0.01%~0.08%,稳定性分别提升了1.43%~2.97%和0.03%~0.05%。此实验结果验证了灰色BP神经网络组合模型可以有效预测我国工业增加值的发展趋势,进而为政府部门制定工业发展政策提供有效依据。     

基于二维灰度熵及混沌粒子群的图像阈值选取

为了同时考虑直方图的概率信息和类内灰度级的均匀性,提出了基于灰度级-梯度二维直方图的Shannon灰度熵及Tsallis灰度熵阈值选取方法.给出了Shannon灰度熵和Tsallis灰度熵的定义及其一维阈值选取方法,导出了二维Shannon灰度熵及Tsallis灰度熵阈值选取公式及其快速递推算法,并利用混沌粒子群算法寻求两种阈值选取方法的最佳阈值.实验结果表明,与基于改进的二维最大熵及粒子群递推的阈值选取方法相比,所提出方法的分割图像能更准确地反映原始图像的边缘、纹理及细节信息.     

彩色等离子体显示器灰度校正方法研究

针对彩色等离子体显示器（PDP）采用传统灰度校正方法存在严重灰度损失和灰度畸变的问题，在分析视觉灵敏度特性和亮度变化关系的基础上，提出了用多项式拟合进行灰度校正的新方法。该方法利用视觉灵敏度和亮度的对数在一定亮度区间的线性关系，把PDP的亮度划分为多个区间，根据每个区间的最小灵敏度阈值，计算出输入灰度对应的亮度，同时改进PDP实现多灰度级显示的最小亮度间隔，使显示亮度和计算亮度相等的最小亮度间隔数即为准确的输出灰度级，从而求出输入输出灰度级之间的多项式关系。计算结果表明：采用所提出的方法，明显提高了彩色PDP的灰度再现能力，灰度损失由原来的10．7％减小到4．5％以下，图像质量指数提高了7％以上。     

改进的二阶龙格-库塔超分辨率算法

提出一种改进的二阶龙格-库塔超分辨率算法.首先,提出一种浅层共享编码器,以实现低分辨率图像的浅层特征提取.其次,提出一种深层特征学习单元,并与基于龙格-库塔方法的残差模块相融合,进而构建出一种基于深层特征的残差模块,以提升深层特征提取能力.实验结果表明:与主流超分辨率算法相比,文中算法在主观视觉效果和客观评价指标方面都具有更好的效果.     

基于改进灰色关联分析的BA-BP短期负荷预测

针对短期电力负荷随机性强、预测精度低等问题,提出了基于模糊灰色聚类与蝙蝠优化神经网络的短期负荷预测模型。采用模糊聚类方法选择相似日粗集,然后用改进的灰色关联分析法选取相似日;为了克服传统BP算法易陷入局部极值和收敛速度慢等问题,利用相似日集中的样本训练蝙蝠优化的BP神经网络预测模型。以某地区的历史数据为实际算例,将文中所提算法与普通的BP神经网络、传统灰色关联与蝙蝠优化的BP神经网络预测结果相比,结果表明所提方法有很高预测精度和稳定性,在实际中有一定应用价值。