基于矩保持法的散焦图像深度估计

提出了一种基于散焦图像计算景物深度的新方法。该方法不需要获得光学镜头的点传播函数,利用Ｓｏｂｅｌ算子将同一场景的两幅散焦程度不同的灰度图像转换成梯度图像。利用矩保护法计算边缘区的大小与整个图像区域大小的比ｐｃ,根据两幅图像的Ｐｃ值计算出景物的深度。实验结果表明了该方法的有效性。     

高温钢坯三维尺寸在线测量的研究

首次提出用一台面阵ＣＣＤ摄像机测量运动高温钢坯的三维尺寸，建立了测量系统的数学模型，分析了系统误差与结构参数之关系，求出俯视角θ的最佳值范围。     

一种推求目标相对深度算法研究

根据合成孔径雷达（ＳＡＲ）侧视工作的几何关系，利用由此产生的目标阴影、迎坡缩短和顶底倒置现象，用单幅ＳＡＲ图像定量地测定目标位置的高度，并给出相应的两种算法及实验结果。     

面阵CCD在视觉测量中的应用

论述面阵CCD传感器的工作原理，借助几个典型示例说明了面阵CCD传感器在视觉测量中的应用原理，并介绍了一套基于面阵CCD的视觉测量系统OVM25．     

图像序列中运动目标深度估计

通过对生物视觉深度运动知觉机理的研究，推导出基于度运动知觉提取三维运动目标深度信息的数学模型和计算公式，研究结果表明，根据三维运动目标在二维成像平面上的运动可以判断是否存在深度方向变化以及大致区分目标运动的方向，同时如果假定已知运动的大小，根据它们在像平面上ｘ或ｙ方向的相对运动变化可以对于目标的深度运动进行估计，经过采用实际图像序列所进行的实验，获得了令人满意的结果。     

一种推求目标相对深度算法研究

根据合成孔径雷达（ＳＡＲ）侧视工作的几何关系,利用由此产生的目标阴影、迎坡缩短和顶底倒置现象,用单幅ＳＡＲ图像定量地测定目标位置的高度,并给出相应的两种算法及实验结果．     

基于深度神经网络剪枝的两阶段遥感图像目标检测

在高分辨率遥感图像目标检测中,受云雾、光照、复杂背景、噪声等因素影响,现有目标检测方法虚警率高、速度慢、精确度低.为此提出基于深度神经网络剪枝的两阶段目标检测(object detection based on deep pruning,ODDP)方法.首先,给出深度神经网络剪枝方法,基于深度神经网络剪枝分别提出自主学习区域提取网络算法与优化训练分类网络算法;然后,将上述两算法用于卷积神经网络,得到两阶段目标检测模型.实验结果表明,在NWPU VHR-10高分辨率遥感数据集上,相比现有目标检测方法,ODDP的检测速度和精度均有一定提升.     

基于深度特征融合的红外弱小目标检测方法

红外弱小目标具有信噪比低、目标尺寸小、特征不明显等特点,加之场景复杂度不断提升,杂波干扰严重,导致现有的红外弱小目标检测方法在面对复杂场景时性能衰减。综合手工方法提取目标单一的显著特征及深度学习方法提取图像综合特征的优势,设计了基于深度学习的红外弱小目标深度特征融合检测网络模型。首先,模型利用多尺度自适应特征提取网络来提取红外图像中弱小目标的原始特征与平滑度图像中弱小目标的平滑度特征;其次,为提高目标显著度,提出了一种多层级联特征融合策略,实现特征提取网络中小目标原始特征与平滑度特征的融合;最后,利用多层级联特征融合映射网络对红外弱小目标进行特征映射与背景抑制,获得背景杂波被极大抑制的红外弱小目标特征映射图像。实验结果表明,同现有的基于深度学习与基于手工特征的检测方法相比,所提出的检测方法在各种复杂的场景中都拥有较高的准确率及较低的虚警率,同时拥有较快的检测速度。     

一种基于概率神经网络多信息融合的移动目标跟踪算法

采用概率神经网络（PNN）实现了对图像序列中移动目标——人头的跟踪．由于采用单一特征信息的跟踪算法在复杂环境中往往失效，故以头部的颜色信息模板和头部轮廓的梯度信息模板作为跟踪依据，并通过改变PNN的结构实现了图像信息的融合以及自适应模板修正．实验结果表明，基于PNN的算法在处理目标的旋转和遮挡时有着良好的效果，且具有简单、跟踪鲁棒性好等特点．     

深度学习在目标检测的研究综述

现如今计算机视觉领域的研究热点之一是目标检测,其根本是对图像中指定目标的识别。而深度学习是目前发展快速,应用广泛的一种技术,其具备的学习能力可以在目标检测中对目标进行图像识别、特征提取以及分类识别等操作。通过介绍深度学习的研究进展、分析了各种网络模型的特点。最后总结了深度学习在目标检测领域的应用发展,结合当前问题和挑战,分析了以后的研究发展。     

运动图像目标提取方法

简述自底向上的运动图像目标提取方法，分析其中基于有向图的区域合并算法及在实际问题中的应用。     

基于学习对象的移动学习资源设计

学习资源是学习有效开展的前提条件。随着研究的不断深入,移动学习必然会打破各自为政的资源设计与开发模式,可重用、可共享的资源构件将成为首选。通过剖析影响移动学习内容传递的因素,提出了基于学习对象设计移动学习资源的构想,并根据移动学习特征对"学习对象"的组成、粒度、重用性进行了探讨。     

基于移动代理的对象管理实现

随着网络技术的发展,移动代理技术越发显得重要．阐述了移动代理的基本特征,介绍了使用移动代理进行网络管理的系统的特点以及实现本系统的整体框架．利用Java语言进行了基于移动代理的对象管理系统的实现,并且简单介绍了实现细节．     

基于相对模糊和边缘强化的散焦求深度方法

摘 要: 研究了由散焦图像恢复物体深度的问题,改进了Favaro等人提出的基于迭代求解热扩散方程的方法.将两幅散焦图像按照相对模糊程度的不同,划分为两个区域,证明了这两个区域的边界和图像的边缘有很高的一致性,通过强化图像的边缘,使这两个区域的边界在迭代求解热扩散方程的过程中更容易确定.模拟实验与真实实验都验证了算法的有效性.     

移动机器人级联超像素行人目标分割算法

针对移动机器人视觉应用中,复杂室内外环境下行人目标提取因背景干扰而导致主体轮廓失真的问题,提出一种基于超像素的级联式行人目标分割算法。利用超像素对目标边缘轮廓的吸附特性,第一级超像素在获取全局超像素区块的基础上,结合行人显著区域检测,计算第二级超像素区块的平均颜色距离和中心点空间位置距离相关度,从而获取行人目标轮廓的分割结果。仿真结果表明,该算法精确度与召回率统计平均为0.98,高于当下流行的其他显著目标分割算法,对行人目标检测分割性能具有良好效果,为行人目标跟踪等应用提供必要的预处理基础。     

基于相对模糊和边缘强化的散焦深度恢复研究

通过改进Favaro等人提出的迭代求解热扩散方程的方法,研究了由散焦图像恢复物体深度的问题.首先将两幅散焦图像按照不同的相对模糊程度划分为两个区域,证明了这两个区域的边界和图像的边缘有很高的一致性;然后通过强化图像的边缘,使这两个区域的边界在迭代求解热扩散方程的过程中更容易确定;再根据确定的U+和U-的边界较好地求解了物体深度;最后通过模拟实验及实际图像实验对该方法进行了验证.模拟实验结果表明,文中方法具有较好的鲁棒性;实际算例分析表明,文中方法的恢复效果优于Favaro的方法.     

与纹理无关的散焦测距方法的研究

计算机视觉中，景物三维重建的关键之一是从景物图像中获得景物目标到摄像机的距离．在此介绍一种基于散焦图像来计算景物距离的新算法．该方法通过改变镜头的光圈系数得到同一景物的2幅散焦程度不同的图像，用图像信号时域能量值表示其功率谱密度；应用一种动态参照技术，得到模糊参数值C，从而得到景物距离的估计值．这种方法具有标定简单（只有一个值需要标定）、计算量小、精度较高并且得到的估计结果与景物的纹理无关的特点．实验结果表明了该方法的有效性.     

广播信号调幅度监测

广播信号的平均调幅度是影响广播覆盖面积、信噪比、电能利用率的重要参数，监测平均调幅度是从技术角度检验广播神经效益的主要方法，本文提出的有“有声平均调幅度”定义和测量方法，对于改变现行的人工监测方法，实现平均调幅度监测的定量化、自动化具有重要的现实意义。实测结果稳定可靠。     

利用成像系统的光学散焦获取景物的深度信息

研究了一种新的被动测距方法．利用测量被动成像系统光学散焦的数字图像处理方法，分析光学散焦程度的变化与景物深度的关系，提出了一个散焦被动测距的计算公式，并得到了一些实验结果．该方法只需对景物采集两幅有差别的图像，避免了大量图像的采集和存储，两幅有差别图像是通过改变摄像机镜头的光圈系数来获得的，避免了图像间的位置校准和匹配．     

基于COM架构红外手机管理软件的实现

为了实现手机和通用计算机之间信息的共享,给出了通用计算机的红外线适配器的设计方案,并详细描述了基于COM(Component Object Model)架构的红外手机管理软件的实现细节.该管理软件使用ATL(Active Template Library)实现松散耦合的COM组件架构,其优点是目标程序小,修改、升级、二次开发容易,甚至可以通过互联网实现快速自动升级,能通过手机收发短信息,管理手机电话簿等资源.