一种线性探地雷达目标重建算法

为了利用探地雷达快速检测、定位甚至识别地下目标物体,本文在衍射层析成像的基础上,给出了一种线性探地雷达目标重建算法.该算法考虑了空气-土壤两层背景媒质的实际情况,利用一阶Born近似及并矢格林函数建立线性正演模型,基于傅立叶变换技术导出反演计算目标电性参数的解析公式.文中的傅立叶变换及逆傅立叶变换都由快速傅立叶变换(FFT)算法完成,计算量小,计算速度快,从而能对地下隐蔽目标进行快速实时重建.数值模拟实验表明,当背景媒质无损或近似无损时,该算法能对弱散射目标物体的位置、形状及介电常数进行快速且较准确的重建;当背景媒质有损时,能对弱散射目标物体的位置及形状进行快速且较准确的重建;同时,还能对有损或无损媒质中的强散射目标物体进行快速检测.     

类人足球机器人彩色目标识别与头部视觉跟踪

为了在机器人足球比赛中能够快速准确地跟踪运动目标,提出了一种颜色识别与头部视觉跟踪相结合的方法.利用HSV色彩空间颜色阈值的判别和种子点区域生长的填充算法识别物体,计算物体质心并判断其位置,然后通过舵机控制机器人头部的转动跟踪目标.实验结果表明,该方法具有较高的跟踪速度与准确性.     

基于ABUS冠状面图像的乳头位置自动检测算法

乳腺疾病发生在以乳头为中心划分的区域中,乳头的准确定位对乳腺疾病的诊断具有重要的临床意义.提出一种基于自动化三维乳腺超声(ABUS)冠状面图像的乳头位置自动检测算法.首先采用图像掩模提取感兴趣区域(ROI);然后对ROI进行图像预处理操作以提高目标区域识别的精确度和运算效率;最后通过霍夫变换圆检测和排除误判圆操作获得乳头的圆心坐标和半径.结果表明:本算法能有效检测到乳头位置,且检测准确率可达94.7%.     

颜色自适应与相关滤波互补目标跟踪

针对相关滤波(Correlation Filter,CF)算法在目标跟踪中严重依赖目标及背景的颜色在空间中布局,对目标变形极其敏感,且因背景颜色分布的变化导致目标中心计算不准确问题,提出了颜色自适应(Color Adaptive,CA)与相关滤波互补的跟踪策略.跟踪过程中,首先根据前面帧学习的滤波模板和颜色模板,通过两种算法分别计算目标中心坐标;其次,由相关滤波产生的响应图中目标区域数值的占比,分配两种算法计算的中心坐标相应权值,得到最终的跟踪坐标.跟踪实验表明,本文方法(CACF)应对跟踪过程中各种干扰问题具有更强的鲁棒性,优于近几年一些主流的跟踪算法,且跟踪速度可达到实时性.     

一种基于特征检测的机器人足球检测识别方法

针对足球机器人目标识别的实际特点,以智能足球机器人为研究对象,提出了一种基于足球颜色、面积匹配模板和边缘特征相结合的足球检测方法。此方法首先利用颜色特征信息对图像中颜色相似度进行计算来完成足球的颜色识别。然后,通过分析计算足球在全景摄像头中处于不同位置所成的图像像素尺寸与场地中所处位置距离之间关系,建立了足球识别的面积匹配模板,根据该模板可以计算出在图像中处于不同距离的足球轮廓面积。在此基础上,结合足球边缘特征进一步完成对足球的识别。实验表明该方法能够有效地提高足球识别的效率和准确性,并具有较好的实时性;同时对其他目标物的识别也具有一定的借鉴意义。     

贝叶斯框架下的人的检测

利用低分辨率条件下比较易于识别的特征，即衣服的颜色、肤色和位置信息来检测人，首先把待识别的目标分成几个部分，包括衣服和皮肤，再分别利用线性模型为衣服颜色和肤色建立概率模型，由于人体属于非刚性物体，不适用于一般的概率模型，所以利用支持向量机，通过训练，为几部分的相对位置建立了概率模型，最后通过贝叶斯方法建立了框架，该框架综合了颜色和位置的概率模型，实验证明，通过找到最大概率，就能够较准确地检测到人在图像中所处的位置。     

基于空间颜色特征的行人重识别方法

行人重识别技术是嫌疑目标跨摄像头的完整活动路径分析系统的核心技术,但是在被用于实际应用时面临计算复杂度高和存储开销大等问题.针对这些问题,以视频侦查应用为背景,提出一种基于空间颜色特征的行人重识别方法,建立一种在计算复杂度和性能上较均衡的行人外貌特征描述符,对外貌中直观和重要的颜色特征采用对光照具有不变性的颜色描述符进行描述,一定程度上降低了光照变化对颜色特征稳定性的影响.为了弥补颜色直方图缺少空间信息的缺陷,并提高颜色直方图对光照和姿态变化的鲁棒性,把行人团块按语义分割成躯干和腿两部分,再把每一部分细分成若干子块,然后分别计算颜色描述符,并在计算相似度时引入位置信息.实验结果显示本方法在取得接近最好性能的同时具有低计算复杂度的优点.     

基于高速球形摄像机的运动目标检测与实时跟踪系统

利用高速球形摄像机和图像采集与处理单元,设计了一种运动目标检测与实时跟踪系统．首先用混合高斯背景模型实现对运动目标所在区域的识别,由此确定运动区域的质心,并以该质心为中心初始化跟踪窗口;然后在目标区域内提取颜色特征,通过CamShift算法计算目标的精确位置并调整搜索窗口大小．系统利用这些信息,通过串口控制高速球形摄像机的运动,使目标始终位于摄像头的视场范围内,并尽可能位于视场中央,以实现对运动目标的快速准确的实时跟踪．在艾立克一体化球形摄像机上进行了实验,验证了本系统的有效性．     

基于灰度共生矩阵和Mean Shift的目标跟踪算法

针对运用单一颜色特征描述运动目标时抗干扰性较差的问题,提出一种融合灰度共生矩阵和颜色特征的Mean-Shift目标跟踪算法.采用灰度共生矩阵推导的6个纹理特征参数和颜色特征分别表征跟踪目标,引入马氏距离计算纹理特征的相似度,并结合Bhattacharyya系数计算颜色特征的相似度,同时利用Mean Shift算法进行目标定位.实验表明,改进算法能在复杂背景下,有效、准确地实现目标跟踪.     

基于微多普勒的锥体目标进动和结构参数估计

真假目标识别是弹道导弹防御的一大技术瓶颈,目标识别的正确与否在一定程度上决定了反导系统的成败.微动引起的雷达可观测量微多普勒特征包含了目标的运动、尺寸、形状等大量信息,因此微动特征是当前学术界公认的弹道中段目标识别的有效特征之一,对微动特征的提取为弹道导弹防御目标识别提供了新的解决手段.该文以旋转对称锥形目标为研究对象,根据散射中心理论以及攻防对抗条件,推导了目标两个等效散射中心的位置与回波模型,建立了基于滑动型散射中心的锥体目标进动模型.分析了目标的结构参数与雷达回波微多普勒参数的显式关系,推导出微多普勒随时间变化的解析表达式.结合弹道中段目标识别等应用背景,提出了基于TFDHough变换的联合参数估计的方法.该方法综合两个散射中心的微多普勒参数,联合求解二者的参数空间,对进动和结构参数进行估计.仿真结果表明目标回波的微多普勒时频曲线与解析微多普勒曲线吻合,所提联合参数估计方法可准确估计进动角、进动频率、锥体高度、锥底半径等进动和结构参数.     

识别和抽取XML文档中的关系信息及其出现模式

Web中存在着大量描述实体间相互关联的信息,而目前的搜索引擎缺乏知识的处理和理解能力,无法对Web中的关系信息进行识别.该文以XML作为研究对象,提出了一种XML文档中识别和抽取关系信息及其出现模式的方法.该方法按照用户的挖掘请求搜集XML文档;通过计算XML文档的相似度来识别目标文档;建立用户挖掘模式并与目标文档进行模式匹配实现关系数据的抽取.实验结果表明提出的XML相似度计算方法能较好的实现目标文档的识别,同时采用的模式表达和匹配方式也能较准确地从目标文档中抽取出用户所需的关系数据.     

一种改进的Mean Shift跟踪算法

在复杂背景的图像中,用直方图作为目标的特征模板,依据颜色分布进行匹配,具有较好的稳定性.Mean Shift算法是计算最优解的一个高精度算法,能在良好的目标初始化的前提下跟踪到无遮掩的目标.但其新目标由手工标定,特征模板计算量很大,且容易丢失遮掩情况下的目标,所以对Mean Shift算法进行了四处改进.改进后的算法能够准确地初始化、并快速精确地跟踪目标.     

基于小波分析和遗传算法的结构损伤诊断

提出了小波-遗传算法的概念,建立了一种既能识别结构损伤位置、又能确定损伤程度的小波-遗传算法。首先,以有限元分析求解损伤结构振型模态为基础,用db1小波做连续小波变换,由小波系数模极大值识别损伤的位置。然后,以单元刚度的折减系数为遗传算法的优化变量,用振型和频率的误差函数加权来构造目标函数,并通过损伤位置的确定来简化目标函数的变量,再用遗传算法对目标函数进行优化,从而确定结构的损伤程度。通过对一简支梁进行数值模拟分析,计算结果表明,提出的方法不仅能够有效识别损伤的位置,而且能够准确识别损伤程度。     

基于粒子滤波的变电站内动态目标跟踪技术

为实时智能监控变电站安全生产区域内的移动目标,克服现有视频系统人工切换图像和肉眼判断所造成的漏检和滞后问题,对变电站内运动目标的自动检测与识别跟踪技术进行了研究;基于背景差分法实现了人物动态目标检测,提出了基于颜色直方图的粒子滤波人物动态目标跟踪方法;通过提取目标颜色特征,建立目标状态模型和系统模型,进而准确定位目标;研发了变电站安全事件视频自动识别跟踪系统.系统应用结果表明:算法检测与跟踪的时间性能良好,能够快速识别目标,并准确跟踪目标运动轨迹,有效提升了全天候智能监控站内的安全生产能力.     

基于改进凸包和颜色对比度的彩色图像分割方法

基于特征对比度的显著性检测方法在处理复杂背景图像时,容易将对比度较高的背景区域误判为目标,导致分割结果不准确.为解决上述问题,提出了一种基于改进凸包和全局颜色对比度的彩色图像分割方法.首先以超像素为基本计算单元,根据图像颜色及其空间分布,计算基于颜色对比度的基本显著图;然后利用颜色增强Harris角点得到目标的凸包,并利用FH方法生成的超像素对凸包进行修正,以此为基础计算基于改进凸包的中心显著图;最后将上述2个显著图进行加权融合得到最终显著图,并使用大津法得到图像中的目标.通过在MSRA1000和ECSSD数据集上进行实验,结果表明本文算法相较于其他算法在可视效果和准确率、召回率等评价指标方面有明显的优势.     

四旋翼飞行器自主循迹取物运输系统的研究

为实现无人机在运输方面的自动化和信息化,设计并实现一种能自主循迹、取物并运输至目标点的四旋翼飞行器。通过对四旋翼飞行器飞行控制原理的分析,使用超声波传感器获取飞行器实时高度,利用计算机图像处理技术实时判断飞行器位置,并用PID( Proportion-Integral-Derivative) 控制器控制飞行器的飞行高度和自身姿态,实现了四旋翼飞行器的自主循迹飞行和物体识别,以及驱动机械手完成对目标物体的抓取与投放。测试结果表明,飞行器可在1 m 高度上以20 cm/s 的速度沿预设轨迹自主循迹飞行,能在50 s 内识别与抓取底面半径为4 cm、高度为8 cm 的圆柱形物体,并投放在以目标点为圆心半径为25 cm 的范围内,达到了预期效果。     

基于Kalman滤波和改进的MeanShift算法的目标跟踪

MeanShift算法因为简单性和稳定性在目标跟踪中得到广泛应用,但是当目标和背景的颜色模型比较接近时,传统的MeanShift算法由于缺少空间信息,且经典的相似性度量函数不易区别,导致跟踪失败。为了克服上述缺点,采用基于空间颜色特征和新的相似性度量的MeanShift算法,并提出一种融合Kalman滤波器和改进的MeanShift算法的目标跟踪方法。首先,利用改进的MeanShift算法计算出当前帧中目标的准确位置,然后使用Kalman滤波器去预测下一个初始搜索位置,用于下一帧中MeanShift迭代,最后实现对目标的跟踪。实验结果表明,该算法可以准确地跟踪目标,并且跟踪的准确率优于传统的MeanShift算法或者Kalman和传统Meanshift的融合算法。     

大跨度空间网格结构节点损伤识别定位

为检测大跨度空间网格结构状况,对大跨度空间网格结构的节点损伤识别定位进行了研究,提出了适用于大跨度空间网格结构节点损伤识别的两步定位法.利用模态曲率变化比进行节点损伤的初定位,识别出损伤节点所在的子结构;以此子结构为研究对象,利用杆端应变模态变化比对节点损伤进行准确定位.以天津奥林匹克中心体育场屋盖结构为计算模型进行了节点损伤识别的定位模拟,结果表明,模态曲率变化比对节点损伤比较敏感,在节点发生较小程度损伤时便能将其所在的子结构准确地定位;杆端应变模态变化比能够准确地识别节点损伤的确切位置;从而验证了节点损伤两步定位法对大跨度空间网格结构的节点损伤识别定位的适用性和有效性.     

基于Kalman滤波和边缘直方图的实时目标跟踪

为提高光照变化和背景混淆下的实时跟踪效果,提出了基于Kalman滤波和边缘直方图特征(edge orientation histogram, EOH)的实时目标跟踪方法.边缘方向直方图对光照变化不敏感,且对颜色变化依赖程度低,适合背景混淆和光照变化场合下跟踪.Kalman滤波用于预测目标位置和角度,通过预测调整边缘方向直方图的计算得以快速找到跟踪目标,提高边缘方向直方图的匹配能力.经过实际复杂背景和光照场景下与颜色直方图的多组对比测试,颜色直方图很快会失去跟踪目标, EOH能快速正确跟踪,说明EOH和Kalman滤波能在这种场景下快速正确跟踪目标.     

基于支持向量机和遗传算法机器人运动目标检测

针对足球机器人在比赛过程中,由于光线变化、场地颜色变化、目标被遮档导致的目标识别率低、鲁棒性差和实时性不强等问题,采用二维直方图对机器人5个标准目标的颜色模型进行分析比较,确定最佳颜色模型为YIQ.对5个目标的聚类进行改进的形态学处理,得到了最佳的特征值.对所获得的机器人5个目标特征值进行改进的SVM分类识别.用改进的遗传算法对识别的目标位置进行检测分析,在目标被遮档或部分遮档的情况下仍能正确检测,增强了目标检测的鲁棒性.实验表明,其平均识别率达到97.38%,收敛速度小于10代,检测精度达到95%,能够满足球机器人比赛要求.