基于多源信息融合的管道机器人定位技术研究

提出了3种管道机器人定位方法,即基于视觉的CCD定位方法,加速度定位法,多里程轮定位法。在考虑到3种传感器的精度差异及运用范围的基础上,提出了定位技术融合理论,在该理论的基础上,给出了并行结构融合系统的最优分布式定位融合算法,验证了多传感器定位融合系统相比于单一传感器系统,定位性能有了明显提高,实现了机器人在管道中定位精度的提高。     

基于灰度共生矩阵的模糊神经网络FuCMAC在图像分割中的应用

文中提出了一种改进的CMAC神经网络(FuCMAC),与经典的FCMAC相比,其逼近精度得到提高,解决了CMAC系列神经网络逼近精度不高的弱点.在颅脑磁共振图像分割仿真实验中,把当前像素点的子图像的纹理特征和该像素点的灰度值作为该像素的特征向量,将该特征向量作为神经网络的输入,结果表明其具有较高的分割准确性.     

基于模糊推理的小波域图像融合规则

现有的2种主要的小波域融合规则,即选择绝对值最大系数规则和选择与加权平均相结合的规则,都存在着融合信息不完整和易受噪声干扰等缺点.为克服这些缺点,使融合图像包含尽可能多的源图信息,提出了基于模糊推理的小波域融合规则.此规则根据源图像小波系数的局部区域特征,通过模糊推理确定各源图像相应系数的权值,再对相应系数加权平均得到融合后的小波系数.实验结果表明,使用基于模糊推理的融合规则融合的图像,在峰值信噪比以及与源图像之间的互信息量等方面均优于使用2种现有规则进行融合所得的图像.新规则有效地克服了现有规则的缺点,具有更好的信息完备性和鲁棒性,尤其在源图像受到噪声污染的情况下,其优势更加明显.     

基于多小波分析的图像消噪方法

针对传统小波消噪效果的局限性,多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足.分析了多小波方法的原理,并将多小波算法用于图像消噪中,研究结果表明,多小波对图像信号的先验知识要求较低,在抑制噪声干扰的同时,能够保留更完整的有用信号.     

一种基于数据融合的DDoS入侵检测系统的设计

DDoS入侵检测系统是网络安全的重要部分,对数据源数据和信息进行加工处理的数据融合技术能够提高入侵检测系统的准确性,并缩短响应时间。文中设计了一种基于数据融合的DDoS入侵检测系统,给出了网络设计方案和入侵检测系统模型;并对模型中传感器,决策器以及融合中心的功能进行了详细设计。     

基于图像的3D场景重建

给出了用DSP实现基于图像的3D场景重建的方法和步骤.3D场景重建主要由摄像机标定、图像采集和基于图像的重建3个部分组成.在摄像机标定中,使用摄像机作为测量装置来确定它的内部和外部参数,比对摄像机直接进行测量更为方便;利用摄像机、SEED-VPM642实时图像处理应用平台和PC机构成的系统进行图像采集,DSP芯片与PC机的图像传输采用PCI通信实现;采用体素着色(Voxel Coloring)方法实现3D场景重建,使现实物体在计算机虚拟世界中得以重现.     

基于FDCT的图像消噪算法

由于曲波(Curvelet)变换可以很好的逼近含线奇异的高维函数,近年来日益受到研究人员的普遍关注.传统的数字曲波变换是非正交的、冗余度较高,而本文采用的快速曲波变换(Fast Discrete Curvelet Trans form,FDCT)对物体边缘信息具有最优稀疏表示.通过实验表明,基于FDCT的图像消噪算法可以很好的保持图像边缘,使消噪后的图像获得较好的视觉效果,同时峰值信噪比(PSNR)也得到很大提高.     

基于背景重建的序列图像车辆目标检测方法

针对静态摄像条件下视频序列图像,提出一种基于背景重建的序列图像车辆目标检测方法.该法先选取一帧图像存入背景缓冲区,然后根据当前帧图像与前一帧图像、背景图像的差分信息对背景缓冲区的背景进行更新.通过运动区域检测、噪声去除、连通单元标记、目标提取、阴影检测等处理,能获取完整的车辆目标区域.实验结果表明,该方法快速、准确,具有较好的实用价值.     

基于支持向量机的图像分类

介绍了支持向量机(SVM)的基本原理,并将它应用于图像分类.提取多种视觉特征作为SVM的输入向量,比较单一视觉特征和综合视觉特征作为SVM输入向量时的分类性能.还比较了多项式核和高斯径向基核的分类效果.实验结果表明,混合特征明显优于单一视觉特征,高斯径向基核优于多项式核.     

一种新的自适应图像组结构算法

运动补偿时域滤波(MCTF)将若干连续的视频帧组成一个图像组进行时域小波分解以获得时域可分级性。与图像组大小固定的结构相比,自适应图像组结构(AGS)提高了编码效率,但实现复杂度也大大增加。提出了一种新的自适应图像组结构(NAGS),利用帧间预测判断视频序列的时域变化特性,并根据视频序列的时域变化特性选择不同的图像组结构。新的自适应图像组结构大大降低了自适应图像组结构的计算复杂度,并解决了自适应图像组结构时延的振荡性问题。实验结果表明,新的自适应图像组结构的编码性能与自适应图像组结构基本一致。