基于对比度Harris的快速鲁棒图像配准算法

为进一步提高配准算法的鲁棒性、速度及自适应程度,提出了一种基于对比度Harris的快速鲁棒图像配准算法.依据中心像素与其邻域像素灰度值差异计算分块图像对比度,自适应地确定其角点检测的阈值,并通过灰度相似性剔除伪角点;在构建的尺度空间中检测角点,解决了Harris算法需凭经验手动设定阈值,所提取的角点分布不均匀,对尺度敏感且含有伪角点的问题;采用斜率和距离约束剔除粗匹配后的部分误配准点对,再通过随机抽样一致性(random sample consensus, RANSAC)进行精配准.实验结果表明,与4种同类配准算法相比,所提出的配准算法对于JPEG压缩、模糊、视角、光照及尺度变化图像都具有更好的鲁棒性,配准正确率更高,自适应性更强,且配准时间大幅减少.     

荔枝采摘机械手果实识别与定位技术

针对采摘机械手在自然环境下对荔枝的识别和精确定位问题进行研究.通过分析自然环境成熟荔枝的颜色特征,选取HSV颜色模型进行阀值分割,去除荔枝图像的复杂背景,并利用模糊C-均值聚类法(FCM)对图像中荔枝果实和果梗进行分割,试验结果表明:有效识别果实和果梗的正确率为93.3％.通过计算果实“质心”与果梗的距离最大值确定荔枝采摘点,利用基于色调空间的彩色图像匹配法和极限约束法进行果梗采摘点的立体匹配,实现了采摘点的空间定位,定位试验结果表明:定位坐标中深度值误差小于3 cm,深度值误差率小于5.64％,能满足实际作业中荔枝采摘机械手的定位精度要求.     

论李煜词几类常见意象的审美意蕴

"意象"是创作主体和客体相融合的产物,是客体中寄寓了主体的主观情思的具体形象,是客体经过主体的艺术物化所产生的结果。李煜词中的意象运用丰富多彩,其中有"愁"意象、"梦"意象、"月"意象,这些意象的运用,有助于我们对李煜的词作深一层的了解。     

基于相位相关的全景图像拼接

全景图拼接是实现虚拟场景构建的一种重要方法。文章采用基于傅氏功率谱的频域相关技术来寻找相邻图像的重叠部分,首先将相机拍摄的实景照片投影到圆柱面上,以柱面图像的形式存储;然后精确定位相邻两张照片间的重叠位置并融合相邻图像的亮度,通过图像拼接形成完整的360°环境视景;采用互功率谱中的相位信息进行图像配准,对图像间的亮度变化不敏感,可以有效避免局部最优的现象;实验结果证明,该算法具有一定的抗干扰能力和较高的匹配精度。     

基于RGB通道下模糊核估计的图像去模糊

图像去模糊旨在从受损图像中恢复出清晰图像。由于模糊过程未知,精确地估计出模糊核函数,成为得到清晰复原图像的关键。对于彩色图像来讲,现存的方法只考虑在灰度域估计模糊核。事实上,各个通道的色彩分量图所受到的模糊核函数的影响是不同的。为此,提出一种获得更加精确的模糊核的方法,利用彩色图像的3个色彩通道(RGB channels)代替灰度域分别进行模糊核估计,并将估计出的模糊核应用到基于细稀疏表示的复原模型中进行去模糊处理。仿真实验表明,提出的方法比目前的方法能够获得更好的图像复原效果。     

一种适合硬件实现的多值图像连通域标记算法

提出了一种合适硬件实现的多值图像连通域标记算法.算法以有效的方式识别、保存并整理区域之间复杂的连通关系.首先,通过对图像执行一遍逐像素扫描,得到图像的初步标记结果以及初步标记之间的连通关系;然后,通过等价表整理以及图像代换,输出图像标记的最终结果,并且连通域按照扫描顺序被赋予唯一的连续自然数.仿真结果表明,该算法能够识别图像中复杂的连通关系,产生正确的标记结果,在用于大幅图像的分块标记时,能够实现全局标记一致.在以硬件方式实现该算法时,在50 MHz工作时钟下,处理320×256像素图像能够达到100帧/s的标记速度,满足大部分实时目标识别系统的要求.     

城市形象传播误区与辩证理念的创新

随着城市化进程的日益加速,城市品牌意识促使各个城市努力地展示自己,城市宣传片作为一种有效的方式,在给城市带来效益的同时,也产生了一些误区效应。本文认为以辩证法的有关理论与城市传播相结合,可以对城市健康、有序发展有所启示。     

论曹植诗歌中的飞鸟意象

曹植诗歌中的"飞鸟"意象是其心灵轨迹的生动反映和形象写照.概而言之,可分为"理想鸟"、"孤独鸟"和"自由鸟"三类.他们充分体现了诗人对理想人生的追求,对孤独与压抑的感伤,对自由境界和理想人格的向往.揭示了诗人在曲折的人生历程中承载的孤独与寂寞,深刻的生命体验和不懈的理想追求.     

灰色预测模型的改进

用提高原始数据列光滑度的方法来提高GM模型的精度,从而改进灰色模型,并从理论上证明了该方法比对数函数变换、开方变换、对效函数开方的复合变换、指数函数及指数函数开方的复合变换等已有提高光滑度的方法更有效,笔者提出的“幂函数一指数函数”复合变换很大程度上提高了灰色模型的预测精度,使许多原本不能用灰色模型预测的问题得到解决。     

基于改进的LBG算法的SVM学习策略

针对SVM方法在大样本情况下学习和分类速度慢的问题,提出了利用LBG算法对训练样本进行预处理,然后再使用传统的SVM算法进行训练的策略,并提出了一种改进的LBG算法．通过对仿真数据以及对实际的纹理图像的分类实验表明,这种预处理方法能在保持学习精度的同时减小训练样本以及决策函数中支持向量集的规模,从而提高学习和分类的速度．