一个具有2D不变性的目标搜索方法

提出了一个具有 2D不变性的目标搜索方法。通过采用对数极坐标映射 ,可将空间均匀取样得到的图像变换成非均匀取样的图像 ,从而减小冗余像素 ,压缩了搜索空间。在已知目标模板的情况下 ,利用目标的几何信息和对数极坐标映射 ,即可搜索和识别产生比例、旋转和平移变化的目标。     

机器视觉不变性的阿达玛描绘子

本文导出一种新的视觉不变性描绘子──阿达玛描绘子（Ｈｄ）。     

二、三阶线性微分方程的Liapunov型不等式

利用形如x“ p1x' Q1x=0的二阶线性微分方程和x“ p10x“ Q10x' R10x=0的三阶线性微分方程的不变量与不变量组和因变量变换，对二、三阶线性微分方程进行了研究，得到了其系数满足的Liapunov型不等式，并统一了一些已知结果。     

噪声中信号的一致最优不变检测器的理论研究

本文运用不变检验原理,来研究未知参数的噪声背景中信号的一致最优不变检测问题,导出了未知功率电平的Gauss噪声中非随机信号的一致最优不变检测器(UMPVD)的结构,讨论了其在大样本和小样本情形下的检测性能,从而获得若干有意义的结论。     

基于不变矩和支持向量机理论的船舰目标识别

基于支持向量机(Support Vector Machine,SVM)理论和不变矩(Invariant Moments)理论,提出一种船舰目标识别方法。首先,对图像进行预处理,将彩色图像转化为灰度图像;然后利用Hu不变矩来提取图像的七个不变矩特征;最后,选用支持向量机作为分类器,并将计算出的图像的七个矩特征作为支持向量机的输入对支持向量机进行训练和测试。实验证明,将不变矩特征提取方法与SVM相结合用于模式识别,可以得到很高的分类效率和准确率。     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换(SIFT)算法的精度和稳定性都不够,而加速鲁棒特性(SURF)算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFT算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

关于李超代数B(m,n)的包络代数的中心

设G=B(m,n),π是S(G)到S(H)上的投影算子,我们得到π(S(G)~G)属于S(H)~W的一个由P个元素生成的理想,p=max(m,n)。