基于多特征和流形排序的显著性检测

显著性检测近年来得到广泛关注,其中基于流形排序的显著性检测取得了较为理想的效果。但该方法用颜色平均值来描述图像单元,这就使得图像单元内的细节信息被忽略。此外,根据人类视觉系统,人眼对颜色、纹理等多种特征敏感,而单一的颜色均值信息只能从单一角度描述图像,不能够全面立体地刻画图像内容。因此,提出了采用多个特征从多个角度对图像内容进行刻画。在公共数据集上的实验结果表明,所提出方法能够得到较好的检测效果,优于所有对比方法。     

基于区域分割和均方误差改进的图像修复算法

基于样本块的Criminisi图像修复算法在搜索匹配块时,使用全局搜索并用均方误差（sumofsquareddifferences）来衡量样本块差异。该方法存在搜索范围过大,效率较低,仅考虑颜色的差异,容易导致修复结果边界错位等不足,本文提出了一种基于区域分割和均方误差改进的图像修复算法。为了提高样本块匹配速度,先采用区域分割法分割整个图像区域,使待修复样本块只在对应区域内搜索。在比较样本块差异时,本文算法对颜色差异、纹理差异、曲线特征差异进行了加权综合,从而保证了修复后图像在颜色和纹理上均与已知区域保持一致,解决了Criminisi算法效率低且容易出错等问题。实验结果表明本文算法修复结果在执行效率、视觉效果上要比Criminisi算法好。     

手机加速度传感器系统误差校正方法研究

针对加速度传感器低精度的问题,提出一种基于手机多姿态获得MEMS加速度传感器系统误差的模型。通过求解不同姿态下的观测数据n维非线性方程组得到误差值,经该模型校正后,加速度数据精度相较单姿态模型的方法有较大提高。校正前静止状态下加速度传感器的3轴合加速度数值变化范围为9.56～10.10 m/s~2,校正后静止状态下加速度传感器下3轴合加速度数值变化范围为9.78～9.86 m/s~2,更接近真实的重力加速度。这为室内定位中利用步长推算位移提供了更精确的识别方法。