基于遥感图像信息特征的单调递增SSDA算法

图像配准就是将不同时间、不同传感器或不同条件下对同一景物获取的两幅或多幅图像,进行比较找到该组图像中的共有景物,或是根据已知模式到另一幅图中寻找相应的模式。利用遥感图像进行目标监测需要进行图像配准处理。匹配算法如何达到高精度、高匹配正确率和实时性成为人们追求的目标。文章在传统匹配算法的基础上,提出两点改进:一是通过PCA-圆形SIFT算法提取图像特征角点,降低维数,优化计算;二是利用图像角点作为单调递增阈值序列SSDA算法匹配的基本像素点,利用遥感图像信息特征降低匹配计算量。最后进行实验仿真,结果表明,改进后的算法使得配准速度进一步提高,能够满足遥感图像配准实时性的要求。     

基于距离准则的地图匹配算法研究

为了弥补车辆导航中位置点匹配算法的不足,对轨迹曲线匹配的思想进行了必要的介绍,并重点从距离要素出发,对匹配准则进行了研究。在分析了各种常见距离定义的不足后,提出了基于面积法的距离匹配准则,并对距离准则的算法设计和适用性进行了详细的分析和描述。结论表明,采用该算法后的总体定位精度优于GPS的定位精度,算法准确性也比位置点匹配高。     

基于SIFT的图像匹配算法

基于SIFT的图像匹配算法通过尺度空间检测特征点,计算特征点邻域的梯度方向直方图生成SIFT特征向量,然后采用SIFT特征向量的欧式距离来作为两幅图像中关键点的相似性度量.从不同阈值设置、视角变化及遮挡、添加噪声等几个方面对基于SIFT的图像匹配进行了研究和探讨.实验结果证明,本算法对图像尺度、视角变化、目标遮挡、噪声影响等方面有较好的鲁棒性,适用于在海量特征数据库中进行快速、准确的匹配.     

简化的图像三维重建算法

提出了一种简化的图像三维重建算法，该算法利用灰度信息的相似性测度自动寻找两幅图像对应点，再根据双目成像几何模型计算图像的深度信息．给定了相似性测度，两幅图像的匹配可以描述为一个最小化的问题．在实际应用中利用区域对应、唯一性控制等机制以增强算法的精确度和稳定性．     

一种改进的SIFT图像立体匹配算法

针对SIFT算法复杂度高、计算时间长、影响立体匹配的实时性等问题,提出了一种改进的立体视觉特征点匹配算法该算法从两个方面对SIFT算法进行改进:首先利用24维特征描述符代替128维特征描述符,以降低计算复杂度;其次在图像对匹配过程中采用改进的BBF搜索算法,通过引入最小优先级队列的限制条件和匹配精度更高的马氏距离判断两幅图像特征点的匹配性.采用经典图像和未知的室外环境下拍摄的图像对本文算法进行实验验证,结果表明,本文提出的算法每100个特征点检测时间为0.01 s,正确匹配率平均为89.65%,相对于原算法,提高了匹配的准确度,并降低了匹配时间.      

基于改进AOE网络的低频浮动车数据地图匹配算法

由于低频浮动车数据时间间隔较长,现有地图匹配方法难以满足低频浮动车数据地图匹配的要求.综合考虑浮动车数据轨迹点之间的整体特性,在局部和全局地图匹配算法的基础上,提出了一种基于改进AOE网络的低频浮动车数据地图匹配方法.首先,采用相交分析判断GPS点缓冲区和候选路段的关系,以获取候选路段和候选匹配点;其次,基于四叉树空间索引和Dijkstra算法,获取候选匹配点之间的最短路径;第三,设计了一种改进AOE网络,提出了基于改进AOE网络的最短可达路径算法,以获取最终的地图匹配点;最后,对改进AOE网络的地图匹配算法进行评价,并通过实验分析了算法的时间效率和正确率.实验结果表明:基于改进AOE网络的地图匹配算法正确率为95.3%,程序执行总时间为96.8 s. 其正确率分别比点到线的局部地图匹配方法和基于弱Frchet距离的全局地图匹配方法的正确率高13.6%和2.8%.      

点匹配问题的极坐标算法和三角形算法

点模式匹配在比较两幅由不同时间或同一时间不同传感器采集的图像时，是常用的方法之一，许实时应用系统对匹配效率有很高的要求，文中构造了一个基于极坐标转换的算法和一个基于三角形近似顺序全等的算法，两个算法都具有原理简明，识别能力强，计算速度快的特点，文末对两个算法进行了比较，并用数值实例加以验证。     

一种基于特征点的跟踪算法

设计了一种基于特征点的图像跟踪算法．采用卡尔曼滤波器跟踪运动目标，并针对跟踪过程中的旋转及遮挡问题，提出相应策略：根据特征光流计算得到目标的旋转角度，适时地更新特征点的匹配模板，解决了旋转问题；当有局部遮挡发生时，通过模板与图像的匹配相关系数判断出被遮挡的特征点，并把这部分特征点加以滤出，而只有未遮挡特征点的跟踪结果送到卡尔曼滤波器，从而有效解决了局部遮挡问题．试验结果表明，这种跟踪算法具有跟踪精度高、鲁棒性强的特点．     

基于局部Gabor特征匹配和Kalman滤波的车辆跟踪算法

针对基于全局匹配的视觉目标跟踪算法的不足,文章采用一种局部匹配的思路,利用Gabor特征的抗噪性和边缘极大值点的不易丢失性,实现了一种鲁棒的Kalman车辆跟踪算法。首先以抗噪性强的Gabor特征构建匹配特征向量;然后采用边缘极大值点作为待匹配特征候选点;最后将以上特征输入至Kalman跟踪器,实现前方车辆跟踪。试验表明该方法在车辆姿态大幅度变化及遮挡时仍具有较强的鲁棒性。     

线性调频连续波雷达信号匹配滤波

利用周期模糊函数分析了线性调频连续波信号的匹配滤波输出．用频域加权匹配处理可有效抑制距离耄瓣，提高多目标的分辨能力，但无法避免主瓣变宽，并使线性调频连续波信号的匹配滤波输出有信噪比损失．若采用汉宁加权，信噪比损失为3．52dB．     

A New Robust Image Matching Method Based on Distance Reciprocal

Object matching between two-dimensional images is an important problem in computer vision. The purpose of object matching is to decide the similarity between two objects. A new robust image matching method based on distance reciprocal was presented. The distance reciprocal is based on human visual perception. This method is simple and effective. Moreover, it is robust against noise. The experiments show that this method outperforms the Hausdorff distance, when the images with noise interfered need to be recognized.     

移动最小二乘微分求积法解Helmholtz方程

用一种新型的数值方法--移动最小二乘微分求积法（MLSDQ）求解二维Helmholtz方程。MLSDQ方法是一种直接将微分方程离散的方法，它是将未知函数的各阶偏导数在离散点处的值用域内各配点的函数值加权组合来表示，权系数则直接用移动最小二乘Galerkin法中的形函数求导得到，通过MLSDQ技术将Helmholtz方程和相应的边界条件转化成为一组关于各配点位势的线性代数方程组，求解这组代数方程，便可得到各配点的位势，通过求解几个具有精确解的算例，讨论了方法的收敛性和数值精度，结果表明：该方法较适合于求解小波数的Helmholtz方程,对高波数的方程，需要设置大量的域内配点才能有较好的数值结果。     

NEW HAUSDORFF DISTANCE-BASED VEHICLE LOCATION

Objective To realize accurate localization of moving vehicles from single monocular intensity image.Methods The new modified Hansdorff distance(M2HD) was adopted, which used dominant points instead of edge maps as features for measuring similarity between image and model projection. Modified simulated annealing (MSA) algorithm was used to find optimum localization parameters. Results M2HD reduces the computational complexity,and improves the matching precision. Furthermore, MSA can fast find global optimum instead of getting into partial one because of its high parallel and robust performance. Conclusion Experiments confirm that the combination of MSA and M^2 HD can effectively localize the vehicles that are changed both in translation and rotation     

HIERARCHICAL CONTENT BASED IMAGE RETRIEVAL

ＩｎｔｒｏｄｕｃｔｉｏｎＡｔｒａｄｅｍａｒｋｉｍａｇｅｄａｔａｂａｓｅｉｓａｓｅｔｏｆｔｒａｄｅ－ｍａｒｋｐｉｃｔｕｒｅｓ．Ｕｓｕａｌｙｉｔｉｓｔｈｅｄｕｔｙｏｆｐａｔｅｎｔａｎｄｔｒａｄｅｍａｒｋｏｆｉｃｅｔｏｅｓｔａｂｌｉｓｈａｎｄｍａｎａｇｅｔ...     

基于运行参数-几何参数关系的信号控制方法——以K型交叉口为例

受城市发展历史原因影响,畸形交叉口在中国城市老城区的分布较为普遍,其中包括K型交叉口。为了提升城市道路通行效率及安全水平,结合哈尔滨市5处典型K型交叉口调查数据,在分析其几何参数及交通流运行参数的基础上,构建K型交叉口运行参数-几何参数关系模型。通过交叉口的交通流线分析、交通冲突点计算、交通冲突强弱界定等步骤,提出一种旨在提高K型交叉口通行效率的信号控制方法。最后,以某典型K型交叉口为案例,对实施前后的交叉口交通流运行状态进行仿真与对比分析。结果表明,基于运行参数-几何参数关系的K型交叉口信号控制方法,可以减少车流在路网上的绕行时间,有效提升交叉口及其周边道路网的通行效率。     

基于一面两孔特征的点云配准方法

为了提高零件在扫描检测过程中点云与设计模型的配准精度,提出了一种基于一面两孔特征的点云配准方法.该方法粗配准以零件的平面/圆柱孔特征为对象,使设计模型和点云的局部坐标系重合,并通过改进ICP算法求解点云与设计模型最近点的距离最小平方和实现精配准.由于配准区域和最近点的计算方法不同,精配准进一步分为全域和特征域配准两种类型.全域精配准以距点云最近的设计模型三角网格点或投影点为最近点,适合于毛坯件;特征域精配准则通过求解点云在平面/圆柱孔特征上的投影点为最近点,适合于成品件.试验及计算结果表明:全域配准的配准精度随表面离散点距离的减小而提高, 当离散点距离达到1.50 mm时,其配准精度已经达到0.15 mm,基本满足工程应用要求.当配准精度相同时,配准效率较其它方法提高10%~20%.      

基于卷积神经网络优化回环检测的视觉SLAM算法

传统视觉即时定位与建图（SLAM）算法若无回环检测可能会存在累积误差无法消除的现象,即使有回环检测,也因准确率和效率比较低而无法应用于轻量级设备上,为此,研究一种回环检测优化的视觉SLAM算法. 前端估计时,对相邻帧图像进行ORB （oriented fast and rotated brief）特征提取与匹配,对匹配成功的特征点进行PnP （perspective-n-point）求解,获得相机运动估计并筛选出关键帧图像;后端优化时,利用SqueezeNet卷积神经网络 （CNN）提取图像的特征向量,计算余弦相似度判断是否出现回环,若出现回环则在位姿图中增加相应约束,利用图优化理论对全局位姿进行整体优化;最后利用项目组制作的数据集和TUM （technical university of munich）公开数据集进行测试与对比. 研究结果表明:相比于无回环检测算法,本文方法可以成功检测到回环并为全局轨迹优化增添约束;相比于传统词袋法,在回环检测准确率相同的情况下,本文方法召回率可提高21%且计算耗时减少74%;与RGB-D （red green blue-depth） SLAM算法相比,本文方法建图误差可降低29%.      

圆形区域划分的k-匿名位置隐私保护方法

用户位置信息的准确度反比于用户的隐私保护安全系数k（privacy protection level）,正比于查询服务质量;为了平衡由位置信息的准确性引起的隐私保护安全与查询服务质量之间的矛盾,借助位置k-匿名模型,提出了圆形区域划分匿名方法.将整个区域划分为相切圆及相邻的4个相切圆的顶点组成的曲边菱形形成的组合区域,当用户位置区域含有的用户数量不满足隐私保护安全系数要求时,利用区域扩充公式得到合适的匿名区域.实验结果表明该方法减小了匿名区域的面积,提高了相对匿名度,从而平衡了k与QoS的矛盾;并从匿名成功率、服务质量和信息处理时间3个角度确定了基于位置k-匿名隐私保护方法的评估模型.     

RESEARCH FROM SINGLE FRACTAL DIMENSION TO GEN-ERALIZED FRACTAL DIMENSION OF SPEECH

ＥＮ－ＥＲＡＬＩＺＥＤ ＦＲＡＣＴＡＬ ＤＩＭＥＮＳＩＯＮ ＯＦ ＳＰＥＥＣＨTX＠董远＠胡光锐＠陈玮ＩｎｔｒｏｄｕｃｔｉｏｎＳｅｖｅｒａｌｍｅｃｈａｎｉｓｍｓｉｎｓｐｅｅｃｈｆｌｏｗｓｃａｎｂｅｖｉｅｗｅｄａｓｒｏｕｔｅｓｔｏｃｈａｏｓ．Ｔｈｅｎｏｎｌｉｎ...     

Smolyak Type Sparse Grid Collocation Method for Uncertainty Quantification of Nonlinear Stochastic Dynamic Equations

This paper develops a Smolyak-type sparse-grid stochastic collocation method(SGSCM) for uncertainty quantification of nonlinear stochastic dynamic equations.The solution obtained by the method is a linear combination of tensor product formulas for multivariate polynomial interpolation.By choosing the collocation point sets to coincide with cubature point sets of quadrature rules,we derive quadrature formulas to estimate the expectations of the solution.The method does not suffer from the curse of dimensionality in the sense that the computational cost does not increase exponentially with the number of input random variables.Numerical analysis of a nonlinear elastic oscillator subjected to a discretized band-limited white noise process demonstrates the computational efficiency and accuracy of the developed method.