一种新的快速运动估计算法

 数字化战场的发展使得红外图像信息的传输量迅速增加，因此必须对图像信息进行压缩处理，运动估计是图像压缩的关键部分。针对运动矢量的分布特点，提出了一种新的运动估计搜索算法，该算法先按照菱形搜索模板进行粗搜索，产生当前步的搜索点，并计算出各点的SAD值，根据最小SAD值是否在菱形搜索模板中心点，确定下一步的搜索方式，直到最小SAD值对应的点为菱形中心点，然后以方形搜索模板搜索，则最小SAD值对应的点即为最佳匹配点，最后得出运动矢量。测试结果表明，本算法比FS算法每帧的搜索速度提高了近20倍，与DS算法相比，搜索速度亦可以提高近20%，有效地节省了搜索时间，且基本上保持了全搜索FSA的性能，适合实时应用的要求。     

基于灰度相关的图像匹配算法的改进

针对目前图像匹配算法中存在的匹配精度不高和匹配速度慢的缺点，对基于灰度相关的2类匹配算法——最小误差法和相关系数法进行了改进。最小误差法采用新的ML距离法，提出动态调整阈值的方法，既保证了匹配精度，又避免了局部噪声的影响；相关系数法对相关系数的计算公式进行了简化，并采用三步搜索策略进行匹配，以达到减少计算量和搜索位置的目的。实验证明：改进后的算法，在保证一定匹配精度的条件下，匹配速度大大提高，能够满足实际应用中的实时性要求。     

基于元学习和二进制粒子群的网络故障特征选择算法

为了降低Wrapper模式网络故障特征选择方法分类算法的计算量,本文提出了一种基于元学习和二进制粒子群(ML-BPSO)的特征选择方法。算法在封装的分类训练中采用元学习方法估算分类精度,并利用BPSO在特征空间中进行全局搜索选出最优特征集。在DARPA数据集上的实验表明本文提出的方法能够显著的降低封装模式特征选择计算量,同时保证了较高的诊断精度和较好的降维效果。     

车载图像跟踪系统中复杂场景下目标提取算法的研究

提出一种新的复杂场景下的目标图像提取方法。给出一种改进的Snake模型,并将其应用到初始模板的建立中;引入分形布朗随机场模型,利用小波分形维数和分形拟合误差确定可能的目标区域;定义了一种新的最小失配距离（MMD）相似性度量,并基于目标的特征区域进行快速相关匹配。该算法通过精确建立初始模板和采用由粗到精的目标搜索策略,既保证了目标提取的精度,又大大减少了计算量。     

一种结合ORB特征匹配的均值漂移目标跟踪算法

针对传统的mean-shift跟踪算法基于单一颜色特征空间,在复杂背景下难以对目标进行准确跟踪这问题,提出了一种结合ORB特征匹配的mean-shift目标跟踪算法。该算法在mean-shift算法的基础上利用改进的ORB特征匹配算法修正目标跟踪窗口并实时更新目标特征模板,通过计算前后两帧图像中目标中心的欧式距离与色彩模板的巴氏距离来判定跟踪是否失败,当目标跟踪失败时,不改变目标模板,继续搜索下一帧图像中的目标。实验结果表明,与均值漂移算法和基于其他同类特征的改进算法相比,该算法提高了在复杂背景下目标跟踪的精度,并能满足实时性要求。     

基于图象差距分割的快速目标匹配识别算法

本文在模板匹配的算法基础上,引入图象差距度量的思想,以最大图象距离差选取好的阈值,实现目标与背景的有效分离,以减少模板匹配的计算区域为手段,减少算法的计算量,并提高模板匹配算法的识别精度.实验证明,该算法实现简单且行之有效.     

一种光谱分析中的降维方法

在可见/近红外光谱分析中,提取光谱数据中的有用信息是建立稳健准确模型的前提。ISOMAP是一种有效的提取数据本真维的降维方法,但对噪声和邻域参数都比较敏感。提出了一种改进的ISOMAP有监督降维方法,利用光谱数据本身的相关性指导邻域图的构建,降低对噪声和邻域参数的敏感程度,以正确表达数据的邻域结构。采用该方法对两组光谱数据降维并进行PLS建模,结果表明,改进后的算法消弱了邻域大小的影响,提取出的本真维数更小,同时提高了模型精度。     

基于改进Harris的低动态载体速度的快速计算方法

针对光照分布不均匀的室内环境下低动态载体速度计算实时性较差的问题,提出一种基于改进奇异值分解(SVD)-Harris的低动态载体速度快速计算的新方法。利用SVD对相邻两帧视觉图像分别进行压缩与重构,并结合改进的Harris角点检测算法对两帧图像进行特征点的检测;利用归一化互相关(NCC)模板匹配算法对相邻两帧视觉图像的特征点进行粗匹配;利用随机抽样一致性算法进行误匹配点对的剔除;利用特征匹配点对的信息对载体的速度进行计算。实验结果表明:传统算法的平均计算时间为3.07s,而改进算法的平均计算时间为0.71s,且传统算法的误匹配率远大于改进算法。与传统的NCC模板匹配方法相比,所提算法不仅保证了低动态载体速度计算的精确性,而且显著提高了载体速度在光照不均匀的室内环境下的计算效率,该研究为实现室内移动机器人实时视觉导航提供了理论依据。     

用于像移探测的位平面匹配改进算法

像移探测作为电子稳像的重要的步骤,直接影响稳像的精度和速度。针对传统位平面匹配算法的局限,对各阶位平面的探测效果进行了综合测试,并提出了一种改进方案,即对位平面4,5经过下采样后组成一个合成位平面来进行匹配。研究了匹配块大小变化对位平面算法的影响,比较了相邻帧和固定帧两种参考帧选取方法的优劣。实验表明,改进的位平面匹配算法提高了位平面算法的稳健性,在没有增加计算量的前提下,算法精度达到了与全搜索块匹配法相当的程度。     

基于影像仪测量直线度误差的优化方法研究

针对影像仪测量直线度误差的特点,设计了一种改进的边缘检测模板进行边缘提取,并提出一种满足最小条件的直线度误差评定的方法区间距离算法来优化直线度误差的测量。通过采用影像法对光滑极限塞规的高精度测量实验,与传统边缘检测方法和斜率搜索法进行比较,实例结果表明,改进的边缘检测算法相对于传统检测模板计算卷积次数减少一半,可以提高测量速度,采用区间 距离算法与斜率搜索算法相比较,相同8组数据直线度误差相对误差不超过2%,平均计算速度提高0.01 s。实验验证在影像仪测量不同直径塞规直线度误差的自动化测量中,采用该优化方法可以节约计算时间4.45 s,并通过不同评定方式的比较,提出测量直线度误差最佳测量跨距在0.078 mm~0.104 mm的建议,对实际直线度误差测量具有指导意义。     

基于t-SNE的恒星光谱降维与分类研究

随着天文学的发展以及天文望远镜观测能力的提升,国内外许多大型巡天望远镜将产生PB级的恒星光谱数据。恒星光谱是来自恒星的电磁辐射,通常由连续谱与吸收线叠加而成,其差异源于恒星的有效温度、表面重力加速度以及元素的化学丰度等。恒星光谱自动分类是天文数据处理的一项重要研究内容,是研究恒星演化和参数测量的基础。海量的恒星光谱对分类方法提出了高效、准确的要求。传统的人工分类方法存在速度慢、精度低等缺点,已经无法满足海量恒星光谱特别是低信噪比恒星光谱自动分类的实际需要,机器学习算法目前已经被广泛地应用于恒星光谱分类。恒星光谱的一个显著特征是数据维度较高,降维不但可以实现特征提取,而且可以降低计算量,是光谱分类的首要任务。传统的线性降维方法如主成分分析仅依据方差对光谱进行降维,不同类型的光谱在投影到低维特征空间后会出现交叉现象,而流形学习能够产生优良的分类边界,很好地避开重叠,有利于后续的分类。针对光谱数据维度较高的特点,研究了光谱数据在高维空间内的分布以及流形学习对高维线性数据降维的原理,比较了t-SNE和主成分分析两种降维方法对光谱数据降维的效果,并使用基于属性值相关距离的改进的K近邻算法进行光谱分类,最终对实验结果进行了分析并使用多种机器学习分类器进行比较和验证。采用Python语言及Scikit-learn第三方库实现了算法,对SDSS的12 000条低信噪比的恒星光谱进行实验,最终实现了光谱数据的高精度自动处理和分类。实验结果表明,对于光谱数据的降维处理,基于流形学习的t-SNE方法能够在高维光谱数据中恢复低维流形结构,即找出高维空间中的低维流形,并解出与之对应的嵌入映射,在降维过程中最大程度地保留不同类别光谱样本之间的差异从而产生明显的分类边界。特征提取后,使用机器学习分类器能够在测试数据集上达到满意的分类准确率。所使用的方法也可以应用于其他的巡天望远镜产生的海量光谱的自动分类以及稀少天体的数据挖掘。     

双目视觉系统立体匹配中的加速策略

在双目视觉系统立体匹配中,相似度计算是不可或缺的步骤,而相似性计算的过程存在着精度和速度上的矛盾关系。就此提出了两个加速策略:用以减少匹配搜索像素点个数的分层筛选策略和用以减小匹配窗口相似性计算量的自适应间隔策略。以绝对差值和(SAD)算法和归一化互相关(NCC)算法为例阐述了加速策略的实现步骤。实验证明使用分层加速策略和自适应间隔策略的可行性,使得原始算法在基本保持精度的情况下获得了速度的大幅度提升。     

基于高光谱图像技术的苹果粉质化LLE-SVM分类

苹果粉质化程度是衡量其内部品质的一个重要因素,采用了高光谱散射图像技术进行苹果粉质化的无损检测。针对高光谱散射图像数据量大的特点,提出了局部线性嵌入(local linear embedded,LLE)和支持向量机(support vector machine,SVM)相结合的用于检测苹果粉质化的新分类方法。LLE是一种通过局部线性关系的联合来揭示全局非线性结构的非线性降维方法,能有效计算高维输入数据在低维空间的嵌入流形。对降维后的高光谱数据采用SVM进行分类。将LLE-SVM分类方法与传统的SVM分类方法比较,仿真结果表明,对高光谱数据而言,用LLE-SVM得到的训练精度高于单纯使用SVM的训练精度;降维前后,分类器的测试精度变化不大,波动范围不超过5%。LLE-SVM为高光谱散射图像技术进行苹果粉质化无损检测提供了一个有效的分类方法。     

采用小生境遗传算法反演浅海声速剖面研究*

针对浅海声速剖面反演问题,采用小生境遗传算法,结合声线搜索的最快本征声线匹配反演,实现浅海负跃层条件下的声速剖面估计。利用经验正交函数对声速剖面的多参数不确定性降维,依据声场计算模型获取的最快特征声线传播时延与观测声传播时长进行匹配,采用小生境遗传优化算法,获取最优经验正交函数估计,实现声速剖面反演。按上述方法反演处理浅海声传播实验数据,结果表明,该方法针能够有效反演浅海声速剖面,并且显著优于传统遗传算法反演结果。     

一种多起点并发式快速运动估计搜索方法

为了提高块匹配运动估计快速算法的搜索速度、精度和鲁棒性,提出了一种多起点并发式快速运动估计搜索方法。根据匹配块搜索的特性,提出了均匀选取多个起始点的方法,同时根据搜索区域的大小制定了自适应的限制条件和进度表,使得算法的收敛速度有了很大的提高。该算法在迭代过程中不但能够接受使目标向好的方向前进的解,而且能够在一定限度内接受使目标恶化的解,这使得算法能够有效地跳出局部极小的陷阱。使用基于TMS320C6415芯片的DSP图像处理系统对抖动视频图像序列进行实验。实验结果表明,当视频图像为PAL制,分辨率为720×576个像素,并且相邻图像间的抖动范围为±40个像素时,使用新提出的方法,匹配参数的计算量不大于使用全域匹配方法计算量的1/8,并且搜索精度远高于其他传统的快速搜索方法。     

基于Gabor特征与局部保护降维的高光谱图像分类算法

提出了两种基于Gabor特征与局部保护降维的高光谱图像分类算法。该算法利用嵌入主成分分析的Gabor变换对高光谱图像进行特征提取。为了保护相邻特征的局部信息,利用局部Fisher判别分析或局部保护非负矩阵分离对Gabor特征进行降维,并采用高斯混合模型分类器对降维后的特征进行分类。两组高光谱数据的实验结果表明,本文算法不但能充分挖掘高光谱图像的谱间-空间特征,而且有效保护了高光谱图像的局部特征信息与多模型结构。与现有的几种算法相比,本文算法能得到更高的分类精度和Kappa系数,在高斯噪声环境中也具有更强的稳健性。     

基于最佳搜索域的水下图像区域匹配算法研究

针对水下双目图像匹配时不再满足空气中极线约束条件以及归一化互相关(NCC)算法处理水下图像计算量大等问题,提出了一种基于最佳搜索域的水下图像区域匹配算法。对双目摄像机进行标定得到相关参数,并获取参考图和待匹配图;运用曲线极线约束计算出与空气中极线的最大偏离值,确定最佳搜索域;用NCC进行匹配,将原来的线性搜索改为在最佳搜索域中进行多行搜索,提高匹配精度;并应用盒滤波技术加速,提高匹配速度。实验结果表明,该算法达到了尺度不变特征变换(SIFT)算法的匹配精度,可以应用在整幅图中进行稠密匹配,且运算速度比原有NCC匹配算法大大提高,成功将区域匹配算法应用于水下环境中。     

基于单一量子级联激光器的大气多组分气体(CO、N2O、H2O)同时测量方法

针对海藻三维荧光光谱线性降维方法不理想、模型识别准确率低的问题,提出通过局部线性嵌入(LLE)算法进行降维、通过黄金正弦算法(Gold-SA)对支持向量机(SVM)进行优化来构建分类模型的方法。将LLE算法降维后的海藻三维荧光光谱数据作为SVM的输入,并与其他两种降维方法进行对比。结果显示：LLE算法的降维效果最好,识别准确率最高。为了进一步提高门类识别能力,采用Gold-SA对SVM进行优化并建立Gold-SA-SVM模型,再将其与其他4种分类模型进行对比。结果显示,Gold-SA-SVM模型在分类识别准确率、精准率、召回率和F1分数上都有明显提高,该方法可准确识别抑食金球藻、小球藻、细长聚球藻的门类,可为褐潮研究工作提供有效的参考。     

核映射和Rank-Order距离的局部保持投影相似性度量方法

针对近红外光谱高维、高冗余、非线性和小样本等特点导致光谱相似性度量时出现的“维度灾难”,提出一种基于核映射和rank-order距离的局部保持投影（KRLPP）算法。首先将光谱数据经过核变换映射到更高维空间,有效保证了流形结构的非线性特征。然后改进局部保持投影(LPP)算法对数据进行降维操作,将rank-order距离替代传统的欧氏距离或测地线距离,通过共享邻近点的信息,得到更加准确的局部邻域关系。最后在低维空间通过距离的计算实现光谱的度量。该方法不仅有效解决了高维空间存在的“距离失效”问题,同时还提高了相似性度量结果的精度。为了验证KRLPP算法的有效性,首先根据降维前后数据集信息残差的变化确定了最佳参数近邻点的个数k和降维后的维数d。其次,从光谱降维投影效果和模型分类效果两个角度与PCA,LPP和INLPP算法进行了对比,结果表明KRLPP算法对于烟叶的部位有较好的区分能力,降维效果以及对于不同部位的正确识别率明显优于PCA,LPP和INLPP。最后,从某品牌卷烟叶组配方中选取了5个代表性烟叶作为目标烟叶,分别采用PCA,LPP和KRLPP方法从300个用于配方维护的烟叶样品中为每个目标烟叶寻找相似烟叶,并从化学成分和感官评价两方面对替换前后的烟叶及叶组配方进行了评价分析。其中LPP和KRLPP用于降维的参数选择保持一致,PCA选择前6个主成分。结果表明,由KRLPP选出的替换烟叶与替换配方在总糖、还原糖、总烟碱、总氮等化学成分以及香气、烟气、口感等感官指标上较PCA、LPP方法差异最小,相似性度量准确度最高。该方法可应用于配方产品替换原料的查找,辅助企业实现产品质量的维护。     

基于灰度投影的数字近景摄影立体影像匹配

根据数字近景摄影测量的特点,针对建筑物三维建模的需要,提出了基于灰度投影的影像匹配算法。该算法将影像行、列两个方向上的一维灰度投影,拓展为行、列、主对角线和次对角线四个方向上的一维灰度投影,计算左右影像的四个一维投影向量间的相似性测度的加权平均值作为最后的匹配测度。利用相对定向线性变换（RLT）算法来确定同名核线,以改进的动态定界法来控制待匹配点序列中后续点沿核线匹配的搜索范围,以减少匹配的搜索空间并提高匹配的准确度。利用该算法对建筑物数字近景摄影影像进行了实验,结果表明该算法具有较高的匹配速度和匹配准确率。