基于视觉注意机制和形状特征的交通标志检测方法

交通标志的颜色和形状与周围环境存在强烈的反差,利用这一特点,提出了一种基于视觉注意机制和形状特征的交通标志检测方法.首先进行图像预处理,然后采用自底向上的视觉注意模型,提取图像的颜色、亮度、方向等初级特征,将其线性组合得到显著图,得到交通标志的感兴趣域,实现交通标志的粗检测;在此基础上,根据交通标志的几何特征描述进一步检测感兴趣区域中的图形形状,实现交通标志的细检测.最后分别基于软件和嵌入式平台对算法的检测准确性和稳定性进行验证,结果表明,与已有算法相比,所提方法可以很好的克服光照或复杂环境的干扰,显著提高交通标志检测的准确率,具有一定的优越性.     

基于视网膜大细胞通路计算模型和深度学习的无人机目标检测

在复杂背景下的小型无人机红外目标检测是计算机视觉领域的挑战性课题.传统目标检测算法利用深度卷积神经网络提取无人机的静态外观特征并进行模式判别,但在复杂背景下且目标外观不清晰时的性能会显著下降.本文借鉴生物视网膜机制,通过视网膜大细胞通路模型提取无人机目标的时空运动信息,同时借助深度卷积神经网络获得基于静态表观特征的目标置信度图,进而将视网膜时空运动信息与深度卷积网络的目标置信度图进行融合获得目标检测结果.在Anti-UAV2020公开数据集上的评估结果表明,所提出算法的检测精确率达到86.90%,超过了业内主流的YOLO-v3算法.     

视频监控系统中运动目标的阴影消除

本文通过分析阴影的像素特征,建立了一个关于目标帧与背景帧的对比帧来实现阴影监测和消除.为了研究问题方便,本文只考虑视频系统中的摄像头是固定位置的,并且检测目标区域中的较大阴影.利用光流法技术和背景差方法,运动目标能被快速准确的提取出来.同时,背景帧、前景帧及它们的对比帧也被提取出来,而对比帧具有更好的阴影特征.在对比帧上,可以使用静态图像处理技术的一些高效算法,来实时检测阴影区域.本文提出一个对比帧的建立方法,并进一步利用水平集方法来定位阴影区域和消除阴影.通过实验,在选择合适的阈值下,该方法是有效而快速的.     

基于改进Canny算子的图像边缘检测方法

经典Canny图像边缘检测算法在面对复杂背景和椒盐噪声时会出现伪边缘或漏检等问题,影响后续图像分割,目标检测和识别.针对经典Canny算法高斯滤波和人工门限设置2个步骤进行优化改进,首先提出一种循环自适应滤波方法代替高斯滤波对图像进行平滑降噪,提升椒盐噪声抑制性能的同时较好的保留了图像中的细节信息,然后提出一种最小类内类间距准则的2-均值算法自动确定高低阈值门限,相对于人工门限设置方法具有更高的精确性和更强的适应性.基于标准图像库数据开展试验,结果表明所提方法可以明显提升经典Canny算法的椒盐噪声鲁棒性和复杂背景下的边缘检测性能.     

基于颜色和方向特征区域对比度的显著性检测模型

视觉显著性检测是很多计算机视觉任务的重要步骤,提出了一种基于颜色、方向特征和空间位置关系相结合的区域对比显著性检测算法.首先用基于图论的算法将图像分割成若干区域,结合区域间颜色特征和空间对比度计算出颜色显著图.同时采用基于纹理特征的算法分割图像,通过方向特征和空间对比度得到方向显著图.最后将二者结合得到最终显著图.在国际现有公开测试集上进行仿真实验,并与其它显著性检测方法进行对比,检测结果更加准确、合理,证明此算法切实可行.     

基于smoothL1改进的边框回归损失函数

为了进一步提高目标检测任务中的边框回归精度,提出一种基于smoothL1改进的边框回归损失函数.通过自适应地增大smoothL1中非离散点的梯度,缓解了模型反向传播中对离散点和非离散点梯度分布不平衡问题,提高了模型的精度.实验结果表明,在PASCAL VOC2007测试集上,基于改进的smoothL1的目标检测模型Faster R-CNN,平均精度均值(mAP)达到了70.8％,相较smoothL1,模型精度有所提高.     

基于全局对比度的随机游走显著性视觉注意模型

模拟人类视觉的显著性视觉注意机制还没有形成统一的模型,依据对人类视觉的分析可知显眼、紧凑和对比度高的目标更加吸引人眼的注意,提出一种基于全局对比度结合随机游走的显著目标视觉注意算法,并将视觉显著性检测问题化为马尔科夫随机游走问题.首先计算输入图像的颜色和方向的全局对比度形成特征向量,利用向量间的距离确定图表示的边权重,从而构造随机游走模型的转移矩阵.同时通过全连通图随机游走和k_regular图随机游走提取图像的全局特性和局部特性,并将二者相结合得到显著图,从而确定显著目标.在国际上现有公开测试集上进行仿真实验,并与其它显著性视觉注意检测方法进行对比,结果表明,方法检测结果更加准确、合理,证明算法切实可行.     

基于全局对比度的随机游走显著性视觉注意模型北大核心

模拟人类视觉的显著性视觉注意机制还没有形成统一的模型,依据对人类视觉的分析可知显眼、紧凑和对比度高的目标更加吸引人眼的注意,提出一种基于全局对比度结合随机游走的显著目标视觉注意算法,并将视觉显著性检测问题化为马尔科夫随机游走问题.首先计算输入图像的颜色和方向的全局对比度形成特征向量,利用向量间的距离确定图表示的边权重,从而构造随机游走模型的转移矩阵.同时通过全连通图随机游走和k_regular图随机游走提取图像的全局特性和局部特性,并将二者相结合得到显著图,从而确定显著目标.在国际上现有公开测试集上进行仿真实验,并与其它显著性视觉注意检测方法进行对比,结果表明,方法检测结果更加准确、合理,证明算法切实可行.     

基于启发式Q学习的汽车涂装车间作业排序优化

针对汽车涂装车间中的作业优化排序问题,提出一种基于启发式Q学习的优化算法。首先,建立包括满足总装车间生产顺序和最小化喷枪颜色切换次数的多目标整数规划模型。将涂装作业优化排序问题抽象为马尔可夫过程,建立基于启发式Q算法的求解方法。通过具体案例,对比分析了启发式Q学习、Q学习、遗传算法三种方案的优劣。结果表明：在大规模问题域中,启发式Q学习算法具有寻优效率更高、效果更好的优势。本研究为机器学习算法在汽车涂装作业优化排序问题的应用提出了新思路。     

复杂背景下的视频前景检测方法研究

采用计算机视觉领域的相关算法,研究了如何有效地从监控视频中提取前景目标的问题.在应用中先将视频转换成逐帧图片并依据图片每一像素的灰度值将图形以二维矩阵形式数值化.在此基础上,采用帧差法、背景差法、混合高斯模型、Harris算法与FREAK算法等多种算法,利用Matlab和Python等工具建立不同背景下的相应模型.成功地从包含动态背景、镜头晃动等不同情境的监控视频中检测并提取出前景目标.同时依据不同前景目标的各维度特征信息,利用主成分分析、k-means聚类等机器学习方法构建了判断异常事件发生的算法模型,取得了一定效果.     

Dynamic Programming in Digital Communications: Viterbi Decoding to Turbo Multiuser Detection

Many important signal processing tasks in digital communications are based on integer programming problems whose raw complexity is extremely high. Such problems include the decoding of convolutional codes, channel equalization, multiuser detection, and the joint performance of these tasks. In each of these problems, the high complexity arises from the need to perform simultaneous processing on long sequences of finite-valued symbols in order to optimally detect or decode them. Fortunately, the complexity of these optimization problems can often be greatly reduced through the use of dynamic programming, which efficiently finds optimal [e.g., maximum likelihood (ML) or maximum a posteriori probability (MAP)] decisions in long sequences of symbols. This paper reviews four decades of progress in this area: the Viterbi algorithm for ML decoding of convolutional codes of the 1960s; the ML sequence detectors for channel equalization and the BCJR algorithm for MAP decoding of convolutional codes of the 1970s; the ML and MAP multiuser detectors of the 1980s; and combinations of these through the turbo processing of the 1990s.     

‘Statistical methods for automatic crack detection based on vibrothermography sequence‐of‐image data’ by M. Li,S. D. Holland and W. Q. Meeker: Discussion 2

The paper written by M. Li, S. D. Holland and W. Q. Meeker [Applied Stochastic Models in Business and Industry] presents statistical methods for automatic Crack detection based on vibrothermography sequence‐of‐image data. In particular, a matched filter used to increase the signal‐to‐noise ratio is developed. The review gives suggestions about physical approach and detection criteria. Copyright © 2010 John Wiley & Sons, Ltd.     

双门限检测准则下检测概率的计算

双门限检测法是近年来通信领域提出的检测信号的一种方法。本文给出了在双门限检测准则下检测概率的计算公式     

Using invariants to determine change detection in dynamical system with chaos

The problem of change detection in dynamical systems originated from ordinary differential equations and real world phenomena is covered. Until now suitable methods for detecting changes for linear systems and nonlinear systems have been elaborated but there are no such method for chaotic systems. In this paper we propose the method of change detection based on the fractal dimension, which is the one of characteristics dynamical system invariants. The application of the method is illustrated with simulations.     

Methodology of on-line optimisation applied to a chemical reactor

The structure of an on-line optimisation procedure is complex, and may involve several steps from different areas. In this paper, a methodology of on-line optimisation that consists of: steady-state detection, data reconciliation, gross error detection, parameter estimation and optimisation is discussed, and applied under simulation, on a two continuous stirred tank reactor (CSTR) connected in series system. Simulation results show that there are some advantages to be gained when this methodology is applied in conjunction with the ISOPE algorithm.     

A Bayesian network model for spatial event surveillance

Methods for spatial cluster detection attempt to locate spatial subregions of some larger region where the count of some occurrences is higher than expected. Event surveillance consists of monitoring a region in order to detect emerging patterns that are indicative of some event of interest. In spatial event surveillance, we search for emerging patterns in spatial subregions.A well-known method for spatial cluster detection is Kulldorff’s [M. Kulldorff, A spatial scan statistic, Communications in Statistics: Theory and Methods 26 (6) (1997)] spatial scan statistic, which directly analyzes the counts of occurrences in the subregions. Neill et al. [D.B. Neill, A.W. Moore, G.F. Cooper, A Bayesian spatial scan statistic, Advances in Neural Information Processing Systems (NIPS) 18 (2005)] developed a Bayesian spatial scan statistic called BSS, which also directly analyzes the counts.We developed a new Bayesian-network-based spatial scan statistic, called BNetScan, which models the relationships among the events of interest and the observable events using a Bayesian network. BNetScan is an entity-based Bayesian network that models the underlying state and observable variables for each individual in a population.We compared the performance of BNetScan to Kulldorff’s spatial scan statistic and BSS using simulated outbreaks of influenza and cryptosporidiosis injected into real Emergency Department data from Allegheny County, Pennsylvania. It is an open question whether we can obtain acceptable results using a Bayesian network if the probability distributions in the network do not closely reflect reality, and thus, we examined the robustness of BNetScan relative to the probability distributions used to generate the data in the experiments. Our results indicate that BNetScan outperforms the other methods and its performance is robust relative to the probability distribution that is used to generate the data.     

应用RJMCMC方法识别线性模型异常点

传统线性模型异常点识别方法容易发生误判:正常点被归为异常点或者异常点被归为正常点.为解决此类问题,提出了应用逆跳马尔科夫蒙特卡洛方法识别异常点的思想,同时将其应用于实际数据加以检验,识别效果明显好于传统方法.     

多传感器分布式检测和估计融合

随着科学和工业的发展,信息科学领域涌现出许多应用数学科学问题,这些问题的研究拓宽和加速了基础数学理论的研究.另一方面,基础数学理论的进展以及在信息科学领域的成功应用也促使了工业领域的蓬勃发展.数学与其他学科的相互渗透已成为当今应用数学的主要特点之一,如在2010年ICM(国际数学家大会)上有2个分别关于控制和图像科学的1小时大会报告、7个关于"Mathematical Aspects of Computer Science"的特邀报告和8个关于"Mathematics in Science and Technology"的特邀报告.多源信息融合是数学和信息科学结合的一个重要研究方向.本文主要考虑其中两类基本问题:多传感器检测融合和估计融合,主要创新点包括:(1)对一般传感器观测相关条件下的多传感器分布式检测融合系统,获得同时搜索最优传感器律和最优融合律的高效算法;(2)对失序观测、错误观测和异步观测多传感器分布式估计融合系统,给出统一的全航迹(不仅仅校正当前状态估计)全局最优估计融合公式和算法;(3)对有偏不确定系统估计融合提出极小化Euclid误差准则,并基于多传感器和多算法估计融合获得极小化Euclid误差的抗偏估计高效算法.     

基于Kohonen网络的激光超声缺陷探测研究

在激光超声缺陷检测技术中,不同类型缺陷采样信号的准确分类至关重要.针对激光超声表面波实验采样信号高维小样本的特点,采用了一种有监督学习的Kohonen神经网络(S_Kohonen)自适应分类方法.在S_Kohonen网络自组织学习的过程中,通过改进网络的学习率提高了网络的收敛速度.通过采用一种无需邻域半径判断的自适应权值调整方式来实现竞争层神经元权值不同程度的调整,从而更有效的表征输入样本的分布特征.通过对不同类型缺陷探测样本的多次实验,验证了所述方法具有良好的分类预测效果,多次交叉验证分类正确率均能达到100%.