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.     

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.     

一种求解离散多目标决策的心理学模型

本从心理学的角度,提出了一种基于后悔值的求解离散多目标决策问题的MPTBRV法,中还给出了相应的解法。     

基于双分数阶变分光流模型的运动目标检测方法

变分光流法是常用的运动目标检测方法,应用场景中的光照变化会极大影响现存变分光流法的稳定性及准确率,提出基于分数阶的变分光流模型来提高光照变化鲁棒性.该模型将分数阶导数同时应用于经典变分光流模型的数据项及平滑项中;根据图像的数据特征,采用图像函数及光流向量函数的有限离散二重分数阶导数近似拟合求导结果计算光流向量,进而将光...     

一种改进的GDF多目标优化算法

本文提出一种交互式非线性多目标优化算法，该算法是ＧＤＦ多目标优化算法的改进，具有这样的特点：算法采用了既约设计空间策略，具有良好的收敛性；算法生成的迭代点是有效解；算法具有多种一维搜索准则；对于线性多目标问题，算法只需一次交互迭代即可示出多目标问题的最优解。     

证券投资组合一种多目标优化模型及其算法

针对Young(1998)提出的证券投资组合极小极大(Minimax)模型,给出了一种有效算法;并在此基础上建立了一个多目标优化模型以及求解该问题的一个中心算法.最后通过算例分析,对两种模型及其算法进行了比较.     

一种改进的Fuzzy-HMMS算法及其收敛性

对D at T ran和M ichae lW agner等人提出的FCM-FE-HMM S算法作了进一步的补充和改进,提出了改进的FCM-FE-HMM S算法,并给出了算法收敛性分析,得出在给定初值的情况下该算法将收敛到一个局部最优解。     

养老保险基金投资的目标规划模型

本文根据养老保险基金的性质和投资运营的基本原则,利用单指数模型衡量投资组合的收益和风险,建立了养老保险基金投资的目标规划模型。     

基于神经网络与Opencv的雷达目标检测算法研究

随着雷达使用场景日趋复杂,从回波信号中区分物体信号与噪声的难度也随之增加.旨在使用神经网络和Opencv两种方法从回波信号中区分出物体的信号,实现雷达的目标检测任务.在行列向量检测法中,将目标检测问题转换为向量分类问题,使用神经网络建立投票模型,从而对多普勒频谱上的行列向量分别进行检测,再将检测结果综合处理后获取频谱图上的极大值点.在Opencv检测法中,将雷达目标检测问题转换成图片特征检测问题,对多普勒频谱图从左上至右下进行检测,可判断出极大值点所在区域.两种算法在实际测试中均取得了良好的效果,既为雷达目标检测问题提供新的解决方案,又为深度学习算法在不同领域的应用提供新的思路.     

SFE-SSD: 浅层特征增强的SSD算法在小目标检测问题中的研究与应用

SSD (Single Shot Multibox Dectetor)算法由于具有高速且高精度的检测性能,是目前最好的目标检测算法之一.但由于提取检测框的特征层的特征信息不足, SSD算法在小目标检测任务中表现不佳.为了解决这个问题,目前大部分方法以严重牺牲检测速度为代价提升目标检测模型的精度. 本文提出了SFE-SSD (Shallow Feature Enhancement SSD)提升SSD模型在小目标检测任务中的性能.首先我们采用反卷积操作对SSD算法中检测框金字塔特征层的最浅特征层进行特征扩张.接着通过特征融合机制对扩张后的特征层进行特征增强操作.浅层特征增强策略与SSD 的原始框提取金字塔特征层是并行结构,一定程度上是可以减少检测速度的损失.实验结果显示,我们的方法在PASCAL VOC 2007数据库上精度达到了78.4\%mAP高于SSD算法1.2\%,检测速度达到了81帧/秒,并且在小目标检测任务中有着显著的提升.     

发现空间目标并定位的模型

针对在一个圆柱体内用最少的红球、蓝球发现黄球的问题,采用多个椭圆覆盖圆柱顶面的方法,设计出利用18个球覆盖的方案,叙述了该方案的设计思路,并严格证明出方案的可行性.针对用最少的红球、蓝球发现并定位黄球的问题,设计出36个球的方案,严格证明出方案的可行性.     

基于肤色模型法的人脸定位技术研究

基于JAVA语言对人脸识别首要环节的定位技术进行代码开发,在传统肤色模型法的基础上,对采集到的大量图像进行深入研究,运用图像精准化微调和图像增强处理的方法,提高了传统肤色模型法在实际运用中的精准率,实现了人脸在视频图像中的定位。     

基于目标尺度的自适应加权函数特征点检测方法

为提高Harris特征点检测方法对噪声的鲁棒性,通过一般化目标尺度的概念,应用到检测算子的加权函数之中,使得对于不同噪声强度的图像,滤波模板具备自适应性.针对高斯函数和双边函数,在每一个像素通过邻域搜索的方式得到该像素的目标尺度,作为高斯函数的标准差和双边函数的空间标准差,进而可根据相关准则确定离散情况下滤波模板的大小.试验结果表明,各种检测算子的优化方案能够有效地滤除图像中的噪声,不但减少了将噪声作为角点的情况发生,而且对不同噪声的变化具备较好的鲁棒性.     

An Improved Solow—Swan Model

§1.　IntroductionThetheoryofeconomicgrowthisanimportanttopicinMacroeconomics.Afterador-mancynearlytwodecades,thestudyofeconomicgrowthbecamevigorousagaininthemid-1980s.TheSolow-Swanmodel[1]isoneofthemostusedinthisfield.Thismodelhasarousedmanyresearchersinterestintherecentyears.N.G.Manki,etal(1992)[2]appliedthismodeltoexaminewhetheritisconsistentwiththeinternationalvariationinthestandardofliving.W.Easterly(1993)[3]gavearevisedSolow-SwanmodelbyintroducingtheCESproductionfunction.Inthepaper…     

变拆迁补偿输油管布置的优化模型

2010全国大学生数学建模竞赛题C题的后续研究.对于原问题一,采用逐步优化的思想,将二维问题降维为一维问题,给出最优结果,对于原问题二,将之推广到更一般的情况,考虑变拆迁补偿的最优输油管布置方案,建立了描述此问题的数学模型,利用原问题一的结果,将三维问题降为一维问题,借助变分法,得到最优解满足的必要条件,并给出该问题的一个数值算例.     

累积Logistic回归模型结构变点的序贯检验

分类时间序列在生物医学、社会学和遗传学等领域有着广泛的应用,累积Logistic回归模型是分类时间序列建模的一类重要模型.本文基于偏似然得分过程(Partial likelihood score process)提出一种变点序贯检验方法,监测累积Logistic回归模型的结构是否发生变化.原假设下推导检验统计量的极限分...     

A Stochastic Shape and Color Model for Defect Detection in Potatoes

Abstract

Automatic defect detection in color images of potatoes is complicated by the random variability ordinarily observed in a collection of normal potatoes. Stochastic models are developed that explicitly describe the random nature of the shape and color texture observed in normal potatoes. Shape and color simulations based on these models are realistic. Statistical tests based on the stochastic shape and color models are developed. The tests are capable of classifying an unknown object as either “acceptable potato” or “unacceptable potato.” Twelve potatoes are analyzed, and the experimental results are presented.