基于增强随机蕨的果园苹果检测研究

果园中苹果检测是实现苹果自动化采摘作业的一项重要环节。针对目前果园苹果检测方法设施要求高及尺度变换、光照缺乏泛化能力等问题,提出基于增强随机蕨分类器的果园苹果检测。首先,在梯度域中通过方向梯度直方图对图像进行特征提取,形成图像的特征空间。其次,在特征空间中,进行随机二元测试,形成随机蕨类并共享特征,构建弱分类器。最后,引入Real AdaBoost算法构建强分类器实现检测。实验结果表明,基于随机二值特征提取的增强随机蕨类分类器能够有效地检测果园中的苹果。     

基于多示例学习和随机蕨丛检测的在线目标跟踪

基于检测的目标跟踪方法目前在计算机视觉领域受到了广泛的关注,这类方法通过训练判别分类器将目标对象从背景中分离出来;分类器的训练是根据当前的跟踪状态从当前帧中提取正负样本来进行,但训练样本的不准确将导致分类器退化产生漂移。该文提出一种能够有效克服目标漂移的跟踪算法,采用检测器和跟踪器相结合的框架,利用中值流算法作为跟踪器,提高跟踪点的可靠性;级联若干个随机蕨弱分类器构成强分类器作为检测器;用在线多示例学习方法更新检测器,提高检测精度;最后将检测器、跟踪器的结果相融合得到最终的目标位置。实验结果表明,与其它方法相比,该方法对目标漂移有更强的鲁棒性。     

基于SVM的焊缝缺陷检测技术算法研究

随着计算机模式识别技术的发展,计算机智能化评片的方法逐渐开始应用到焊管焊缝等重要行业的检测领域。文章采用支持向量机的训练方法应用于焊管焊缝的缺陷识别,并采用粒子群算法进项参数寻优,结果实现了缺陷种类的高效率划分。     

基于线性SGD的两层迭代算法

近年来,随机梯度下降算法用于求解SVM模型的原问题得到了人们的广泛关注。随机梯度下降算法每次只处理一个训练样例,它可以快速训练出线性可分数据集的SVM分类器。由于随机梯度下降算法的运算时间与迭代次数呈线性相关关系,而与训练集样例的个数无关,所以文章提出了一个基于线性SGD的两层迭代算法,在算法的第二步,可以筛选出一个远远小于原始训练集的子训练集来完成最终SVM的训练。     

基于HOG特征及SVM的机车车底螺栓检测方法

为了解决列车动态图像检测系统中对关键螺栓的定位、识别问题,提出了一种基于方向梯度直方图特征和支持向量机的方法检测螺栓。该方法首先利用轨边图像采集设备对车底图像进行采集,并针对关键螺栓分布区域分类为车钩缓冲装置挡板螺栓、转向架心盘螺栓、齿轮箱螺栓。然后针对不同分布区域的螺栓进行样本切割,提取样本方向梯度直方图特征。最后对机车车底图像进行螺栓检测,定位螺栓位置信息,以供判别螺栓丢失、螺栓松动等故障。结果表明,该方法对螺栓的检出率可达90%以上,适用于列车动态图像检测系统的要求。     

基于SVM和HOG的人脸检测算法

本文提出了一种基于支持向量机和方向梯度直方图的正面人脸检测方法。支持向量机通过学习方向梯度直方图特征来选取支持向量,然后根据这些支持向量构建最优分类面。实验使用的训练样本和测试样本从CMU的PIE多姿态和多光照人脸数据库中选取,样本大小被标准化为20＆#215;20像素。检测系统选用的分类器是支持向量机,其核函数是线性的。选用的特征是Navneet Dalal和Bill Triggs在行人检测问题上提出的方向梯度直方图。训练好的分类器在测试集合上的检出率为92%。在CMU＋MIT正面人脸测试集合上也取得了较好的结果。实验结果表明,本文提出的方法在人脸检测问题上是比较有效的。     

基于随机蕨的极化SAR图像地物分类研究

传统极化SAR图像地物分类方法通常存在计算效率低和维度灾难等问题,受益于随机蕨分类器的简单性、鲁棒性和处理高维特征空间的能力,文中提出了一种基于随机蕨算法的极化SAR分类框架算法。随机蕨分类器中大量的二元特征捕获了极化SAR图像中地物的空间信息、纹理属性和与其相邻像素的关系。该方法能够在人工标注像素数量较少的情形下对极化SAR图像进行准确、高效的地物分类并且所需要的训练一个随机蕨分类器的时间仅需几十秒。最终的分类实验结果表明,该方法在Oberpfaffenhofen数据集上达到了较好的分类性能和运行效率。     

基于感知哈希算法的特征融合玻璃瓶缺陷检测

特征提取作为玻璃瓶缺陷检测任务中至关重要的一环,特征集中丰富的特征信息将直接影响缺陷检测的准确率。传统的单一特征提取算法提取的特征信息往往过于单一,使得最终的检测准确率偏低。针对上述问题,提出了方向梯度直方图(Histogram of Oriented Gradients, HOG)特征与尺度不变特征变换(Scale Invariant Feature Transform, SIFT)特征融合的特征提取算法。针对不同缺陷边缘提取轮廓不够准确的问题,提出了基于感知哈希算法(Perceptual Hash Algorithm, PHA)的边缘检测算子选择方法。通过支持向量机(Support Vector Machine, SVM)进行训练和验证。实验结果表明,提出的边缘检测算子选择方法可以针对不同缺陷选择最适合的边缘检测算子,特征融合算法的瓶身缺陷检测平均准确率可达88.7%。较单一的HOG特征提取算法提升了7.99%,较单一的SIFT特征提取算法提升了2.97%。     

基于PCA与SVM的焊缝缺陷信号分类方法

为保证焊接结构处于安全工作状态,文中针对焊缝缺陷的分类问题提出一种结合主成分分析和支持向量机的焊缝特征导波缺陷信号的分类方法。该方法首先以缺陷回波的稀疏重构信号为基础提取了缺陷信号的特征参数矩阵,然后利用主成分分析法对参数矩阵进行降维优化以消除冗余信息。将优化的低维特征矩阵应用于支持向量机进行分类训练,并对比不同主成分的分类效果。最后选择核函数和相关参数来提高分类器的准确率。实验结果表明,该方法能够有效地对焊缝缺陷进行分类。     

基于随机蕨的集成分类图像隐写分析算法

提出了一种基于随机蕨(random ferns)和集成学习的图像隐写分析算法。首先利 用图像高维特征构 建蕨特征,采用成对采样策略构造样本子集,生成若干个基分类器;然后计算出训练样本 在基分类器中各个蕨的 先验概率并集成各个基分类器,进行隐写检测判别。实验结果表明,本文算法复杂度低,能 有效降低隐写检测错误率。     

基于时差最小测量误差的任意站定位算法

研究了基于时差最小测量误差的任意站定位算法,从理论上推导了定位模型,阐述了该算法的优缺点,提出了实际工程中应用该算法的基本思路。根据工程应用需求,给出相应的仿真结果,并提出了该算法下一步发展方向的建议。     

采样滤波算法在单站无源定位中的应用

讨论了用采样的方法近似非线性分布来解决无源定位中的非线性问题,提出了一种简单的正则粒子滤波,克服了标准粒子滤波用于单站无源定位中出现的粒子贫乏现象,将粒子滤波成功应用到无源定位中,计算机仿真表明该算法的定位精度较Unscented卡尔曼滤波（UKF）有一定的提高。     

基于卡尔曼滤波的相对定位算法研究

根据移动通信网络对平台之间相对定位的应用需求,研究了基于卡尔曼滤波的相对定位算法,给出了具体的算法设计过程,并对算法进行了仿真分析,验证了算法的有效性,仿真结果为实际工程提供了一定的理论参考。     

基于梯度方向直方图的行人检测方法研究

为满足汽车安全性的要求,基于图像的梯度方向直方图特征,利用支持向量机的方法,实现了行人检测。该方法提取正负样本图像的局域梯度直方图特征,利用支持向量机进行样本训练,得到行人分类器。利用训练好的分类器进行检测,实验结果表明,该方法可以有效检测出前方出现的行人,并达到了较好的检测效果。     

一种基于地磁强度特征的室内定位方法

研究了基于地磁强度特征的智能手机室内定位技术,利用智能手机的传感器获得每个位置多个方位的地磁强度特征,通过坐标变换和均值滤波对初始特征进行了处理,提取了每个位置的地磁特征量,并以实际室内环境为例进行了验证评估。     

改进的基于RSSI差值的定位算法

基于强度（RSSI）的移动终端定位方法有其特有的优势,是测量报告（MR）分析中一项关键技术。为了提高定位精度,这里改进了基于RSSI差值的定位算法,采用加权最小二乘法（WLS）求解线性定位方程组,估计了距离测量和计算引入的定位误差,采用两次求解来消除距离误差,最后对算法的定位精度进行了测试,给出了测试结果,并对比了几种常用的强度定位算法的定位精度,结果表明改进后的算法明显提高了定位精度。     

基于JSEG算法的点读机坐标定位方法

针对点读书本颜色多样性的特点,提出了一种基于JSEG算法的点读机坐标定位方法。首先,在LUV颜色空间采用邻近像素差分和二值法获取书本边框,并建立书本边框坐标系;然后,采用纹理和颜色特征相结合的JSEG算法对点读目标图像进行分割;最后,根据点读笔颜色最小特性提取点读笔区域,利用点读笔笔尖的曲率特性区分左右手握笔,进而采用行扫描法获取笔尖坐标。实验结果表明,该方法具有较高的点读坐标提取精度,解决了不同握笔方式的点读坐标获取问题,减小了光照不均匀的影响。     

位置指纹室内无源定位技术

随着手机的普及,室内定位成为研究的热点。在反窃听或者地震、火灾的救援中,需要定位设备对目标设备进行无源定位。而由于室内复杂的电磁环境,多数无源定位算法定位误差较大。根据接收的信号强度指示（RSSI）设备和位置指纹定位的优点,采用虚拟坐标与实际坐标映射的方式,实现了位置指纹的室内无源定位技术。该技术具有较高的定位准确度和精确度,并且可以用户依据对定位精度高低来建立数据库。     

一种基于HOG的快速人体检测方法

Dalal等人提出的基于梯度方向直方图(HOG)的人体识别算法具有较高精度,因此成为了人体识别领域热门研究的对象,文中提出了一种快速HOG特征提取算法,并用支持向量机(SVM)训练得到人体分类器。实验结果表明,该算法在不降低检测效果的情况下,明显提高了人体检测的速度,且具有较强的鲁棒性。