基于RPCA和LatLRR分解的红外与可见光的图像融合

红外光和可见光图像的融合在视频监控、目标跟踪等方面发挥着越来越重要的作用.为了得到融合效果更好的图像,提出了一种新的基于鲁棒性低秩表示的图像分解与深度学习结合的方法.首先,利用鲁棒性主成分分析对训练集图像进行去噪处理,利用快速的潜在低秩表示学习提取突出特征的稀疏矩阵,并对源图像进行分解,重构形成低频图像和高频图像.然后...     

基于多尺度Retinex算法的遥感图像增强

遥感图像增强是对遥感图像进行后继处理的必要步骤且在遥感图像的处理中占有独特的地位.当前,有很多图像增强方法被应用到遥感图像的增强当中,文中引入Retinex增强算法,该算法可以实现对图像进行自适应的增强处理.为了使Retinex算法更具有普遍性和自适应性,采用多尺度Retinex算法对图像进行增强.多尺度Retinex算法即结合多个尺度上的单Retinex算法,因而可以进一步提高Retinex算法的自适应能力和对图像的增强效果.应用小波变换方法和多尺度Retinex算法对遥感图像进行增强对比实验,实验结果表明多尺度Retinex算法在遥感图像的增强方面具有优越性,并且可以取得令人满意的增强效果.     

基于积分渐进展开的气相色谱重叠峰快速解析法

论文提出用积分渐进展开解析气相色谱重叠峰,该方法有3个主要步骤：首先将谷峰或肩峰分成两个积分区域,得到一个子区域的积分方程和一个重叠峰面积的代数方程;然后用数值积分求出这两个方程计算中所需要的峰面积,再用积分渐进公式将积分方程展开成代数方程;最后,将这两个方程与峰高约束方程联立后,得到一个非线性代数方程组,用Gauss-Seidel迭代可以快速求解方程组,方程收敛的最大迭代次数不超过20次。仿真和实验结果表明,解析的峰高和峰面积误差均很小,峰面积最大误差低于6.44%,峰高的最大误差约为6.80%。由于该算法精度高,效率高,所以这个方法可以用于气相色谱重叠峰和一般色谱峰的实时在线解析。     

根轨迹复数部分形状的研究

根轨迹法是控制系统分析和设计的三大方法之一,在经典控制理论中占有十分重要的地位.本文通过分析根轨迹上点的实部和虚部之间的数学约束关系,得到根轨迹复数部分的一般数学表达式,并讨论了一般情况下根轨迹复数部分的具体形状,最后,通过实例验证了结论的正确性.     

改进的图像局部特征区域描述方法

针对描述子的性能与维数相矛盾的问题,提出了一种顽健的图像局部特征区域的描述方法。首先按照像素排序将局部特征区域分割为若干个子区域,然后利用基于阈值的分段局部描述子设计方法计算描述子,并采用纹理谱加权方法累加局部描述子得到子区域描述子,最后连接各部分子区域描述子得到最终的特征描述子。该方法综合了全局信息和局部信息,在保证描述子维数较小时对噪声具有一定的顽健性。实验结果表明该方法不仅对单调强度变化和旋转变化具有不变性,而且对其他几何和光学变换具有较好的顽健性。     

USB摄像头的条形码识别

以USB摄像头为输入设备,提出一种改进的EAN-13条形码定位和识别算法.首先,视频连续两帧图像进行差分运算,当其绝对值小于一定阈值,捕获当前图像帧,进而用形态学的膨胀和腐蚀算法对捕获到的图像进行条形码区域的定位;然后,用大律法求定位后图像的全局阈值并对其进行二值化;再然后,用所提出的矩形平移的校正方法对倾斜的条形码进行倾斜校正;最后,用平均宽度法计算出条形码条和空的宽度,接着识别条形码并判断是否识别正确.实验结果表明,该算法识别速度快,识别率高.     

一种新的基于多尺度retinex的高动态范围图像增强方法

针对多尺度retinex的过增强和噪声放大问题,本文提出了一种新的基于多尺度retinex的综合性的高动态范围图像增强方法。首先分别对直方图均衡化后的图像及其反色图像进行多尺度retinex处理,然后再分别对这两幅图像进行改进的伽马矫正,最后对这两幅图像进行平均计算。实验结果表明,该算法对于灰度图像和彩色图像均能有很好的效果。     

基于轻量级注意机制的人脸检测算法

提出一个新的基于轻量级注意力机制的网络框架。在YOLOv3主干网络的基础上,使用深度卷积和点卷积代替标准卷积设计特征提取网络,加快模型的训练,提高检测的速度,然后引入注意力机制模块进行模型速度和精度的权衡,最后通过增加多尺度提取更多网络层的特征信息,同时使用K-means++聚类算法进一步优化网络参数。实验结果表明,该方法可以显著提高人脸检测模型的性能,在Wider Face数据集上可以达到94.08%的准确率和83.97%的召回率,且平均检测时间只需0.022 s,相比原始YOLOv3算法提高了4.45倍。