多层前馈网络在图象分割中的应用

本文提出用多层前馈网络进行基于边缘信息的图象分割，讨论了学习样本的提取步骤和网络学习的速度改进方法，实验表明，用多层前馈网络进行图象分割能获得良好的结果。     

IP-PBX系统内部通信协议设计

本文首先简单介绍了IP-PBX系统,并在此基础上,介绍其中系统内部通信模块的组成,然后着重介绍一种有效的内部通信协议。此协议应用于IP-PBX主控设备与接入设备内部之间呼叫控制消息的传输与控制。     

基于ZigBee技术的信息交互系统设计与实现

基于生物电的人-机交互（HCI）技术作为特殊场景下常规人-机交互方法的一种补充,具有非常广阔的应用前景。为了解决基于生物电的HCI系统中多用户通信问题,文章设计并实现了一种基于ZigBee技术的信息交互系统。该系统主要由ZigBee无线通信模块、信息生成/处理模块、串口通信模块三部分组成,用以实现多用户间使用眼电信号（EOG）进行无线信息交互。在实验室环境下,眼电信号有效检出率98.2%,传输距离在无遮挡、无路由的情况下可达到70m。实验结果表明该系统具有识别率高、稳定性好、配置简单、使用方便等优点,具有较强的实际应用价值。     

基于运动想象的异步在线脑-机接口系统

目前,运动想象脑-机接口( motor imagery brain computer interface,MIBCI) 的离线分析和研究相对比较成熟,但是异步在线MIBCI始终具有挑战性。针对在线BCI系统的识别率和控制方式,提出了利用共空间模式(common spatial pattern,CSP)算法对运动想象(motor imagery,MI)进行特征提取并结合alpha波进行异步控制。构建了一种简单实用的自主控制小球运动MIBCI实验系统。有四名受试者参加了在线实验,其中有两名受试者在线运动想象识别正确率最高能达到100%。实验结果验证了本文所建系统的可行性和实用性。      

多层前馈网络在图象分割中的应用

本文提出用多层前馈网络进行基于边缘信息的图象分割,讨论了学习样本的提取步骤和网络学习的速度改进方法。实验表明,用多层前馈网络进行图象分割能获得良好的结果。     

改进单高斯模型的视频前景提取与破碎目标合并算法

针对视频背景建模和运动目标检测,本文提出一种基于分块模型更新的单高斯背景建模方法。新方法将视频图像划分为多个区块,并对块内的像素进行统一建模,以替代传统方法中对单像素点的建模。由于块像素的平均更符合高斯分布特性,有利于发挥单高斯建模方法的优势,因此增强了算法应对复杂背景的能力,同时分块建模也有效降低了算法复杂性。针对破碎团块的合并问题,本文提出一种“比对就近”的策略,将相隔距离在设定阈值内的团块合并为一个目标。实验结果验证了本文所提方法的有效性。      

尺度自适应CBWH跟踪算法研究

传统Mean Shift跟踪算法存在固定核窗宽导致目标尺度定位和空间定位不准确的问题。本文在背景加权的均值漂移算法(corrected background-weighted histogram ,CBWH Mean Shift)精确的目标定位基础之上,在RGB颜色空间下使用目标背景加权模型生成目标显著特征的颜色概率图,对其进行阈值分割和图像处理后获取二值图像,以此计算不变矩来调整下一帧的跟踪窗口,并在满足一定条件时及时更新背景加权模型以适应复杂背景下的跟踪任务。实验结果表明,上述方法能够自适应地更新核函数的带宽,提高了算法跟踪尺度变化目标的准确性和鲁棒性。      

基于改进高斯混合建模和短时稳定度的运动目标检测算法

传统高斯混合建模方法中前景模型转换为背景模型的风险随着模型权值在一定更新率下的迭代累加而增大,使得传统方法难以有效检测低速运动目标.该文对高斯混合建模中背景匹配失败时生成的前景模型加以利用并引入短时稳定度指标进行综合判断,在深入挖掘前景模型中包含的运动目标信息和像素点级稳定性的基础上实时区分各像素点的状态.多场景下的实验结果表明,该方法对低速目标达到了更高的检出率.     

基于滑动窗的混合高斯模型运动目标检测方法

在复杂场景下,传统混合高斯模型能较好地检测出运动目标,但随着时间的推移,模型参数收敛缓慢且难以适应场景中真实背景的实时变化,从而导致运动目标的错误检测率增加。该文利用滑动窗技术的短时历史记忆特性,提出一种新颖的基于滑动窗的混合高斯模型运动目标检测方法,该方法弥补了传统混合高斯背景模型不能及时形成新背景的缺点,提高了运动检测的完整性,并进一步降低了算法对场景光照变化的敏感性。多场景下的对比实验结果表明,该方法能更准确、完整地检测出运动目标并具有更好的环境适应性。     

THE APPLICATION OF MULTILAYER FEEDFORWARD NETWORK FOR IMAGE SEGMENTATION

The multilayer feedforward network is used for image segmentation. This paper deals with the procedure of achieving the learning patterns and the method of improving the learning rate. The experiment shows that the image segmentation can get better result from using the multilayer feedforward network.