一种面向高斯差分图的压缩感知目标跟踪算法

传统的压缩感知目标跟踪在目标纹理改变、比例缩放、光照变化剧烈时鲁棒性不足,本文提出一种面向高斯差分图的压缩感知目标跟踪算法。首先,构建原始图像的多尺度空间及其对应的图像高斯差分图,实现高斯差分图的特征提取并获取压缩感知的输入信号;然后,通过压缩降维,目标邻域遍历,参数更新等过程,计算出面向高斯差分图的后续帧的目标最优跟踪窗;最后,将跟踪窗投影到对应的原始图像上,完成面向视频流的目标跟踪。实验证明,高斯差分图像是单通道灰度图,相比较原始视频流的三通道彩色图,具有灰度取值范围小,数值低,结构简单,维数少等特点,增强了特征对纹理改变、比例缩放和光照变化的稳健性,且继承了原始算法的实时性。因此,与传统的压缩感知算法相比,本文算法能快速准确地实现复杂环境下的移动目标跟踪任务,具有更强的鲁棒性。     

致密扩散障碍层极限电流型氢传感器

使用BaCe_0.9Y_0.1O_3-δ作为固体电解质,SrCe_0.95Tm_0.05O_3-δ为致密扩散障碍层,制备了新型致密扩散障碍层极限电流型氢传感器。采用X射线衍射仪、扫描电子显微镜表征了氢传感器上下两层材料的物相和微观结构,应用IM6e型电化学工作站测试了其氢敏性能。结果表明,1 550 ℃烧结10 h可以获得单相致密的钙钛矿结构BaCe_0.9Y_0.1O_3-δ和SrCe_0.95Tm_0.05O_3-δ。氢传感器在600～800 ℃,氢浓度小于17 700 μL·L^-1时,具有良好的极限电流平台,极限电流与氢浓度成线性关系。传感器的灵敏度随测试温度的升高而增大,800 ℃时其灵敏度达1.30 μA·(μL·L^-1)^-1。     

一种面向高斯差分图的压缩感知目标跟踪算法

针对压缩感知目标跟踪算法在目标纹理改变、比例缩放、光照变化剧烈时鲁棒性不足,提出一种面向高斯差分图的实时跟踪算法.首先,构建图像的多尺度空间及其对应的高斯差分图,实现高斯差分图的特征提取并获取压缩感知的输入信号;然后,通过压缩降维,目标邻域遍历,参数更新等过程,计算出面向高斯差分图的后续帧的目标最优跟踪窗;最后,将跟踪窗投影到对应的原始图像上,完成面向视频流的目标跟踪.高斯差分图像是单通道灰度图,具有灰度取值范围小、数值低、结构简单、维数少等特点,增强了特征对纹理改变、比例缩放和光照变化的稳健性,且继承了传统算法的实时性.实验证明,该算法能够快速准确地实现复杂环境下的移动目标跟踪任务.