基于特征点的运动目标跟踪算法研究

由于目标的姿态和大小不断发生变化,本文通过对SIFT特征点的跟踪实现对目标可靠、稳定跟踪,即采用SIFT算法与光流算法相结合的跟踪算法。由于SIFT特征点存在分布太密集的现象,增加了后续跟踪算法的耗时性。针对以上这类问题,本文加入距离约束机制对SIFT算法进行改进。光流只适合小运动,本文采用基于图像金字塔模型的光流跟踪以适应大尺度运动。利用基于多尺度分层的金字塔结构,实现小窗口捕获大运动。通过实验证明,本文所采用的算法相对于传统光流具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。     

基于小波图像金字塔的SSDA快速模板匹配算法

图像匹配理论在图像识别和理解中应用广泛。本文介绍了一种基于小波金字塔的SSDA快速模板匹配算法,它对传统SSDA算法进行改进,采用了一种自适应阈值SSDA算法,不断对阈值进行自适应更新来减少运算量。通过大量试验对比验证了此算法的实时性和可靠性。     

用于计算离散分数阶傅立叶变换的MA-CDFRFT算法改进

基于中心类型DFT矩阵特征分解的MA-CDFRFT(Multiangle Centered Discrete Fractional Fourier Transform)算法在计算一组离散分数阶傅立叶变换DFRFT(Discrete Fractional Fourier Transform)时充分利用FFT运算来减小运算量。结合偶数点离散傅立叶变换DFT(Discrete Fourier Transform)运算的对称性原理，通过数学推导将MA-CDFRFT算法中的一维对称性扩展到频率和变换阶数的二维平面上。利用这个二维对称性原理，改进算法将原算法的主要计算量减小了一半左右。仿真测试结果证明了改进算法的正确性。     

金字塔影像生成中的点特征增强算法

传统的金字塔影像生成将特征点及非特征点统一处理,导致随着分辨率的降低,特征点也一并被平滑消失。而采用点特征增强算法的金字塔影像生成,则可以通过对特征点的检测及增强,特征点不会随着分辨率的下降而消失。即将高分辨率图像下的特征点保留到低分辨率的图像中.     

一种基于改进的无监督深度学习自编码方法

针对传统的Auto Encoder方法在全局特征提取上的高性能以及在图像识别上的重要性,本文提出了一种基于无监督局部深度特征学习的改进方法。首先对训练图像进行局部分块处理,其次采用Auto Encoder方法设计自编码网络进行深度训练,并使用费舍尔向量结合空间金字塔匹配算法进行特征提取,最后通过线性SVM分类器来提高图像识别的准确率。实验结果表明:在MNIST数据集上,本文改进方法运算速度更快,更节约内存,同时具有更低的错误率。与传统方法相比,本文改进方法具有更好的准确性,鲁棒性。     

一种面向云工作流的自配置算法

在云工作流系统结构的基础上,利用动态矩阵控制算法,实现了分布式工作流引擎的动态配置。该算法使得系统在负载增加时,根据控制增量增加一定数目的服务节点数;在负载减少时,减少一定数目的服务节点数。实验结果表明,该算法使得系统具有良好的可伸缩性。     

基于Gabor特征分解的高斯混合非线性滤波算法

传统的窄带信号检测滤波器采用IIR自适应线谱增强滤波算法,对信号特征分解的阶数要求高,导致非线性失真,提出一种基于Gabor特征分解的高斯混合非线性滤波器设计算法,在IIR滤波器设计的基础上,对信号进行尺度和时延估计,构建自适应高阶累积量滤波设计方法,采用高阶累积量对窄带信号进行均方一致估计,对Gabor特征函数Taylor级数展开,求得高斯混合非线性滤波器的带宽参数,最后实现高斯混合非线性滤波器设计改进,提高对窄带信号的检测性能。仿真结果表明,该算法具有较好的滤波性能,可以明显地抑制色噪声的影响,提高信号增益达到20 d B。     

视频压缩中运动估计块匹配算法分析与研究

在介绍运动估计原理的基础上,对常见运动估计算法进行了分析,并提出了自适应探测搜索新算法,对新算法的搜索模式和搜索方法进行了介绍,描述了新算法的步骤,新算法减少了搜索点数。     

基于混合累积模式匹配的云数据特征分区融合算法

在无线传感器网络云计算环境下,传统的数据融合方法,对混合累积特征未进行滤波后置检测,无法实现模式匹配,数据融合误差控制不可控制。提出混合累积模式匹配的云数据特征分区融合算法,根据两云间云滴的取小取大后的比值描述云间相似程度,得到云数据信息熵融合特征的功率谱幅度,采用簇内数据相异粒度寻优法得到云数据的熵融合特征提取最优化的约束条件,对特征进行混合累积模式匹配,对云数据的分区特征混合累积模式匹配滤波后置处理,控制云数据分区特征融合误差,实现算法改进。仿真结果表明,该算法提高特征空间增益,其精度高、实现简单等优良特性,性能优于传统算法。     

基于改进的Canny算子图像信息提取算法研究

研究文本定位与特征提取问题。针对传统的Canny算子图像检测算法的不足,提出了一种改进的Canny算子图像信息特征提取算法。研究方法是:首先对彩色图像进行高斯金字塔分解,然后用Canny算子检测彩色图像,提取边缘图像,再经过通二值化,去噪方差投影定位文本区域。实验结果表明,本文提出的方法有效、实用。     

基于SIFT特征点改进搜索算法的图像匹配技术研究

本文研究一种改进的近邻搜索算法的图像匹配技术。本文采用基于特征的图像匹配方法,利用SIFT算法提取特征点。在特征点匹配的过程中,为提高搜索样本特征点的最近邻和次近邻特征点的速度,本文采用一种基于二叉检索树算法改进的近邻搜索算法,该算法用最近邻与次近邻比值来进行特征点的匹配。用MATLAB语言实现该算法并运用到图像特征匹配中,实验证明优于原算法并具有较高实时性。     

适用航空导航的三维地形匹配算法研究

提出了基于特征的三维地形匹配算法,通过提取山地的山谷线作为地形特征,对基准图和实时图中的特征进行匹配来确定飞行器所在的地理位置。匹配过程阐述了树描述符算法,拓扑粗匹配以及几何量精匹配等概念,该算法具有较大的拉入范围,在一定程度上可以克服因实时图和基准图的差异而产生的误匹配。     

基于改进的LBP特征和随机森林相结合的人脸关键点检测方法研究

提出了一种人脸关键点检测方法,该方法用了少量的正面图像,不用归一化人脸图像,而传统的人脸关键点检测方法需要对图像进行严格预处理。随机森林是一种分类器融合算法,可以很好地解决多类分类问题,虽然LBP特征简单,但其可以包含大量的纹理信息。利用改进的LBP特征与随机森林相结合,构成一种对人脸关键点检测的方法。通过高斯平滑图像的LBP特征的提取,对每个点生成特征,计算出有用的特征作为正例,并且与反例集合变为训练集。通过随机森林分类器进行分类,误差率较低,仅在10％左右。     

基于改进特征提取及聚类的网络评论挖掘研究

[目的/意义]针对信息过载条件下中文网络产品评论中特征提取性能低以及特征聚类中初始中心点的选取问题。[方法/过程]本研究提出采用基于权重的改进Apriori算法产生候选产品特征集合,再根据独立支持度、频繁项名词非特征规则及基于网络搜索引擎的PMI算法对候选产品特征集合进行过滤。并以基于HowNet的语义相似度和特征观点共现作为衡量产品特征之间关联程度的特征,提出一种改进K-means聚类算法对产品特征进行聚类。[结果/结论]实验结果表明,在特征提取阶段,查准率为69%,查全率为92.64%,综合值达到79.07%。在特征聚类阶段,本文提出的改进K-means算法相对传统算法具有更优的挖掘性能。     

基于神经网络的数字识别技术研究

将图像的像素特征与矩特征结合,构建了神经网络分类器,利用提取的特征向量对分类器进行了训练和测试。将图像二值化,并归一化为16＊16大小,提取了其每个像素点的0、1特征共16＊16—256维,图像的网格特征13维,及Hu矩特征7维,一共276维特征。建立了BP神经网络分类器,分别使用最速下降BP算法、动量BP算法、学习率可变BP算法对BP神经网络分类器进行了训练,得出了在相同条件下学习率可变BP算法训练时间短,收敛快的结论。建立了PNN神经网络分类器,与BP神经网络分类器性能进行比较,实验结果表明,PNN神经网络分类器性能更好。     

基于特征观点对语义匹配的产品评论可信度研究

[目的/意义]针对产品评论中的复合句式，实现特征观点对的语义匹配及提取，并明确评论可信度的识别因素及权重，对产品可信评论进行筛选和分析。[方法/过程]基于特征观点对的语义匹配算法实现评论语义指标的量化计算，并采用模糊层次分析法确定可信度指标权重。[结果/结论]实验表明相较于单句提取特征观点对方法，特征观点对的语义匹配算法在召回率、准确率和F-score等性能方面均有较大优势。依据可信度指标对网站产品评论进行筛选，不仅可以评估产品整体的评论可信度，还可以细化到产品特征级别的可信度分析，为用户筛选可信的评论信息并提升购物决策效率。     

基于三角形相似性的图像匹配算法研究

本文提出一种新的H/S(Harris/SIFT)特征点提取算法,在此基础上根据三角形相似性原理,引入基线三角形组及复数空间,使传统的被动搜索三角形变为主动构造三角形,并利用多模板实现图像匹配。实验表明该匹配算法在图像存在旋转、尺度变化等情况下具有良好的应用性能。     

基于颜色与投影特征的车牌定位

车牌定位是车牌识别系统的关键技术,定位的准确与否直接影响车牌识别的结果。本文根据车牌的颜色特征和投影特征提出了一种综合颜色特征和投影特征相结合的定位方法,算法分为粗定位和精确定位。该方法较单一特征的定位方法有较好的通用性,可适应于不同背景、不同光照下的汽车图像,能够确定出车牌区域,准确率得到了较大提高。     

The use of bigrams to enhance text categorization

In this paper, we present an efficient text categorization algorithm that generates bigrams selectively by looking for ones that have an especially good chance of being useful. The algorithm uses the information gain metric, combined with various frequency thresholds. The bigrams, along with unigrams, are then given as features to two different classifiers: Naı̈ve Bayes and maximum entropy. The experimental results suggest that the bigrams can substantially raise the quality of feature sets, showing increases in the break-even points and F1 measures. The McNemar test shows that in most categories the increases are very significant. Upon close examination of the algorithm, we concluded that the algorithm is most successful in correctly classifying more positive documents, but may cause more negative documents to be classified incorrectly.     

企业集团技术金字塔及其创新路径研究

后危机时代的到来为我国企业集团进入新兴产业创造了良好机遇。文章首先提出技术金字塔的概念,通过对比分析国内外企业集团的技术创新,指出我国企业集团以衍生技术为主的低层次创新现状,已远远不适应创新能力提升和新兴产业发展的需要,应大力强化平台技术、前沿技术层次的创新。然后分别从主要特征、竞争力来源、关键能力组合、技术组织特点、所适应市场与发展策略,深入分析技术金字塔的衍生、平台、前沿三个层次技术创新的异同与联系;企业集团通过前沿技术→平台技术→衍生技术的创新路径开拓新产业,可以从根本上提升其自主创新能力。最后就企业集团技术金字塔的构建、实现技术赶超,提出有针对性的对策建议。