公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

一种有效的序列图像自动拼接方法被引量：9: 2011年; 提出了一种基于相位相关法和加速鲁棒特性(SURF:Speeded-Up Robust Features)特征点匹配相结合的序列图像自动拼接算法。首先,利用相位相关法计算归一化相位相关度,通过最大相关度求交进行序列图像的自动排序,并计算得到平移参数;在平移参数指导下,粗估测特征检测感兴趣区域(ROI:Region of Interest)以改进SURF算法进行特征点提取,加快了结合快速最近邻搜索算法和随机采样一致性(RANSAC:Random Sample Consensus)算法的匹配过程的运算速度,提高了稳健性;最后,使用奇异值分解(SVD:Singular Value Decomposition)方法求得相邻图像变换参数,运用帧到拼接图像的思想进行图像拼接并融合得到无缝全景图。实验结果表明,本文算法不但有效地实现序列图像自动排序,与现有算法相比具有更好的实时性,而且合成的全景图具有高清晰度和良好的视觉一致性,具有较好的实用价值。; 陈丽莉刘贵喜; 关键词：图像拼接相位相关法 SURF 图像配准

用于多个机动目标的混合高斯概率假设密度跟踪器被引量：8: 2011年; 现有的混合高斯概率假设密度(GM-PHD)跟踪器不仅可以估计时变的多目标状态,还能辨识不同目标并保持其轨迹连续性.但当多个目标发生机动时,其稳定性较差,容易丢失目标.针对这一问题,本文提出一种能跟踪多个机动目标的混合高斯概率假设密度跟踪器算法.算法在GM-PHD滤波的框架上采用修正的输入估计方法将目标的概率假设密度(PHD)表示成混合高斯形式,并利用不同的标记辨识各个高斯分量,然后通过PHD滤波方程迭代这些高斯分量和对应的标记,最终达到跟踪多个机动目标的目的.仿真实验表明,和传统的GM-PHD跟踪器相比,新算法能以更高的稳定性跟踪多个机动目标.; 刘贵喜周承兴王泽毅廖兴海; 关键词：多目标跟踪随机集概率假设密度混合高斯

基于自适应混合滤波的多目标跟踪算法被引量：14: 2010年; 针对多目标视频跟踪中需要主要解决的目标冲突、合并以及分离等问题,提出了基于自适应混合滤波的多目标跟踪算法。采用混合高斯背景建模法获得前景图,并对图中阴影采用一种简化去除算法,即判断前景像素时,将HSV分量用加权的形式描述,而不必对各个分量依次判断。对前景图提取观测值时,引入了合并处理算法,将分裂的多个矩形检测框进行合并。然后,利用推理的方法将前景观测值与目标关联,用自适应混合滤波算法实现多目标有效跟踪。该算法结合了均值漂移算法运算效率高的和粒子滤波算法能够有效处理遮挡情况的特点。实验表明该算法可以高效地跟踪多目标、准确判断目标的出现和消失,并能够解决多目标冲突、合并和分离等问题。; 梁敏刘贵喜; 关键词：多目标跟踪数据关联粒子滤波均值漂移算法

基于TMS320DM642的增强视景系统设计与实现被引量：3: 2010年; 增强视景及合成视景是近年来在多源信息融合显示与呈现方法的研究和发展推动下出现的一个较新的研究应用领域,而且具有很好的应用。在此设计一种基于DM642硬件平台和DSP/BIOS操作系统的增强视景系统,详细地介绍了系统的总体设计和软、硬件模块的设计与实现。该系统实现了在实时采集多路视频的同时,综合显示各种飞行数据信息,可以有效地提高飞行员的态势感知能力。; 廖兴海刘贵喜周承兴; 关键词：DSP/BIOS TMS320DM642 多源信息融合

未知测量噪声分布下的多目标跟踪算法被引量：6: 2010年; 粒子概率假设密度滤波(SMC-PHDF)在进行粒子更新时需要知道测量噪声的概率分布以计算似然函数,这使得SMC-PHDF依赖于测量噪声的概率模型。针对这一点不足,提出一种未知测量噪声分布下的多目标跟踪算法——基于风险评估的概率假设密度滤波(RE-PHDF)。该算法在SMC-PHDF进行概率假设密度(PHD)粒子更新时采用风险函数计算每个PHD粒子的风险值,并通过一个风险评估函数评估每个PHD粒子,然后用评估后的结果更新粒子的权值。由于粒子更新时避免了在多维测量空间中计算似然函数,算法不仅不依赖于测量噪声的概率分布,还可以节省大量计算时间。仿真结果表明:和SMC-PHDF相比,RE-PHDF在未知的复杂测量噪声环境下具有更高的鲁棒性和稳定性;同时,在两种算法跟踪精度接近的情况下,所提算法节省了50%的运行时间。; 周承兴刘贵喜; 关键词：目标跟踪随机集概率假设密度测量信号噪声模型

利用特征点配准和变换参数自动辨识的图像拼接算法被引量：16: 2011年; 提出了一种不同尺度的图像配准与自适应拼接算法。通过特征点匹配与图像间变换几何参数的自动辨识,实现了不同尺度和旋转图像间的匹配和拼合。利用尺度不变特征点提取算法(SIFT)提取出待拼接图像的特征点,根据互信息量最大原则实现特征点的匹配,然后通过得到的匹配对的几何信息自动辨识出两幅图像之间的变换参数关系,得到反映图像平移、旋转和尺度变换信息的投影变换矩阵,最终实现图像的无缝融合拼接。仿真结果表明:与现有算法相比,该算法较好地解决了不同尺度图像间的配准与自适应拼合问题。; 安建妮刘贵喜; 关键词：图像配准图像拼接参数辨识

改进的高斯粒子概率假设密度滤波算法被引量：7: 2011年; 高斯粒子概率假设密度滤波在预测和更新时需要进行粒子近似和重新采样,这在一定程度上降低了算法的精度和实时性.针对这一问题,提出一种改进的高斯粒子概率假设密度滤波算法,算法通过粒子的方式表示并传递目标的概率假设密度(PHD)预测值,然后直接利用这些表征PHD预测值的粒子进行更新,最后利用具有最大似然性的粒子将更新后的PHD表示为混合高斯形式.仿真实验表明,和高斯粒子概率假设密度滤波相比,改进算法的多目标误差距离减少了约30%,运行时间减少了约50%.; 周承兴刘贵喜侯连勇钟兴质; 关键词：多目标跟踪随机集概率假设密度混合高斯

基于混合滤波的无线传感器网络融合跟踪方法被引量：4: 2010年; 针对无线传感器网络(WSN)中的多传感器融合目标跟踪,提出一种混合滤波算法,称为无迹混合集中式粒子滤波(UM-CPF)。该算法使用了一个混合的粒子传播方案。在使用集中式粒子滤波(CPF)对WSN中的节点测量信息进行融合时,粒子滤波器中的一部分粒子使用从无迹变换(UT)获得的高斯分布作为建议分布进行粒子传播,而剩余的另一部分粒子则简单地使用状态转移先验分布进行粒子传播。WSN中的融合跟踪仿真结果表明,和纯粒子滤波算法CPF相比,在仿真速率相当的情况下,混合滤波算法明显提高了跟踪精度和稳定性。; 李峰荣刘贵喜孙庆方; 关键词：目标跟踪粒子滤波多传感器融合混合滤波

全选清除导出

共1页<1>

中央高校基本科研业务费专项资金(JY10000904017)