检索结果-南通市图书馆

基于双向循环卷积神经网络的可见光定位和姿态跟踪:应对环境动态变化

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国科学：信息科学 2023年第7期53卷 1404-1422页

作者：周炳朋陈光森朱杰友中山大学电子与通信工程学院深圳518107

本文研究了动态环境下基于可见光的运动目标位置和姿态跟踪技术(visible light-based position and orientation tracking,VLP).基于信号模型的传统VLP方法通常依赖于具有固定参数的信号传播模型(signal propagation model,SPM).当定位... 详细信息

本文研究了动态环境下基于可见光的运动目标位置和姿态跟踪技术(visible light-based position and orientation tracking,VLP).基于信号模型的传统VLP方法通常依赖于具有固定参数的信号传播模型(signal propagation model,SPM).当定位环境随时间变化时,例如当漫散射和接收机响应增益波动变化时,传统VLP算法性能会剧烈下降.为了应对这一挑战,本文提出了一种基于双向循环卷积网络的VLP算法.该算法通过双向循环结构挖掘连续时刻观测数据的时间特征信息,利用3D卷积网络挖掘观测数据中稳定的空间纹理特征信息,采用记忆细胞存储时空纹理特征信息,并利用遗忘门对记忆细胞中缓存的时空信息进行选择性保留,以此保证对时空纹理信息的长期记忆,从而实现对运动目标的高精度定位跟踪.仿真结果表明,相比于现有可见光定位算法,本算法能充分挖掘并融合观测数据中的时间与空间纹理特征来提升定位跟踪性能,在动态环境条件下,定位精度达到1.5 cm.

关键词：可见光定位样本图像时空纹理特征卷积神经网络循环神经网络

基于改进的FAST R-CNN的前方车辆检测研究

在线全文

学校读者我要写书评

暂无评论

计算机科学 2018年第B6期45卷 179-182页

作者：史凯静鲍泓北京联合大学北京市信息服务工程重点实验室北京100101

目前,前方车辆检测的研究主要通过机器学习的方法,然而其难以解决遮挡和误检的问题。在这种背景下,使用深度学习的方法检测前方车辆更为有效。首先采用了选择性搜索方法获得样本图像的候选区域,然后使用改进的FAST R-CNN训练网络模型,... 详细信息

目前,前方车辆检测的研究主要通过机器学习的方法,然而其难以解决遮挡和误检的问题。在这种背景下,使用深度学习的方法检测前方车辆更为有效。首先采用了选择性搜索方法获得样本图像的候选区域,然后使用改进的FAST R-CNN训练网络模型,检测道路前方车辆。已在KITTI车辆公共数据集上对该方法进行了测试,实验结果表明,所提方法的检测率高于CNN直接检测的结果,很大程度上解决了遮挡和误检的问题。而且,与先提取HarrLike特征然后利用Adaptive Boosting分类器的算法相比,该方法在TSD-MAX交通场景数据库测试中实现了较高的性能。结果表明,该方法提高了车辆检测的准确性和鲁棒性。

关键词：前方车辆检测样本图像卷积神经网络准确率

在线全文

学校读者我要写书评

暂无评论

一种局部最佳阈值预测的自适应角点检测方法

计算机工程 2018年第3期44卷 270-274页

作者：吴腾张志利赵军阳张海峰火箭军工程大学二系西安710025

为解决图像角点检测阈值选取方法计算量大的问题,提出一种新的自适应角点检测方法。分析能够反映图像灰度分布、对比度和相关性因素的9个基本统计特征,通过提取4 848幅样本图像的基本统计特征,并按主成分分析方法计算4项反映图像不同属... 详细信息

为解决图像角点检测阈值选取方法计算量大的问题,提出一种新的自适应角点检测方法。分析能够反映图像灰度分布、对比度和相关性因素的9个基本统计特征,通过提取4 848幅样本图像的基本统计特征,并按主成分分析方法计算4项反映图像不同属性的综合指标。建立多元非线性局部最佳阈值预测模型,由训练数据对模型参数进行优化估计,得到指导角点检测自适应阈值选取的预测模型。实验结果表明,预测模型的引入能够改善图像显著角点检测质量,与原始检测算法相比,复杂图像中显著角点检出率平均提高45%,非显著角点误检率平均降低81%。

关键词：样本图像统计特征角点检测自适应阈值预测模型

在线全文

学校读者我要写书评

暂无评论

快速确定轮廓波消噪收敛因子

信阳师范学院学报（自然科学版） 2008年第4期21卷 577-579页

作者：陈新武王长丰郭杨信阳师范学院物理电子工程学院焦作师范高等专科学校物理系河南焦作454001

轮廓波变换能够有效地快速逼近图像信号,在图像消噪方面优于小波消噪.为了更好地保留图像消噪后图像的纹理信息和边界特征,一般采用硬阈值的消噪方法.本文分析了目前存在的3种硬阈值确定方法速度较慢的原因,通过较小样本图像确定每个子... 详细信息

轮廓波变换能够有效地快速逼近图像信号,在图像消噪方面优于小波消噪.为了更好地保留图像消噪后图像的纹理信息和边界特征,一般采用硬阈值的消噪方法.本文分析了目前存在的3种硬阈值确定方法速度较慢的原因,通过较小样本图像确定每个子带的3σ或4σ收敛因子,在保持消噪效果(峰值信噪比和视觉效果)的同时,极大地提高了阈值确定速度,并大大减小了确定收敛因子所需的内存空间.

关键词：轮廓波消噪收敛因子蒙特卡罗法冲激响应法随机噪声法样本图像

图像调色板 ——基于笔刷合成的风格迁移技术研究

在线全文

学校读者我要写书评

暂无评论

图像调色板 ——基于笔刷合成的风格迁移技术研究

作者：缪峥南京大学

学位级别：硕士

图像或模型的风格化绘制已经成为非真实感绘制问题中的一个研究热点,其可以通过对图像或模型内容的识别和解析,依据多种类型艺术创作的艺术理念和艺术准则,模拟各类艺术风格的手工绘制过程和效果。本文以图像和模型为研究对象,采用基于... 详细信息

图像或模型的风格化绘制已经成为非真实感绘制问题中的一个研究热点,其可以通过对图像或模型内容的识别和解析,依据多种类型艺术创作的艺术理念和艺术准则,模拟各类艺术风格的手工绘制过程和效果。本文以图像和模型为研究对象,采用基于笔刷合成的风格迁移方法,对其所涉及的二维图像风格迁移以及三维模型风格迁移二大关键问题进行了系统地研究与探索。并在此基础上设计和实现了相应的原型系统。论文的主要工作成果体现在以下三个方面：1.提出了一种基于笔刷合成的二维图像风格迁移方法。该方法针对输入的具有一定艺术风格的样图和目标图像,将输入的样图作为调色板,用户可以从中选择任意的轮廓或纹理作为样本笔刷,并沿目标图像指定区域内所求得的笔刷曲线进行风格迁移合成。实验表明：该方法能够快速有效完成图像的风格迁移,为后续的三维模型的风格迁移研究奠定扎实的研究基础。2.提出了一种基于笔刷合成的三维模型风格迁移方法。该方法针对输入的具有一定艺术风格的样图和目标三维模型,先将目标三维模型表面按照用户意图展开为平面,再将输入的样图作为调色板,沿目标三维模型表面指定区域内所求得的笔刷曲线进行风格迁移合成。实验表明：该方法能够有效地根据用户意图完成样图到目标三维模型的风格迁移。3.设计实现了图像调色板原型系统。该系统整合了本文所提出的基于笔刷合成的二维图像风格迁移方法和基于笔刷合成的三维模型风格迁移方法,迁移合成过程快速高效,用户交互友好方便,能有效地帮助用户完成风格迁移。

关键词：风格迁移笔刷合成样本图像非真实感绘制

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于SinGAN的图像生成模型

曲阜师范大学学报（自然科学版） 2020年第2期46卷 67-71页

作者：刘伟韬云南大学信息学院云南昆明650504

生成对抗网络(GAN)是目前图像生成领域中一种新的、有效的训练生成模型方法,单一生成对抗网络(SinGAN)是建立在一张图片上的无条件GAN.该文在生成对抗网络原理的基础上阐述了单一生成对抗网络(SinGAN)的原理及基本结构.以SinGAN作为研... 详细信息

生成对抗网络(GAN)是目前图像生成领域中一种新的、有效的训练生成模型方法,单一生成对抗网络(SinGAN)是建立在一张图片上的无条件GAN.该文在生成对抗网络原理的基础上阐述了单一生成对抗网络(SinGAN)的原理及基本结构.以SinGAN作为研究对象,通过实例在训练过程中生成了与原图像语义相近的图像,并对SinGAN的训练和应用进行了研究.研究表明:SinGAN在同一张图片上进行的训练或测试,通过建立一个模型,可以对图片进行纹理转移,提高清晰度等操作.

关键词：生成对抗网络(GAN) 单一生成对抗网络(SinGAN) 图像处理深度学习样本图像

在线全文

学校读者我要写书评

暂无评论

基于图像处理的鸡冠面积和色级测定方法研究

中国农机化学报 2023年第10期44卷 152-158,167页

作者：王冬段炼赵闰顾华兵黎寿丰赵振华江苏省家禽科学研究所江苏扬州225125 江苏省家禽遗传育种重点实验室江苏扬州225125 农业农村部南京农业机械化研究所南京市210014

鸡冠形态是鸡第二性征中最明显最主要的特征,测定鸡冠的面积和色级对于科研和生产具有重要的指标参照与辅助判断作用。为准确获取鸡冠的真实性状,设计一种通过对鸡冠图像处理并提取特征进行面积和色级测定的方法,以500只健康的90日龄邵... 详细信息

鸡冠形态是鸡第二性征中最明显最主要的特征,测定鸡冠的面积和色级对于科研和生产具有重要的指标参照与辅助判断作用。为准确获取鸡冠的真实性状,设计一种通过对鸡冠图像处理并提取特征进行面积和色级测定的方法,以500只健康的90日龄邵伯鸡(公母各半)作为样本,采集样本图像中鸡冠部位进行分析,获得颜色特征数据,采用K-means聚类法提取7个聚类中心作为色级指标。制作带有参照块图案的专用测定板,利用参照块对测定图像进行畸变矫正与偏色校正调整,通过轮廓离散点集像素面积算法与色差距离算法得到鸡冠的面积与色级。以数字平面成像模拟验证法进行测定结果验证:面积测定值与设定值的相对误差范围为0.11%~4.84%,平均相对误差为2.24%;色级准确率为96.67%。结果表明该方法测定准确性高,为快速有效获取鸡冠性状参数提供一种全新的测定方法。

关键词：图像处理鸡冠测定样本图像 K-means聚类

维普期刊数据库博看期刊