一种基于自适应阈值与边缘跟踪的目标提取方法

介绍了一种基于目标灰度门限和目标之间灰度距离门限的区域自动阈值检测法,用该方法检测出图像区域的阈值进行目标初分割,然后结合形态学中的开启和闭合方法对初分割后的二值图像进行双滤波,再用一种新的区域边缘跟踪标注法对其进行跟踪和标注,找出每个目标的包络矩形坐标,用其对原图进行区域定位,从而可以提取出原图中包含目标的小区域.     

基于“粗割-细割”方法的装甲目标图像分割

图像分割是图像处理中的一项关键技术,在图像工程中占据着重要的位置.常见的分割算法包括阈值分割方法、边缘检测方法和结合特定理论工具分割方法.利用“粗割-细割”方法,以装甲目标图像为例,用MATLAB7.0图像处理软件,进行了仿真研究.结果表明,利用“粗割-细割”方法使装甲目标图像进行了有效的分割.     

自主船非线性路径跟踪控制

针对非线性欠驱动自主船(Autonomous Surface Vehicle,ASV),提出了一种非线性路径跟踪控制方法.采用以自由参考点为原点的Serret-Frenet坐标系摧述路径跟踪误差及其动态模型,并选用非时间量为参考变量,摆脱了时间因素的影响;综合应用Lyapunov理论与Back stepping方法设计...     

通信时延下欠驱动自主水下航行器编队控制

研究了通讯时延情况下的欠驱动自主水下航行器(Autonomous Underwater Vehicle)编队控制问题。考虑到水下通讯所面临困难,将编队问题分为两个部分：一部分为单个AUV的路径跟踪控制问题,保证每个AUV沿各自的期望路径航行;另一部分为路径参数的协同控制问题,保证每个AUV期望的路径参数能够实现同步,进而达到编队控制的目的。提出的控制方案仅需要AUV之间交互路径参数信息,通讯需求量小,满足实际工程需求且能够允许一定的通讯时间延迟。数值仿真结果验证了控制算法的有效性。     

基于区域阈值的图像分割方法研究

图像分割是图像识别中的关键一步,分割结果的好坏直接影响到识别结果.介绍了图像分割的概念和详细的定义,对各种典型的基于区域阈值的图像分割法进行了深入的分析研究,并利用Matlab编制了图像分割程序,对一个典型的图像进行了处理验证,得出了有效的结果,可为目标特征的提取奠定较好基础.     

滚动轴承含噪声谐波信号的欠确定盲源分离方法研究

目前使用的大多数盲源分离方法都依赖于观测传感器数量大于或等于信号源数目这样一个基本假设。算法主要针对传感器数量m小于源信号数量n(欠确定)情况下旋转机械含噪声谐波信号的盲源分离问题展开研究。它在输入信号频域稀疏性假设和源信号之间线性混合假设的前提下,提出了一种势函数聚类的源数目估计方法,并对通道衰减和延时进行了计算。实验信号仿真结果证明了该方法的可行性和可靠性。     

基于部件模型的无人机系统小样本车辆目标识别方法

对地目标检测与识别是无人机系统典型任务之一,但受限于任务特殊性,往往难以获取足够的目标样本数据以实现高可靠的目标识别。为此,结合人的认知特性,提出一种基于部件模型的小样本车辆目标识别方法,可有效提高无人机感知能力。采用视觉显著性检测与物体性检测相结合的检测方法,提取目标可能区域;采用基于图论的GrabCut方法与最大类间方差法相结合的分割方法,分割目标并提取目标内部件;采用基于概率图模型的部件识别方法,通过将部件轮廓稀疏表示为条件随机场,并进行概率推理实现部件识别;采用基于贝叶斯的目标识别方法完成目标是否为车辆的判断。通过无人机拍摄的车辆图像验证表明,算法可在样本较少、光照变化、存在遮挡等情况下,以较高准确率检测并识别出车辆目标,同时识别算法具有一定可解释性。     

导弹气动参数的分割法辨识

介绍了分割辨识算法及其在导弹气动参数辨识中的应用,并以某导弹为例,采用分割辨识算法对其气动参数进行了估计。仿真计算表明,分割辨识算法计算量小、计算速度快,且精度满足要求。     

基于运动一致性的视频对象分割方法研究

视频运动对象检测和分割是图像处理中最具挑战性的问题之一。针对目前大部分分割算法相当复杂而且计算量大的问题,提出了一种基于运动一致性的视频对象分割方法。该方法从MPEG压缩码流中提取运动矢量场来分割视频对象,首先对运动矢量场进行滤波和校正,然后进行全局运动补偿得到对象的绝对运动矢量场,最后采用K-means聚类算法对运动矢量场进行聚类分析从而分割出感兴趣的视频运动对象。MPEG标准测试序列的试验结果证明,该方法是有效的。     

一维自组织映射聚类数的自适应确定

针对利用一维自组织映射进行彩色分割时聚类数目应该根据经验人为预先设定这一问题,基于误差平方和准则,提出了一种根据误差平方和的变化速率来自动地确定类数的方法。通过对两个实例的处理,验证了该方法的有效性。