坦克射击模拟器视景三维数学模型的建立

针对研制坦克射击模拟器的要求,利用三维图形技术,建立起了一套三维数学模型,并在该模型基础上提出一种快速纹理生成算法,克服了传统纹理映射方法耗时多的缺点,在微机上达到实时生成,从而能模拟坦克前进动态效果,使得模拟逼真度得以提高.     

区域结构及多尺度纹理分析

结合纹理的结构分析方法 ,提出一种区域状结构 ,并把这种结构作为尺度空间中的特征。在基于区域状特征结构的尺度空间中 ,结构状纹理分析可转化为尺度空间中对特征结构的分析 ,从而实现了对纹理的多尺度分析。理论分析和实验结果证明了这种分析方法的有效性     

MPEG-4视频编码器纹理填充模块的VLSI结构设计

研究了MPEG-4纹理填充算法的特点,设计了纹理填充硬件实现的VLSI结构.在Xilinx ISE6.1i集成开发环境下,采用VHDL对该结构进行了描述,并使用了电子设计自动化(EDA)工具进行了模拟和验证.仿真和综合结果表明,所设计的VLSI处理器,逻辑功能完全正确,而且可以满足MPEG-4 Core Profiles & Level2的实时编码要求,可用于MPEG-4的VLSI实现.     

基于LWT的纹理特征提取方法

介绍了一种利用局部沃尔什变换(LWT)提取图像纹理特征的新方法,给出LWT的定义,并分析了LWT系数的统计特性及其各阶矩的纹理鉴别性能。结果表明:自然纹理图像的LWT系数一般不服从正态分布,其偶数阶矩具有较好的纹理鉴别性能,奇数阶矩的纹理鉴别性能较差,因此选取LWT系数的偶数阶(2、4、6阶)矩作为纹理特征。与Haralick[1]、Wang和He[2,3],以及HuiYu[5]等人提出的纹理特征相比,基于LWT的纹理特征具有更好的鉴别性能,并且计算简单。     

结构主导目标检测中的纹理随机化

已有基于卷积神经网络的目标检测算法倾向于提取目标纹理特征,而非结构特征;因此,已有方法不能实现变纹理目标的可靠检测。针对此问题,提出基于纹理随机化的结构主导目标检测方法,采用仿真纹理随机化方法减弱网络模型对纹理特征的拟合,实现基于结构特征的变纹理目标可靠检测。利用目标的三维模型,借助Blender渲染引擎,完成纹理随机化仿真训练数据集的生成。仿真及真实图像实验测试结果表明:该方法能够实现基于目标结构特征的变纹理目标可靠检测。     

一种非干扰的动态防御网络机器人方法

XRumer、Magic Submitter和SENuke等外链软件已经广泛地被用来进行恶意行为,如大量注册帐户、发送垃圾邮件和制作网页游戏自动化脚本。尽管验证码技术在一定程度上可以抵御网络机器人,但它要求用户与之交互,导致体验性降低。针对上述问题,设计了一种非干扰的动态防御系统(Non-Intrusive Dynamic Defense System,NIDDS),在不影响普通用户的前提下,通过随机化HTML元素来阻止网络机器人自动访问网络资源。在几个常见的开源网络平台上,挑选了3个功能强大的网络机器人对NIDDS方法进行有效性评估。评估结果显示,NIDDS可以相对较低的开销来有效阻止这些网络机器人。     

基于图像变化检测的打击效果自动评估算法

提出了一个基于图像变化检测的军事目标打击效果评估算法.该算法通过对打击前后图像进行变化检测,比较目标打击前后的几何特征和纹理特征,对目标毁伤情况进行自动评估.实验表明,该算法能准确有效地对军事目标打击效果进行分级评估.由于采用的特征具有通用性.该系统可用于各种不同人造目标的打击效果评估.     

基于高度图的地形纹理生成方法

介绍了利用高度图生成地形纹理图的方法。阐述了多个特征纹理图融合的方法,根据高度值计算地形纹理图各像素RGB值的过程和遍历图的方法和技巧,并介绍了在高度图中确定顶点高度值的方法。利用此方法,可以按照自己的需求制作地形纹理图,为三维地形可视化研究提供了参考。     

基于红外图像目标检测的辅助瞄准方法

瞄准系统是武器精准射击的保证,它涉及快速锁定目标位置与校正度数计算两个方面。采用算子检测出图像中疑似目标存在的区域,利用分块图像加权方差纹理对比度矩阵中查寻极大值的方法确定目标位置。将目标从图像中分割出来,确定重心及最小外接矩形的边界。最后利用几何光学特性来计算校正度数。实验表明,该算法可以有效地从图像中检测出目标所在位置,并计算出瞄准目标所需要校正的度数。     

图像纹理模板匹配算法的改进与实现

为了提高图像匹配算法的实时性和复杂场景跟踪的稳定性,改进一种基于图像纹理的模板匹配算法(TTM).在模板与目标图像中分别提取水平、垂直方向上的二值化纹理特征矩阵,然后根据字节同或逻辑运算分别计算两个方向上的最佳匹配值,最后,通过加权求和得到最终的目标相关置信度.其中逻辑运算可以并行处理,所以计算量将大大减少,因此具有很强的实时性.又因为跟踪过程中,目标图像必然存在突发性的变化,对模板合理地进行更新是目标跟踪的关键,在上述的图像相似度度量方法的基础上,另外又提出了一种非常有效的模板修正方案,从而使得跟踪算法对环境的适应能力和稳定性得到大大提高.实验结果证明了该方法的优越性.