提出了一种基于全变分正则与L_(2,1)范数的视频去雨张量模型用于解决雨线遮挡问题。首先,对雨线成分与视频背景先验信息进行预处理,获取相应正则化条件的构建依据以增强各部分稀疏性,便于促进雨线分离。其次,考虑到视频图像存在不规则动态对象,引入全变分正则项来抑制背景强度变化,缓解雨线的误判现象。采用交替方向乘子法(alternating direction method of multipliers,ADMM)可以有效地对所提出的张量模型进行求解,并在合成数据与真实数据集上开展大量实验。结果表明,所提方法在动态背景情况下有效去除视频图像雨线的同时,保留了更多背景细节信息。与相关先进方法相比,所提方法在峰值信噪比、结构相似性和残差三种综合性能量化指标上均具有较大的优势。
针对现有车道检测算法准确性和实时性较难平衡的问题,提出了一种基于多特征融合和窗口搜索的新型车道线检测算法.采用多边形填充方法确定车道线的感兴趣区域(region of interest, ROI),融合车道线的颜色、直方图和梯度特征,以消除ROI中...
详细信息
针对现有车道检测算法准确性和实时性较难平衡的问题,提出了一种基于多特征融合和窗口搜索的新型车道线检测算法.采用多边形填充方法确定车道线的感兴趣区域(region of interest, ROI),融合车道线的颜色、直方图和梯度特征,以消除ROI中的复杂背景.通过单应性变换得到车道线的二值图像,基于其像素密度分布寻找车道线初始位置,以窗口搜索方式提取整个车道线上的所有候选像素点.通过拟合像素点构建车道线数学模型.结果表明:提出的算法具有较高的准确性和实时性,算法对黄色车道线、树木阴影遮挡、光照变化、车道线缺损和地面交通标志干扰具有较好的鲁棒性.
针对Fisher判别法判别同族群体多中心数据准确率低的问题,提出了线性映射模型下的重编码判别分析算法,将Fisher判别法中的降维思想与重编码方法相结合,采用蒙特卡洛法,通过对伪预测数据的划分。以实映射识别率为目标,确定线性判别函数的待定系数和伪预测数据的划分。实证表明,该算法具有较高的识别率和稳定性。Aiming at the problem of low accuracy of Fisher discriminant method in judging the multicenter data of the same population, a recoding discriminant analysis algorithm under linear mapping model is proposed, which combines the idea of dimension reduction in Fisher discriminant method with recoding method, adopts Monte Carlo method, and divides the pseudo-predicted data. Aiming at the recognition rate of real mapping, the undetermined coefficients of linear discriminant function and the division of false prediction data are determined. The empirical results show that the algorithm has high recognition rate and stability.
为在低复杂度约束条件下提升电磁信号调制识别的性能,提出了一种基于稀疏深度神经网络(Sparse Deep Neural Network,SDNN)的电磁信号调制识别方法。首先,通过提取电磁信号同相和正交两路数据绘制出信号的星座图,作为信号的浅层特征表达...
详细信息
为在低复杂度约束条件下提升电磁信号调制识别的性能,提出了一种基于稀疏深度神经网络(Sparse Deep Neural Network,SDNN)的电磁信号调制识别方法。首先,通过提取电磁信号同相和正交两路数据绘制出信号的星座图,作为信号的浅层特征表达;然后,基于星座图中各信号点密度大小对星座图进行上色,增强星座图中信号特征;最后,通过SDNN对增强后的星座图进行识别分类。实验结果表明,SDNN模型选取合适的剪枝率后,能够有效降低模型存储规模和计算量,其中模型参数压缩了72%,浮点运算量压缩了45%,与原模型97%的综合识别率相比,稀疏化处理后模型的综合识别率为96.8%,在小幅度识别精度损失范围内大幅降低了模型复杂度。
暂无评论