针对背景环境复杂的图像组中协同显著性检测的共显性目标混乱不一致、准确率低的问题, 提出了一种基于对象性和多层线性模型的图像协同显著性检测方法。首先通过显著性先验和对象性概率加权的背景引导因子BGO计算图像间显著性引导传播的显著值; 然后设计了一种局部区域特征计算图像内显著值, 并使用图像的hu矩的零、一阶和二阶矩对两阶段显著值进行整合; 最后通过多层线性模型自适应地融合各个显著图得到最终结果。实验结果表明: 本文算法分别在iCoseg和MSRC两个数据集上的平均精度达到了87.80%和83.50%, 在其它实验指标上的评估结果也有明显提高, 增强了算法的适应能力。

为了解决现有可见光室内动态目标定位方法中出现的阴影遮蔽、保密性差、光源能耗量大且相互干扰等实际问题, 提高定位精度, 提出一种基于白光LED的室内行走目标定位方法。分析了室内行走特点, 建立基于固定的复眼接收器、SiO2透明地板和光束位移的定位模型, 对两处最优复眼透镜进行虚拟直射变换, 实现行走目标的三维定位。该方法仅用单一LED发射器即可精确定位, 节省了大量能耗。同时, 有效缩短了光束传播距离, 提高了光功率, 具有良好的保密性和泛化性。实验表明: 动态目标定位方法监测位置误差率能够限制在3.5%以内; 当对5个以上行走目标定位时, 若相邻接收器间距与接收器覆盖半径相等, 则定位精度最高。