江南大学轻工过程先进控制教育部重点实验室, 物联网工程学院, 江苏 无锡 214122
针对近红外光谱波长选择问题, 在团队进步算法(TPA)的基础上, 提出一种改进团队进步算法(iTPA)的波长变量选择方法, 将分子光谱的波段按照与其相应的理化值建模得到的评价值函数大小降序排列, 顺序分为精英组、 普通组和垃圾回收组。 当新生波段选择学习行为时, 若其产生于普通组, 则需要向精英组样板的方向调节; 若其产生于精英组, 则需要改进其更新方向, 向垃圾回收组样板的反方向调节。 垃圾回收组成员的评价值不像精英组和普通组随着更新的过程一直上升, 而是一直处于极低的状态, 为产生于精英组的新生波段在学习时提供一个准确的更新方向, 从而提升算法的全局寻优能力。 通过不断的迭代更新, 逐步提升整体评价值, 最终选取评价值最高的波段作为筛选波段。 该算法对玉米的淀粉和蛋白质含量数据集进行了实验测试, 并与TPA、 遗传算法(GA)、 主成分分析(PCA)以及全谱方法进行了对比。 实验结果表明, 所提算法能够找出全谱范围内波长的最优组合, 并且可以解释各含量的化学特性。 玉米淀粉数据集运行的效果相比于全光谱, 变量个数从700个减少到17.55个左右(50次试验求平均), 模型的RMSEC从0.335 7降到0.260 9, 校正集预测精度提升了22.3%, 模型的RMSEP从0.391 4下降到0.334 4左右, 预测集预测精度提升了14.6%; 在玉米蛋白质数据集运行的效果相比于全光谱, 变量个数从700个减少到19.6个左右(50次试验求平均), 模型的RMSEC从0.147 4降到0.101 9, 校正集预测精度提升了30.1%, 模型的RMSEP从0.178 9下降到0.117 7, 预测集预测精度提升了34.2%。
近红外光谱 波长选择 改进的团队进步算法 智能组合优化 特征波长 Near infrared spectrum Wavelength selection Improved team progress algorithm Intelligent combination optimization Characteristic wavelength 光谱学与光谱分析
2021, 41(10): 3032
江南大学轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
针对传统Census变换的立体匹配算法在弱纹理区域匹配精度低,易受到噪声点的影响,以及提高Census算法的实时性,提出一种改进的Census变换和自适应窗口的立体匹配算法。在代价计算阶段,首先根据区域纹理的强弱来自适应匹配窗口大小,采用三种状态信息进行Census变换计算初始代价,提高单像素的匹配精度和降低消耗时间。然后在代价聚合阶段,采用时间复杂度较低的引导滤波解决单像素匹配代价鉴别性低所带来的精度低的问题。最后使用左右一致性检测原则减少异常点,得到最终的视差图。利用Middlebury平台标准图像对所提算法进行测试,实验结果表明,平均误匹配率为5.51%,匹配精度得到了一定的提高,平均花费时间相对于传统的Census算法缩短36.60%,提高了算法的实时性。
机器视觉 双目视觉 立体匹配 Census变换 引导滤波 视差图 激光与光电子学进展
2021, 58(12): 1215003
江南大学轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
针对传统跟踪方法难以实时准确适应目标尺度变化这一问题,基于核相关滤波跟踪框并采用尺度估计方法,提出一种自适应尺度的目标跟踪算法。对正则化最小二乘分类器进行求解,获得滤波模板,并对候选样本进行检测,估计出目标的位置;利用尺度估计方法,在已确定目标位置处根据前一帧目标的大小对当前帧目标尺度进行检测,由最大的响应值确定当前帧目标的尺度;根据遮挡检测机制,在线更新目标和尺度模型参数。实验结果表明,所提出的算法与其他跟踪算法中的最优者相比,距离精度提高了17.12%,成功率提高了10.77%;在目标发生背景干扰、严重遮挡以及在光照、姿态和尺度变化等复杂场景下,该算法仍具有较好的跟踪效果。
机器视觉 目标跟踪 核相关滤波 最小二乘分类器 尺度估计 遮挡检测 激光与光电子学进展
2018, 55(4): 041501
江南大学 轻工过程先进控制教育部重点实验室, 江苏 无锡 214122
为了解决跟踪漂移问题, 提出了一种利用黑洞原理改进的稀疏外观模型目标跟踪算法,用来提高目标跟踪的鲁棒性。利用黑洞原理从目标模板中搜索聚类中心来降低目标模板数量。通过学习分类器用于构造目标特征; 用黑洞原理获取模板字典表示目标; 采用高斯分布运动模型获取目标样本, 在贝叶斯框架下根据观测模型获取最优目标位置实现跟踪。不同视频序列被用于改进的稀疏外观模型跟踪算法和其他先进目标跟踪算法进行仿真实验。实验结果表明, 实现了目标跟踪的目的, 有效地降低了目标局部遮挡问题的影响, 提高了目标跟踪精度。
视频目标跟踪 黑洞算法 聚类 稀疏外观模型 visual target tracking black hole algorithm cluster sparse appearance model
1 空军工程大学防空反导学院，陕西 三原713800
2 中国人民解放军93507部队，石家庄050207
多传感器交叉提示技术是多传感器协同的重要内容，具有重要的研究应用价值。首先系统地综述了多传感器交叉提示技术的发展现状；然后对交叉提示的概念、地位、作用、条件、内容、过程以及技术需求等若干问题进行了详细的分析，指出了多智能体技术是研究发展交叉提示技术的最佳方式和趋势，并利用多智能体技术构建了交叉提示的多传感器协作管理结构以及信息融合体系结构；最后详细分析了基于任务驱动的多传感器交叉提示过程。为更好地研究多传感器协同技术提供了技术基础，具有一定的参考价值。
多传感器交叉提示 多传感器协同 多传感器管理 信息融合 多智能体技术 multi-sensor cross-cueing multi-sensor cooperation multi-sensor management information fusion multi-agent technology
