1 黄山学院信息工程学院, 安徽 黄山 245041
2 安徽大学计算机科学与技术学院, 安徽 合肥 230601
针对吸收马尔可夫随机游走方法未能充分抑制显著图的中心背景区域和丢失位于图像边界的显著目标的问题,提出一种基于流形正则化随机游走的图像显著性检测方法。首先以超像素作为节点对输入图像构造全局图,通过吸收马尔可夫链随机游走算法计算得到初始显著图,再对初始显著图利用自适应阈值分割获得稳健前景查询节点。其次,为有效利用图像全局信息和局部信息的互补性,构建局部正则图以获得局部最优相似度矩阵。最后,将获得的局部最优相似度矩阵和前景查询节点信息应用于流形正则化框架中得到最终显著值结果。在公共数据集上进行实验验证,结果表明,运用本文算法的显著性检测在查准率和查全率等评价指标方面均有提升。
图像处理 显著性检测 随机游走 吸收马尔可夫链 流形正则化 激光与光电子学进展
2018, 55(12): 121005
北京航空航天大学 自动化科学与电气工程学院,北京 100191
提出了一种基于核主分量分析(PCA)正则化的机器人实时定位算法。此算法以半监督学习完成离线训练,首先,以机器人在其预置运动路径上采集到的畸变图像中的稀疏目标面积为观察数据,将部分标定数据的坐标作为其标签,然后以核PCA所揭示的低维视觉流形为正则化约束条件,运用最小二乘方法估计无标签数据坐标。在线定位阶段,利用调和函数估计在线采集到的数据坐标,从而实现基于无标定单目视觉传感器的机器人在线定位。实验结果表明,和其他常规的定位方法相比较,提出的实时定位算法的计算复杂性小、定位精度高、实时性强,能够满足工业机器人和医疗服务机器人等方面的实时定位要求。
机器视觉 流形正则化 核主分量分析 面积特征
