2011年 第37卷 第6期
2011, 37(6): 645-657.
doi: 10.3724/SP.J.1004.2011.00645
摘要:
对应问题是从图像恢复物体三维几何形状的核心问题,也是计算机视觉领域长久以来没有很好解决的问题.尽管文献中 有大量对应点匹配算法报道,但这些主体基于数学和工程的方法,在鲁棒性方面离人类视觉还有很大的差距.所以,建立基于生理机理的 立体感知模型,可望有效提高匹配的鲁棒性.然而,要建立这种基于生理机制的计算模型, 需要对生物立体感知的机理有所了解.基于此,本文对近年来 关于生物立体感知的进展和主要研究成果进行了总结,包括初级区域V1, V2, V3区,以及 背部通道的MT, MST, IPS和腹部通道的V4, IT区.除了对这些区域 关于神经生理的成果进行介绍外,我们还简单介绍了著名的视差能量模型及其推广模型.本文对研究计算机视觉的人员有一定的参考价值.
对应问题是从图像恢复物体三维几何形状的核心问题,也是计算机视觉领域长久以来没有很好解决的问题.尽管文献中 有大量对应点匹配算法报道,但这些主体基于数学和工程的方法,在鲁棒性方面离人类视觉还有很大的差距.所以,建立基于生理机理的 立体感知模型,可望有效提高匹配的鲁棒性.然而,要建立这种基于生理机制的计算模型, 需要对生物立体感知的机理有所了解.基于此,本文对近年来 关于生物立体感知的进展和主要研究成果进行了总结,包括初级区域V1, V2, V3区,以及 背部通道的MT, MST, IPS和腹部通道的V4, IT区.除了对这些区域 关于神经生理的成果进行介绍外,我们还简单介绍了著名的视差能量模型及其推广模型.本文对研究计算机视觉的人员有一定的参考价值.
2011, 37(6): 658-664.
doi: 10.3724/SP.J.1004.2011.00658
摘要:
提出了一种鲁棒的图像局部特征区域的描述方法,即IWCS-LTP(Improved weighted center symmetric local trinary pattern)描述子.该方法对图像局部特征区域采用类似SIFT描述子的分块处理,可以使描述子包含更多的结构信息; 采用ICS-LTP算子进行编码,可以在不大量增加描述子维数和计算量的同时对图像的梯度方向信息进行更具体的描述; 采用加权纹理谱直方图计算方法可以使描述子包含图像的梯度幅值信息.大量的实验结果验证了该描述子的有效性.
提出了一种鲁棒的图像局部特征区域的描述方法,即IWCS-LTP(Improved weighted center symmetric local trinary pattern)描述子.该方法对图像局部特征区域采用类似SIFT描述子的分块处理,可以使描述子包含更多的结构信息; 采用ICS-LTP算子进行编码,可以在不大量增加描述子维数和计算量的同时对图像的梯度方向信息进行更具体的描述; 采用加权纹理谱直方图计算方法可以使描述子包含图像的梯度幅值信息.大量的实验结果验证了该描述子的有效性.
2011, 37(6): 665-673.
doi: 10.3724/SP.J.1004.2011.00665
摘要:
针对移动机器人视觉闭环检测中,基于视觉字典本的场景外观表征性能受制于有限单词个数以及算法效率低的不足,本文对机器人视觉特征分层量化,构建视觉字典树, 计算树节点的TF-IDF熵作为对应视觉单词的权重,生成图像--单词逆向文档索引.为消除视觉字典本的单尺度量化误差,并克服基于字典树投影路径的平面匹配模式中不 区分不同层次节点的区分度对闭环检测的影响,本文融合字典树低层单词的强表征性和高层单词的强鲁棒性,提出由下而上逐层计算图像间相似性增量的金字塔得分匹 配方法.将不同时刻相似性大于阈值的图像位置提取为候选闭环,通过后验确认操作剔除误正闭环.在移动机器人视觉闭环检测实验中,本文算法提高了图像相似性计算 的效率和准确性,提高了闭环检测的准确率和召回率.
针对移动机器人视觉闭环检测中,基于视觉字典本的场景外观表征性能受制于有限单词个数以及算法效率低的不足,本文对机器人视觉特征分层量化,构建视觉字典树, 计算树节点的TF-IDF熵作为对应视觉单词的权重,生成图像--单词逆向文档索引.为消除视觉字典本的单尺度量化误差,并克服基于字典树投影路径的平面匹配模式中不 区分不同层次节点的区分度对闭环检测的影响,本文融合字典树低层单词的强表征性和高层单词的强鲁棒性,提出由下而上逐层计算图像间相似性增量的金字塔得分匹 配方法.将不同时刻相似性大于阈值的图像位置提取为候选闭环,通过后验确认操作剔除误正闭环.在移动机器人视觉闭环检测实验中,本文算法提高了图像相似性计算 的效率和准确性,提高了闭环检测的准确率和召回率.
2011, 37(6): 674-681.
doi: 10.3724/SP.J.1004.2011.00674
摘要:
引入了压缩感知(Compressed sensing, CS)理论, 给出了在获取局部二维 离散余弦变换(Discrete cosine transform, DCT)系数的基础上高质量地编码与重构图像的新方法. 研究了在无量化和有量化情况下, 基于局部DCT系数的图像CS最小全变差重构算法. 在对DCT系数进行量化的过程中得到含噪的局部DCT系数, 在此基础上设计了能完成CS重构的图像编解码一般流程, 并构建了实际应用系统. 实验结果表明, 对于稀疏性较强的图像, 在图像编解码系统中结合CS理论与方法能得到高质量的重构图像, 与传统的直接反离散余弦变换(Inverse DCT, IDCT)方法相比, 峰值信噪比(Peak signal to noise ratio, PSNR)最大能提高5dB以上, 对于一般图像, PSNR也有较大提高.
引入了压缩感知(Compressed sensing, CS)理论, 给出了在获取局部二维 离散余弦变换(Discrete cosine transform, DCT)系数的基础上高质量地编码与重构图像的新方法. 研究了在无量化和有量化情况下, 基于局部DCT系数的图像CS最小全变差重构算法. 在对DCT系数进行量化的过程中得到含噪的局部DCT系数, 在此基础上设计了能完成CS重构的图像编解码一般流程, 并构建了实际应用系统. 实验结果表明, 对于稀疏性较强的图像, 在图像编解码系统中结合CS理论与方法能得到高质量的重构图像, 与传统的直接反离散余弦变换(Inverse DCT, IDCT)方法相比, 峰值信噪比(Peak signal to noise ratio, PSNR)最大能提高5dB以上, 对于一般图像, PSNR也有较大提高.
2011, 37(6): 682-692.
doi: 10.3724/SP.J.1004.2011.00682
摘要:
提出一种对蛋白质结构聚类中心进行选择的算法. 聚类是蛋白质结构预测过程中必不可少的一个后处理步骤, 而目前在蛋白质结构预测中常用的属性阈值(Quality threshold, QT)聚类算法依赖于由经验得出的聚类半径; 其他聚类算法, 如近邻传播(Affinity propagation, AP)聚类算法也存在影响聚类分布的参数. 为克服对主观经验参数的依赖,本文提出一种聚类中心选择算法(Exemplar selection algorithm, ESA), 用于对不同参数下的聚类结果进行分析,从而选择最佳聚类中心,进而确定聚类半径等经验参数. 该算法在真实蛋白质结构数据集上进行了实验,在未知经验参数情况下选择出最佳聚类中心, 同时也为不同聚类算法寻找适合相应数据集的客观聚类参数提供了支持.
提出一种对蛋白质结构聚类中心进行选择的算法. 聚类是蛋白质结构预测过程中必不可少的一个后处理步骤, 而目前在蛋白质结构预测中常用的属性阈值(Quality threshold, QT)聚类算法依赖于由经验得出的聚类半径; 其他聚类算法, 如近邻传播(Affinity propagation, AP)聚类算法也存在影响聚类分布的参数. 为克服对主观经验参数的依赖,本文提出一种聚类中心选择算法(Exemplar selection algorithm, ESA), 用于对不同参数下的聚类结果进行分析,从而选择最佳聚类中心,进而确定聚类半径等经验参数. 该算法在真实蛋白质结构数据集上进行了实验,在未知经验参数情况下选择出最佳聚类中心, 同时也为不同聚类算法寻找适合相应数据集的客观聚类参数提供了支持.
2011, 37(6): 693-699.
doi: 10.3724/SP.J.1004.2011.00693
摘要:
多核学习 (MKL) 的提出是为了解决多个核矩阵的融合问题, 多核学习求解关于多个核矩阵的最优的线性组合并同时解出对应于这个组合矩阵的支持向量机(SVM)问题. 现有的多核学习的框架倾向于寻找稀疏的组合系数, 但是当有信息的核的比例较高的时候, 对稀疏性的倾向会使得只有少量的核被选中而损失相当的分类信息. 在本文中, 我们提出了弹性多核学习的框架来实现自适应的多核学习. 弹性多核学习的框架利用了一个混合正则化函数来均衡稀疏性和非稀疏性, 多核学习和支持向量机问题都可以视作弹性多核学习的特殊情形. 基于针对多核学习的梯度下降法, 我们导出了针对弹性多核学习的梯度下降法. 仿真数据的结果显示了弹性多核学习方法相对多核学习和支持向量机的优势; 我们还进一步将弹性多核学习应用于基因集合分析问题并取得了有意义的结果; 最后, 我们比较研究了弹性多核学习与另一种利用了非稀疏思想的多核学习.
多核学习 (MKL) 的提出是为了解决多个核矩阵的融合问题, 多核学习求解关于多个核矩阵的最优的线性组合并同时解出对应于这个组合矩阵的支持向量机(SVM)问题. 现有的多核学习的框架倾向于寻找稀疏的组合系数, 但是当有信息的核的比例较高的时候, 对稀疏性的倾向会使得只有少量的核被选中而损失相当的分类信息. 在本文中, 我们提出了弹性多核学习的框架来实现自适应的多核学习. 弹性多核学习的框架利用了一个混合正则化函数来均衡稀疏性和非稀疏性, 多核学习和支持向量机问题都可以视作弹性多核学习的特殊情形. 基于针对多核学习的梯度下降法, 我们导出了针对弹性多核学习的梯度下降法. 仿真数据的结果显示了弹性多核学习方法相对多核学习和支持向量机的优势; 我们还进一步将弹性多核学习应用于基因集合分析问题并取得了有意义的结果; 最后, 我们比较研究了弹性多核学习与另一种利用了非稀疏思想的多核学习.
2011, 37(6): 700-712.
doi: 10.3724/SP.J.1004.2011.00700
摘要:
以配平攻角状态再入的不变结构半弹道式再入飞行器(Semi-ballistic reentry vehicle, SBRV)不同于传统的弹道式再入飞行器(Ballistic reentry vehicle, BRV)和机动再入飞行器(Maneuvering reentry vehicle, MaRV), 本文分析了该飞行器再入特征, 提出了新的模型并分析了该模型与传统再入模型间的关系. 对该再入问题的多模型混合状态估计器引入了F-均匀模型集与期望模式补偿(Expected-mode augmentation, EMA)集. 根据SBRV的圆柱体状模式空间的需求, 文中扩展了现有的方法以设计F-均匀模型集, 进而提出一种EMA集的实现形式. 前者在分布最小失配意义下使估计器最优; 后者相比于前者具有更高的估计精度. 仿真结果表明, 相比于传统Monte-Carlo法生成的模型集, 在模型集势相当的情况下这两种模型集对不变结构SBRV再入的初始阶段有更高的模式估计的精度, 在该飞行器状态变化剧烈时有更高的混合状态估计精度.
以配平攻角状态再入的不变结构半弹道式再入飞行器(Semi-ballistic reentry vehicle, SBRV)不同于传统的弹道式再入飞行器(Ballistic reentry vehicle, BRV)和机动再入飞行器(Maneuvering reentry vehicle, MaRV), 本文分析了该飞行器再入特征, 提出了新的模型并分析了该模型与传统再入模型间的关系. 对该再入问题的多模型混合状态估计器引入了F-均匀模型集与期望模式补偿(Expected-mode augmentation, EMA)集. 根据SBRV的圆柱体状模式空间的需求, 文中扩展了现有的方法以设计F-均匀模型集, 进而提出一种EMA集的实现形式. 前者在分布最小失配意义下使估计器最优; 后者相比于前者具有更高的估计精度. 仿真结果表明, 相比于传统Monte-Carlo法生成的模型集, 在模型集势相当的情况下这两种模型集对不变结构SBRV再入的初始阶段有更高的模式估计的精度, 在该飞行器状态变化剧烈时有更高的混合状态估计精度.
2011, 37(6): 713-723.
doi: 10.3724/SP.J.1004.2011.00713
摘要:
无线传感器网络(Wireless sensor networks, WSNs)的重部署问题是提高无线传感器网络覆盖性能的一个重要问题, 实用化的重部署算法需要充分考虑传感器资源的有限性和实际布撒情况. 本文设计了基于组合虚拟力的分布式算法,该算法定义了传感器受到的邻居节点间的基于库仑力的斥力、 目标覆盖区域的基于胡克定律的中心吸引力和边界斥力, 综合这些力的合力以及单位能耗因素求得传感器节点每次移动的目标位置. 本文算法还给出了调整的终止条件以保证传感器能够重部署至合理位置. 理论论证和仿真实验表明,提出的基于组合虚拟力的重部署算法能使所有随机布撒的传感器节点在低能耗的情况下, 进入目标覆盖区域并在该区域内自组织成一个具有高覆盖性和重连通性的网络拓扑. 本文算法还解决了覆盖区域中存在障碍物的复杂情况.
无线传感器网络(Wireless sensor networks, WSNs)的重部署问题是提高无线传感器网络覆盖性能的一个重要问题, 实用化的重部署算法需要充分考虑传感器资源的有限性和实际布撒情况. 本文设计了基于组合虚拟力的分布式算法,该算法定义了传感器受到的邻居节点间的基于库仑力的斥力、 目标覆盖区域的基于胡克定律的中心吸引力和边界斥力, 综合这些力的合力以及单位能耗因素求得传感器节点每次移动的目标位置. 本文算法还给出了调整的终止条件以保证传感器能够重部署至合理位置. 理论论证和仿真实验表明,提出的基于组合虚拟力的重部署算法能使所有随机布撒的传感器节点在低能耗的情况下, 进入目标覆盖区域并在该区域内自组织成一个具有高覆盖性和重连通性的网络拓扑. 本文算法还解决了覆盖区域中存在障碍物的复杂情况.
2011, 37(6): 724-736.
doi: 10.3724/SP.J.1004.2011.00724
摘要:
自主水下航行器 (Autonomous underwater vehicle, AUV) 的协同导航是解决水下导航定位问题的重要方法, 其中导航系统的定位误差增长特性是衡量其定位性能的关键指标. 本文针对单领航者相对位置测量的多 AUV 协同导航系统, 利用扩展卡尔曼滤波方法建立了导航系统的整体定位误差关于相对位置量测误差的传递方程. 在此基础上, 通过求解系统定位误差随时间演化的代数黎卡提方程, 得到了其在稳态情形下的方差上界估计. 理论分析表明, 单领航 AUV 协同导航系统的整体定位误差有界收敛且与初始化滤波方差无关, 具有良好的综合性能. 最后, 仿真实例验证了文中理论分析结果的正确性.
自主水下航行器 (Autonomous underwater vehicle, AUV) 的协同导航是解决水下导航定位问题的重要方法, 其中导航系统的定位误差增长特性是衡量其定位性能的关键指标. 本文针对单领航者相对位置测量的多 AUV 协同导航系统, 利用扩展卡尔曼滤波方法建立了导航系统的整体定位误差关于相对位置量测误差的传递方程. 在此基础上, 通过求解系统定位误差随时间演化的代数黎卡提方程, 得到了其在稳态情形下的方差上界估计. 理论分析表明, 单领航 AUV 协同导航系统的整体定位误差有界收敛且与初始化滤波方差无关, 具有良好的综合性能. 最后, 仿真实例验证了文中理论分析结果的正确性.
2011, 37(6): 737-745.
doi: 10.3724/SP.J.1004.2011.00737
摘要:
对于二进神经网络,剖析其神经元的逻辑意义对网络的规则提取是十分重要的, 而目前每个神经元所表达的线性结构的逻辑意义仍没有完全解决, 一部分线性函数的结构及其逻辑意义尚不明确. 本文在寻找线性可分结构的过程中,提出了汉明球突的概念, 给出其是否线性可分的判定方法,并得到二进神经元与线性可分的汉明球突等价的充要条件, 从而建立了判别线性可分的汉明球突的一般方法,并通过实例验证了该方法的有效性.
对于二进神经网络,剖析其神经元的逻辑意义对网络的规则提取是十分重要的, 而目前每个神经元所表达的线性结构的逻辑意义仍没有完全解决, 一部分线性函数的结构及其逻辑意义尚不明确. 本文在寻找线性可分结构的过程中,提出了汉明球突的概念, 给出其是否线性可分的判定方法,并得到二进神经元与线性可分的汉明球突等价的充要条件, 从而建立了判别线性可分的汉明球突的一般方法,并通过实例验证了该方法的有效性.
2011, 37(6): 746-754.
doi: 10.3724/SP.J.1004.2011.00746
摘要:
针对电子节气门系统的状态变量不完全可测量, 设计了一个基于观测器的输出反馈电子节气门控制系统. 该系统由一个估计不可测量状态的降阶观测器和一个非线性状态反馈控制器组成. 同时在控制器中引入了跟踪误差的积分项以抑制跟踪静差. 将建模误差和观测器误差等不确定性看作外部扰动, 在输入到状态稳定性(Input to state stability, ISS)理论框架下分析了跟踪误差系统的鲁棒性, 并据此给出了选择控制器参数的指导性原则.仿真及实验结果表明, 基于观测器的输出反馈控制器能够很好地实现电子节气门的跟踪控制.
针对电子节气门系统的状态变量不完全可测量, 设计了一个基于观测器的输出反馈电子节气门控制系统. 该系统由一个估计不可测量状态的降阶观测器和一个非线性状态反馈控制器组成. 同时在控制器中引入了跟踪误差的积分项以抑制跟踪静差. 将建模误差和观测器误差等不确定性看作外部扰动, 在输入到状态稳定性(Input to state stability, ISS)理论框架下分析了跟踪误差系统的鲁棒性, 并据此给出了选择控制器参数的指导性原则.仿真及实验结果表明, 基于观测器的输出反馈控制器能够很好地实现电子节气门的跟踪控制.
2011, 37(6): 755-759.
doi: 10.3724/SP.J.1004.2011.00755
摘要:
针对目标跟踪中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题, 提出了一种自适应无迹卡尔曼滤波(Unscented Kalman filter, UKF)算法.该算法在滤波过程中,利用改进的Sage-Husa估 计器在线估计未知系统噪声的统计特性,并对滤波发散的情况进行判断和抑制, 有效提高了滤波的数值稳定性,减小了状态估计误差. 仿真实验结果表明,与标准UKF算法相比,自适应UKF算法明显改善了目标跟踪的精度和稳定性.
针对目标跟踪中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题, 提出了一种自适应无迹卡尔曼滤波(Unscented Kalman filter, UKF)算法.该算法在滤波过程中,利用改进的Sage-Husa估 计器在线估计未知系统噪声的统计特性,并对滤波发散的情况进行判断和抑制, 有效提高了滤波的数值稳定性,减小了状态估计误差. 仿真实验结果表明,与标准UKF算法相比,自适应UKF算法明显改善了目标跟踪的精度和稳定性.
2011, 37(6): 760-766.
doi: 10.3724/SP.J.1004.2011.00760
摘要:
针对受正弦信号干扰的不确定离散时间系统,提出一种基于死区离散趋近律的准滑模控制方法. 系统能够由任一初始状态向死区作单调趋近运动,并于有限时间到达准滑动模态区作准滑动模态运动. 准滑动模态带具有任意阶次小的特点.该方法进一步增强了系统鲁棒性,有效改善系统动态品质,减小了稳态误差.系统无 控制抖振和稳态抖振产生.仿真结果表明该方法的有效性.
针对受正弦信号干扰的不确定离散时间系统,提出一种基于死区离散趋近律的准滑模控制方法. 系统能够由任一初始状态向死区作单调趋近运动,并于有限时间到达准滑动模态区作准滑动模态运动. 准滑动模态带具有任意阶次小的特点.该方法进一步增强了系统鲁棒性,有效改善系统动态品质,减小了稳态误差.系统无 控制抖振和稳态抖振产生.仿真结果表明该方法的有效性.
2011, 37(6): 766-772.
doi: 10.3724/SP.J.1004.2011.00766
摘要:
研究了当存在确定性干扰时, 多智能体系统的协作跟踪控制问题. 系统中个体之间的通信拓扑由时不变的有向图网络构成, 而每个个体的动态特性均由单输入单输出的线性系统描述. 本文将多智能体的分布式协调控制问题理解成并归结为输出调节问题来解决, 并由此提出了一种基于个体间相对输出反馈机制以及经典极点配置理论的分布式协作控制律. “内模原理”的使用也因此显得尤其重要. 此外, 为了分析所提出的控制律的稳定性, 本文还引入了复根轨迹的概念, 这是对经典根轨迹技术的推广, 它在本文中的有效应用显示了其潜在的应用价值.
研究了当存在确定性干扰时, 多智能体系统的协作跟踪控制问题. 系统中个体之间的通信拓扑由时不变的有向图网络构成, 而每个个体的动态特性均由单输入单输出的线性系统描述. 本文将多智能体的分布式协调控制问题理解成并归结为输出调节问题来解决, 并由此提出了一种基于个体间相对输出反馈机制以及经典极点配置理论的分布式协作控制律. “内模原理”的使用也因此显得尤其重要. 此外, 为了分析所提出的控制律的稳定性, 本文还引入了复根轨迹的概念, 这是对经典根轨迹技术的推广, 它在本文中的有效应用显示了其潜在的应用价值.
