【摘 要】
：
场景的深度信息在众多方面都有着重要的应用，传统的深度信息的获取方法主要分为2种：主动获取与被动获取。主动获取，主要是利用特别的光源提供结构信息；被动获取，主要通过立体视觉
论文部分内容阅读
场景的深度信息在众多方面都有着重要的应用，传统的深度信息的获取方法主要分为2种：主动获取与被动获取。主动获取，主要是利用特别的光源提供结构信息；被动获取，主要通过立体视觉的方法来实现。为了避免不必要的计算与测量过程，直接通过场景图像获取场景深度，本文采用机器学习的方法，提出一种新的场景深度信息恢复方法。目前，支持向量机(SVM)理论已经得到了充分的发展，结构化支持向量机(SSVM)在SVM框架的基础上，结合了数据的结构信息，能够很好的适用于结构化预测。本文主要将SSVM用于场景深度信息恢复，给出一种新的深度信息获取算法。主要研究和解决的问题如下：1、基于SSVM建立场景深度信息恢复模型。通过构建图像能量项，利用SSVM框架，使得图像深度与图像特征产生关联，构造了一个基于SSVM的场景深度信息恢复模型；2、研究不同的图像特征与应用最优化算法求解最优解。研究了多种图像特征，包括颜色特征，纹理特征以及边缘特征。并且为了引入最优化算法进行求解，构造了Graph-Cuts子模块化条件约束；3、基于slack rescaling改进SSVM。由于基于最大边缘的SSVM的结果精度较低，本文还提出了基于slack rescaling的SSVM模型。为了实现slack rescaling算法的实用性，提出了一种相关的近似算法。
其他文献
最优化是各行各业应用相对广泛的一个常用术语。近年来,对于一些规模大,难度高,非线性及无梯度信息的工程问题,群智能优化方法已经越来越凸显出其相对于传统优化算法的优越性
由于微网系统中的分布式发电和负荷均具有间歇性、随机性、波动性等多种不确定性,如何优化调度各种分布式发电以保证微网系统的供电可靠性和经济运行性,成为当前微网研究领域的热点之一。对含不确定性的可再生能源出力和负荷进行准确、可靠的预测,进而构建并求解含上述不确定性的微网经济调度模型是解决上述问题的关键。鉴于此,针对微网系统中可再生能源出力和负荷的不确定性预测及经济调度问题进行了深入研究,主要研究内容如下
随着科学技术的发展以及我国产业结构升级，电子设备设计、生产日趋频繁与普及，且整个流程常常由产业内多家单位共同进行合作。因此，对规模有限的中小型企业与高校实验室而言，为了
大脑具有复杂的神经元网络结构，通过接收、整合、传导和输出信息以实现记忆、认知、情感、行为等各种生理功能。大脑中神经信息的处理是通过各脑区及脑区间的协同作用完成的。
论文是以发展智能电网为背景，设计开发一种基于以太网通信的智能塑壳式断路器控制器。塑壳断路器作为低压配电网络的核心部件，不仅应该具有较强的可靠性，还应具备网络化、信息化等高度智能化的特点，更能有效的保护负载系统安全和用户效益。智能塑壳断路器控制器是以32位微处理器STM32F107V芯片为核心，集自生电源、电信号采集、双向通信、故障预判和预警、负载监控、三段电流保护、电能质量监控、人机界面交互、远程
随着传感器技术、分布式计算技术、无线通信技术以及微机电系统（MEMS）技术的快速发展与融合，无线传感器网络已成为人类的特殊感知系统，通过对需求环境的实时监控，及时提取有效信息
量子进化算法是一种基于量子计算的智能优化方法,它把量子计算的概念和理论引入进化算法,使用量子位编码染色体,每条染色体表示所有可行解的叠加,通过观察操作得到问题的候选
Takagi-Sugeno(T-S)模糊模型由日本学者Takagi和Sugeno于1985年提出,它由一组线性模型经模糊隶属度函数光滑联接而组成,是一种能够描述复杂工业过程和动力学系统的非线性数学
本文以冲压发动机为对象,对其巡航段的控制规律进行了研究,并对其控制系统进行了分析与设计,重点利用神经网络和遗传优化理论完成了 PID控制器参数的整定及寻优,同时在半物理
遥操作机器人系统可以在空间、海底、强辐射、战场等非确定性环境或极限环境下进行复杂的操纵作业。操作者的操纵质量与对从环境的力觉、位置等信息的真实获得能力密切相关。