摘要：通过对灰度相关法特征点匹配算法的理论研究和实验分析,提出了一种能够克服图像尺度变化的特征点匹配算法。该算法主要根据图像特征点间欧氏距离的关系,结合传统的特征点灰度相关法和特征点的梯度相关法进行精确匹配。实验证明,该算法容易理解,易于实现,匹配结果较精确,误匹配点较少。

摘要：针对核相关滤波(kernelized correlation filters,KCF)算法无法对目标尺度变化做出响应,和判别型尺度空间跟踪(discriminative scale space tracking,DSST)算法计算效率较低,难以实现实时跟踪的问题,提出一种融合KCF与DSST的跟踪算法。用最小二乘法获得位置滤波器,检测候选样本并估计目标位置;从目标位置中心提取33种不同尺度下的梯度直方图特征作为样本训练获得尺度滤波器;在目标位置应用尺度滤波器来获得目标尺寸的准确估计。实验结果表明,该算法对目标尺度变化有较强的自适应能力,在测试集上平均速度达到103.7帧/秒,满足实时性要求。

摘要：针对行人检测的尺度变化问题,提出一种基于改进多尺度残差网络无锚检测算法(IMSNet)。将Res2Net残差模块中多尺度特征提取融入ResNeXt,将改进后的网络作为主干网络(Res2NeXt*),使主干网络包含不同数量、不同组合的感受野;利用多个较小卷积核等效替代单个较大卷积核,增加网络深度并减少网络参数量;对细化的多尺度卷积特征级联融合做卷积运算,将行人检测简化为中心点和尺度预测任务。实验结果表明,IMSNet对CityPersons和Caltech数据集Reasonable设置分别实现了10.6%和2.6%的平均漏检率,检测每张图像仅需0.28 s。

摘要：针对不同尺度的目标容易造成模型的特征提取和尺度变化的适应性问题,提出一种融合自适应感受野的目标检测算法。通过对特征图采用拆分、卷积和融合的方式构造通道自适应感受野模块,以提取不同尺度的感受野,提高对尺度变化的适应能力;在网络结构中引入通道自适应感受野模块和RepVGG模块,采用FC模块(concatenate with convolutions)过滤冗余特征,强化模型的特征提取能力;采用Alpha-CIOU损失和知识蒸馏优化训练,提高算法的检测能力。在Pascal VOC和MS COCO数据集上的实验结果表明,该算法在尺度变化、精度和速度等方面取得了优秀的性能。

摘要：高铁轨道的动检不平顺数据存在显著的里程偏差,不可避免地给轨道质量的科学分析和研究带来困难。在现有里程修正算法的基础上,根据波形的变化趋势及其点位匹配,提出相关性插值优化匹配法(Correlation Interpolation Optimal Matching Method,CIOM),并引入精度因子、形状因子和综合因子作为里程偏差修正结果的评价指标,弥补现有修正算法评价体系的不足。使用CIOM与最小二乘匹配(Least Squares Matching,LSM)、动态时间规划(Dynamic Time Warping,DTW)进行里程偏差修正仿真实验,3种算法的修正对比结果表明:CIOM算法可将里程误差控制在0.07 m左右,同时保留原有波形特征;DTW虽波形对齐精度高,但其改变原有波形,导致波形失真;形状因子弥补现有指标的不足,能有效评估修正后数据波形的变化大小。最后,通过某高速铁路多期动检数据实践检验。相比于现有算法,CIOM修正结果的精度因子和形状因子的平均值均高于0.9,验证CIOM算法修正里程误差的有效性和优越性。

摘要：采用非量化的局部特征设计出一个稳健的纹理描述符,以便增强旋转和尺度变化时纹理分类的鲁棒性。首先,引入了局部特征的旋转对称性的概念,提出了一种新颖的局部特征来描述纹理的旋转不变特性。为了处理剧烈的旋转、尺度等变化,利用费舍尔向量编码方法对纹理特征量进行多尺度分析,在不增加局部特征维度的同时又能结合尺度信息,由此产生的局部特征对旋转、灰度变化都有较强的鲁棒性。实验结果表明,所提方法的评估结果在许多数据集上都远远超过了现有最优算法,大大提高了纹理分类的精度。

摘要：首先,本文概要介绍了20世纪90年代东亚城市发展的转折点;其次,从尺度变化、物质客体、竞争性诉求三个角度,勾画了城市设计的恰当范畴;再次,从赋予城市设计意义的欣赏语境角度,列举了东亚城市与西方主要国家城市之间的差别;最后,对比了过去历史的发展,对前文提到的各个方面进行了更高层面的综述、研讨。

摘要：为解决现有目标检测算法中尺度变化带来的检测问题,为此设计了基于多尺度感受野特征块,即一种并行的多分支卷积块,共享参数但有着不同的卷积扩张率,并将其特征块集成到SSD框架中,从而增强网络的感受野以提高检测精度,之后再添加通道注意力模块,融合多个尺度相同的特征,由此得到最终的特征进入检测层检测。在COCO和Pascal VOC 2007数据集上测试表明,该方法在满足一定检测精度的同时可以达到实时的检测效果。

摘要：针对运动目标发生旋转、尺度变化时跟踪难的问题,提出一种基于SIFT和卡尔曼滤波的跟踪方法。首先用卡尔曼滤波进行目标位置初定位,其次对运动目标SIFT特征进行分析计算,得到目标的运动方向,中心位置移动量,以及尺度变化量,最后以矩形框出运动目标。仿真结果表明:提出的方法对旋转、尺度变化的目标有较好的跟踪效果,而且计算量小,能保证跟踪的实时性。

摘要：在动态目标跟踪过程中,实用的跟踪系统要求能实时地适应运动目标的外观变化,为了解决CamShift算法在跟踪尺度变化的目标的不准确问题,本文在原算法基础上预测搜索窗口的尺寸,同时也对运动目标质心位置进行预测。实验结果表明,改进的算法对尺寸逐渐逐渐增大的目标都能自动选择合适的跟踪窗口大小。