摘要：现有的运动目标显著性提取算法对具有树枝摇晃、水波荡漾等复杂扰动背景的视频处理效果较差,无法排除背景对显著目标提取的干扰.针对此类视频,提出一种基于时空显著性信息动态融合的目标提取算法.在空间上,利用简单线性迭代聚类(SLIC)超像素分割算法计算重建误差,得到每帧图像上完整的显著目标;在时间上,考虑到显著目标内部各像素具有运动一致性的特点,利用连续多帧图像的运动估计引入运动熵来表征,同时利用中心周边差的机制来区分目标和背景的运动;最后由于人的视觉系统对运动信息更敏感,根据时间显著性的大小设置动态权重进行时空显著性融合,得到最终能兼顾动静两种情况的视频显著图.在4个视频数据库上的实验结果表明,该方法能够较好地抑制复杂扰动背景对于运动显著目标提取的干扰,优于对比方法.

摘要：针对在实际中采样所需人力或设备数量受限的情况,为图信号优化设计了一种多阶段的采样集,使得在采样数量约束下尽可能减少信号估计误差。将采样集设计建模为组合优化问题,并通过松弛量化的方法求得原始优化问题的次优解,同时也给出了该松弛量化方法的适用条件和渐进最优性。不同于已有的图信号采样集设计方法,所提方法不仅得到了最优采样集还分析了影响节点采样重要性的因素,给出了节点采样重要性的评价指标和其物理意义。最后,提出了一种低复杂度的近似算法以解决大规模图信号的采样集设计问题,并能逼近原始优化方法的结果。

摘要：在基于位置服务(LBS)系统中,用户通过主动上报个人位置信息即可获取所需服务.LBS在带给用户便利的同时,也会泄露个人隐私.相反,服务提供方则希望通过获取位置信息等隐私来最大化自身收益.在实际的LBS系统中,不同用户对于服务水平和位置隐私间的偏好存在差异.服务提供方只能了解用户偏好的分布情况,无法准确获知每个用户的真实偏好.因此,在位置信息挖掘过程中,针对这一信息的不对称性,本文设计了基于合同理论的差异化服务机制.该机制构建了逆向选择模型,针对不同偏好类型的用户设计了不同的最优合同组合以实现差异化服务.性能仿真验证了算法机制的可行性和有效性.结果也表明,本算法机制可以激励用户上报更真实的位置信息,使得服务提供方在位置信息挖掘中获取更大的收益.

摘要：设计了利用MPU9250九轴姿态传感器和STM32F103获取、处理姿态数据的智能吸尘器系统.考虑到在实际应用中嵌入式系统对实时性以及姿态检测准确性的要求,提出了一种算法——利用加速度、陀螺仪数据分别更新四元数并通过互补滤波算法进行融合,然后利用阈值中值滤波后的磁力计数据修正航向角,实现了系统对传感器数据的融合以及对载体姿态的估计.将算法应用于智能吸尘器平台,利用上述算法处理的数据进行姿态控制,通过仿真和实验证明了算法的可行性和有效性,实现了智能吸尘器姿态的准确控制.在姿态控制的基础上进行路径规划,可以提高智能吸尘器在室内清洁区域的覆盖率.