- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于ε-支持向量回归的凝视追踪摄像机焦点评估方法
摘要： 为了在注视追踪相机中获取高质量的眼部图像，我们采用了一种需要精确对焦评估的自动对焦机制。尽管先前已有针对空间域或小波域的对焦评估研究，但鲜少有研究将空间域与小波域方法进行综合运用。由于现有空间域和小波域对焦评估方法均存在易受光照变化影响等缺陷，我们为注视追踪相机提出了一种融合空间域与小波域的新对焦评估方法。相较于既有方法，本研究的创新性体现在以下三方面：首先，通过采用具有对称高斯径向基函数核的ε-支持向量回归机，该方法综合了空间域与小波域方法的优势。为避免对焦评分受图像亮度变化影响，在评分计算中同时采用线性和非线性归一化处理。其次，基于相机光学原理，我们从数学上论证了日间图像/强光源相比夜间图像/弱光源产生更高对焦评分的原因。第三，我们提出以Z轴相邻位置间对焦评分相对重叠量（标准差）与这两点间对焦评分总变异范围的比值作为新准则来比较不同对焦测量方法的准确性。实验结果表明，本方法优于其他现有方案。
关键词： 采用对称高斯径向基函数核的ε-支持向量回归、自动对焦、焦点评估、相机光学系统、凝视追踪相机
更新于2025-09-09 09:28:46
-
基于自然场景统计的无参考图像质量评估特征选择算法
摘要： 图像在我们的日常生活中扮演着重要角色，各类成像应用的性能取决于用户的体验质量。无参考图像质量评估（NR-IQA）无需借助原始无失真图像的先验信息，就能评估主观感知质量，因而日益受到重视。不同基于自然场景统计的NR-IQA技术通过特征群组分类失真类型，并利用这些特征估算图像质量评分。然而每种失真对特定特征集合的影响各异。本文提出一种新型特征选择算法，用于基于失真识别的图像保真度与综合评估——该算法为每类失真选取独特的特征群组。其筛选机制基于各特征对斯皮尔曼等级相关系数（SROCC）得分的贡献度，仅采用多数特征SROCC值高于全体特征均值SROCC值的特征群组构建预测模型。在三个常用数据库的测试中，本NR-IQA特征选择算法相比前沿NR-IQA技术及其他特征选择算法展现出更优性能。
关键词： 特征选择、无参考图像质量评估、分类、基于失真识别的图像验证与综合评价、支持向量回归
更新于2025-09-04 15:30:14
-
基于光纤布拉格光栅环向应变测量、粒子群优化与支持向量机的管道泄漏识别与定位
摘要： 管道的安全使用至关重要。在我们之前的工作中，开发了一种光纤布拉格光栅环向应变传感器，用于测量加压管道中的环向应变变化。本文采用支持向量机（SVM）学习方法，从不同的环向应变信号中识别管道泄漏事故，并进一步定位沿管道的泄漏点。对于泄漏识别，提取时域特征和小波包向量作为SVM模型的输入特征。对于泄漏定位，提取一系列终端环向应变变化作为支持向量回归（SVR）分析的输入变量，以定位泄漏点。通过粒子群优化（PSO）算法优化SVM/SVR核函数的参数，以获得最高的识别和定位精度。结果表明，当应用经过优化的C和γ值的RBF核时，泄漏识别的分类准确率达到97.5%（117/120）。在没有噪声的情况下，选择适当的参数组合时，泄漏定位的均方误差值可以低至0.002。通过叠加不同水平的高斯白噪声，评估了优化SVR模型对泄漏定位的抗噪声能力。仿真研究表明，在5%噪声下，平均定位误差仍然可以接受（≈500米）。结果表明，PSO-SVM方法在管道泄漏识别和定位方面具有可行性和鲁棒性。
关键词： 管道泄漏定位、特征线法（MOC）、光纤光栅环向应变传感器、支持向量回归（SVR）、粒子群优化（PSO）算法、支持向量机（SVM）
更新于2025-09-04 15:30:14