简介:近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.
简介:软件定义网络(SDN)将数据层与控制层相分离,是一种新型网络体系架构.针对目前SDN网络还不能提供路由服务问题,设计了一种基于OpenFlow技术,使得SDN网络拥有路由转发功能的方案.依托RouteFlow平台,以内核虚拟化技术为基础,以Quagga软件为路由引擎,通过OpenFlow控制器为数据平面提供路由逻辑控制策略.实验结果表明,该方案不仅让SDN网络具有了路由转发功能,还能使系统保持较好的稳定性.
简介:车道线检测是智能驾驶系统的重要组成部分,它提供了车辆与车道位置关系的信息.针对智能车辆驾驶系统在视觉导航过程中车道线检测的精确性和鲁棒性的问题,提出一种有效的车道线检测方法.首先对原始RGB图像分别进行感兴趣区域设定、逆透视变换、灰度化和阈值处理;然后进行霍夫变换处理,利用斜率和中心点位置筛选检测结果;最后利用卡尔曼滤波对检测到的线段进行跟踪,预测当前车道线位置.实验结果表明,该算法能够有效解决图像中车道线不清晰以及一些干扰遮挡的问题,车道线检测准确率可达94%,具有较好的准确性、鲁棒性和较低的计算复杂度,有利于实时性检测系统的构建.