基于样本块的Criminisi图像修复算法在搜索匹配块时,使用全局搜索并用均方误差(sum of squared differences)来衡量样本块差异。该方法存在搜索范围过大,效率较低,仅考虑颜色的差异,容易导致修复结果边界错位等不足,本文提出了一种基于...基于样本块的Criminisi图像修复算法在搜索匹配块时,使用全局搜索并用均方误差(sum of squared differences)来衡量样本块差异。该方法存在搜索范围过大,效率较低,仅考虑颜色的差异,容易导致修复结果边界错位等不足,本文提出了一种基于区域分割和均方误差改进的图像修复算法。为了提高样本块匹配速度,先采用区域分割法分割整个图像区域,使待修复样本块只在对应区域内搜索。在比较样本块差异时,本文算法对颜色差异、纹理差异、曲线特征差异进行了加权综合,从而保证了修复后图像在颜色和纹理上均与已知区域保持一致,解决了Criminisi算法效率低且容易出错等问题。实验结果表明本文算法修复结果在执行效率、视觉效果上要比Criminisi算法好。展开更多
针对加速度传感器低精度的问题,提出一种基于手机多姿态获得MEMS加速度传感器系统误差的模型。通过求解不同姿态下的观测数据n维非线性方程组得到误差值,经该模型校正后,加速度数据精度相较单姿态模型的方法有较大提高。校正前静止状态...针对加速度传感器低精度的问题,提出一种基于手机多姿态获得MEMS加速度传感器系统误差的模型。通过求解不同姿态下的观测数据n维非线性方程组得到误差值,经该模型校正后,加速度数据精度相较单姿态模型的方法有较大提高。校正前静止状态下加速度传感器的3轴合加速度数值变化范围为9.56~10.10 m/s 2,校正后静止状态下加速度传感器下3轴合加速度数值变化范围为9.78~9.86 m/s 2,更接近真实的重力加速度。这为室内定位中利用步长推算位移提供了更精确的识别方法。展开更多
文摘基于样本块的Criminisi图像修复算法在搜索匹配块时,使用全局搜索并用均方误差(sum of squared differences)来衡量样本块差异。该方法存在搜索范围过大,效率较低,仅考虑颜色的差异,容易导致修复结果边界错位等不足,本文提出了一种基于区域分割和均方误差改进的图像修复算法。为了提高样本块匹配速度,先采用区域分割法分割整个图像区域,使待修复样本块只在对应区域内搜索。在比较样本块差异时,本文算法对颜色差异、纹理差异、曲线特征差异进行了加权综合,从而保证了修复后图像在颜色和纹理上均与已知区域保持一致,解决了Criminisi算法效率低且容易出错等问题。实验结果表明本文算法修复结果在执行效率、视觉效果上要比Criminisi算法好。
文摘针对加速度传感器低精度的问题,提出一种基于手机多姿态获得MEMS加速度传感器系统误差的模型。通过求解不同姿态下的观测数据n维非线性方程组得到误差值,经该模型校正后,加速度数据精度相较单姿态模型的方法有较大提高。校正前静止状态下加速度传感器的3轴合加速度数值变化范围为9.56~10.10 m/s 2,校正后静止状态下加速度传感器下3轴合加速度数值变化范围为9.78~9.86 m/s 2,更接近真实的重力加速度。这为室内定位中利用步长推算位移提供了更精确的识别方法。
