基于特征自适应选择的鲁棒跟踪算法

高斯混合模型的传统估计对重尾误差很敏感。 因此，通过假设误差项遵循拉普拉斯分布，我们提出了鲁棒的混合回归模型。 对于新的鲁棒混合回归模型中的变量选择问题，我们引入了自适应稀疏组Lasso罚分以在组级别

由于数字图像研究的要求和必要性，图像匹配被认为是关键，必要且复杂的点，尤其是对于机器学习而言。根据其便利性和便利性，最适用于图像特征点提取和匹配的算法是加速鲁棒特征（SURF）。尺度不变特征变换（SI

为了将数字音频水印技术与音频内容相结合，基于人声和乐器的基频稳定的特点，从音乐中提取出基频并据此设计一种鲁棒零水印方法。首先通过正规化分谐波叠加算法提取基频，然后采用K-means算法对基频特征进行编

一种基于特征匹配的鲁棒性稳像算法： (1)为保证稳像系统的鲁棒性，算法在进行特征匹配时融入亮度变化自适应模型并利用特征匹配误差分析和运动一致性原则对特征初步匹配结果作有效性验证 以提高算法对光线变化和

针对现有的细节点柱形编码方法存在柱形编码有效性较差、检索错误率较高的问题，提出了一种改进的细节点柱形编码算法。该算法通过对原有的细节点柱形编码参数进行自适应选取，提高了柱形编码的有效性，有效地降低了指

在简要说明基于空时上下文（STC）和基于核函数循环结构（CSK）目标跟踪器的基础上，重点介绍基于颜色特征（CN）的跟踪器，并针对其在目标被遮挡、尺度变化和光照发生变化时易发生跟踪漂移的问题，提出自适应

针对复杂跟踪条件下目标的稳健跟踪和精确尺度估计问题,提出了一种基于多层卷积特征融合的目标尺度自适应稳健跟踪算法。算法首先利用VGG-Net-19深层卷积网络架构提取目标候选区域的多层卷积特征,通过相关

存在执行器滞回的MIMO非线性系统的鲁棒自适应跟踪控制

本文涉及一类具有输入饱和的纯反馈随机非线性系统的自适应模糊跟踪控制问题。 为了克服非差分饱和非线性带来的设计困难,首先引入控制输入信号的平滑非线性函数以逼近饱和函数。 然后,采用后推法构造了基于均值定

针对长视频序列的全景图拼接，提出了一种新的处理方法。该方法将长视频序列分段，对每一段分别采用场景流形算法进行拼接;将拼接后的相邻图像采用动态规划的思想搜索最佳缝合线;依次缝合所有拼接后的图像，得到整个