首页期刊导航|计算机仿真
期刊信息/Journal information
计算机仿真
计算机仿真

吴连伟

月刊

1006-9348

kwcoltd@public.bta.net.cn jsjfz@compusimu.com

010-68767186

100037

北京海淀阜成路14号

计算机仿真/Journal Computer SimulationCSCD北大核心CSTPCD
查看更多>>本刊旨在促进我国仿真技术交流和发展,既总结过去、探索基础理论,又跟踪发展前沿,重点报导仿真应用成果。现已是中国科技论文核心期刊。于2003年被《中国科学文献计量评价研究中心》评为优秀期刊。同时被选入中国学术期刊(光盘版)文献检索系统、中国科学引文数据库、中国核心期刊数据库。现已成为仿真技术领域中优秀期刊。
正式出版
收录年代

    基于轻量级CNN的视觉SLAM快速回环检测算法

    蒋经纬吉月辉刘俊杰高强...
    182-188页
    查看更多>>摘要:传统基于卷积神经网络(Convolutional Neural Network,CNN)的视觉同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)系统回环检测目前准确率和召回率较高,但其存在特征提取时间较长和特征向量维度过高导致计算量较大等问题.针对上述问题,结合轻量级卷积神经网络MobileNetV3 和PCA降维算法,提出了一种基于深度学习的快速回环检测算法.基于MobileNetV3 进行特征提取并构建特征矩阵,运用PCA降维算法完成降维以提升运行速度,使用余弦相似度计算各个特征向量间的相似性,并取最大值与给定阈值比较判断是否构成回环.最后,使用New College和City Centre两个公开的数据集验证算法的性能.实验结果表明,相较于传统的CNN回环检测方法,提出的算法在保证准确率和召回率的同时,运行速度更快,较好的满足了视觉SLAM系统准确性和实时性的要求.

    同步定位与建图回环检测卷积神经网络主成分分析图像特征提取

    基于室内点云地图的特征轮廓识别方法

    刘亮郑敏毅张农刘鹏飞...
    189-194页
    查看更多>>摘要:针对用激光雷达构建室内点云地图时存在窗户等透明物体,导致激光雷达的线束透过窗户产生噪点影响地图精度等问题,提出一种适用于室内三维点云地图的墙面识别方法,并借助此方法进一步识别出窗户的位置,进而实现对窗外的噪点与集群点的去除.前者从三维点云地图中的各个点分布的密度来识别出墙面点;后者则通过墙面坐标定位到外墙及窗户位置,从而去除噪点和无效特征.实验在三个场景下的室内地图进行方法验证,结果表明,上述方法在墙面和窗户的提取中准确率均在 95%以上,并可有效的去除窗外噪点.在特定场景下窗户提取的召回率可达到 100%,上述方法可用于简单和较为复杂的室内环境中进行窗墙识别去噪,在特征繁多的室内也有不错的效果.

    三维激光点云室内墙面识别室内窗户检测窗外噪点去除

    单幅图像局部特征分层模糊挖掘算法仿真

    牛庆丽王黎明
    195-199页
    查看更多>>摘要:为了能够深入获得图像纹理特征信息,提高后续数据识别精准度.因此,提出了单幅图像局部特征分层模糊挖掘算法.通过直方图均衡化方法,将图像中灰度值集中到对应灰度等级区域.由不均匀分布向均匀分布状态转换,拓展像素的灰度动态范围.分析图像局部特征复杂度与差异度,求出相邻模板灰度等级,得到局部复杂性和差异度矩阵,采用Laplace算法对图像局部特征推荐分类,根据推荐级别分层模糊挖掘所选特征,以此实现对单幅图像的局部特征分层模糊挖掘.通过实验证明,所提算法可准确挖掘出图像特征,不同层级纹理信息都完整,且挖掘时间保持在 0.25s内.

    单幅图像局部特征特征分层模糊挖掘差异度矩阵局部差异度

    基于Hough变换的动态目标物体识别算法研究

    吴珊丹阮福
    200-203,227页
    查看更多>>摘要:与静态物体不同,动态物体具有实时变化的特点,加大了目标识别难度,为了精准识别动态目标物体,提出一种单目AR环境下动态目标物体识别算法.通过摄像机采集单目AR环境下的动态目标图像序列,采用MMTD和软阈值滤波方法对目标物体图像滤波处理.引入Hough变换方法获取动态目标物体的直线信息,并通过模式识别获取动态目标物体的位置和朝向信息,结合获取的信息实现动态目标物体识别.实验结果表明,采用所提算法方法可以在较短的时间内准确识别动态目标物体,且目标识别误差较低,对动态图像识别研究具有一定的参考价值.

    环境动态目标物体识别变换

    基于上下文融合和注意力的安全帽检测方法

    徐志刚李宇根朱红蕾
    204-209页
    查看更多>>摘要:安全帽检测是近年来目标检测在工业生产作业领域的一个研究热点.针对安全帽检测过程中容易出现的小尺度目标错检、漏检等问题,提出一种基于上下文融合和注意力的安全帽检测方法.方法通过利用混合域注意力强调目标关键特征信息,加强特征提取;同时,构建基于非局部注意模块的上下文信息融合结构,将底层全局上下文信息引入深层特征中,进一步细化深层语义信息;此外,利用感受野模块捕获多尺度特征和增大感受野,以减少小尺度目标在特征融合过程中出现特征信息丢失,以及预测过程中对小尺度目标不敏感的问题.实验分析表明,上述方法在安全帽佩戴数据集上对于安全帽检测的AP值达到 93.10%,较原YOLOv4 提升2.12%,mAP达到93.07%,较原YOLOv4 提升 1.39%.

    安全帽检测上下文融合注意力机制

    基于卷积神经网络的分形图像编码研究

    许才顼贺杰庞家豪
    210-214页
    查看更多>>摘要:为了解决图像压缩时间较长的问题,提出了一种基于卷积神经网络的分形图像编码方法.方法将分形图像编码中的Range块和Domain块进行相似度分类,通过采用卷积神经网络来设计新的图像块分类方法,实现编码过程中的并行化图像块分类,编码时每个类在各自类别中进行搜索,减少一些不必要的匹配过程,以此达到减少图像块匹配的计算量,减少图像压缩的时间.实验结果表明,上述方法的图像还原质量更高,且图像压缩编码时间较短,说明其具有较高的应用价值.

    分形图像压缩卷积神经网络图像块匹配相似度分类

    基于图像先验信息的立体匹配算法

    袁娜徐勤奇
    215-220页
    查看更多>>摘要:立体匹配是双目视觉系统分析中的重要环节之一,直接决定三维信息重建的质量和效率.为提升立体匹配实时性与准确性,提出一种基于图像先验信息的立体匹配算法.算法首先采用BP神经网络MIV方法提取并筛选图像有效特征值,并以视觉系统应用环境不同将图像数据分为的简单背景图像和复杂背景图像,然后在测距 1-2m的实验室条件,利用双目摄像头和CORE I7 处理器采集图像数据,并在Visual Studio 2015 中按照3:2 对图像进行大小裁剪,最后基于BM优化算法与SGBM改进算法对图像进行立体匹配.简单背景仿真结果表明,未裁剪BM优化算法的测量误差未 0.9%,仿真时间为2s,较其它算法而言,仿真时间最短,实时性最高;复杂背景仿真显示,裁剪后的SGBM改进算法,测量误差为 0.4%,仿真时间2.5s,测量误差大幅降低.在图像先验信息的基础上,通过优化BM算法提高了立体匹配实时性,基于改进SGBM算法提高了立体匹配准确性,为双目视觉系统的实际应用提供了理论依据.

    特征值筛选概率神经网络立体匹配算法

    基于迁移学习的中药饮片图像分类

    李志成朱彦陈杜建强冯振乾...
    221-227页
    查看更多>>摘要:针对人工识别中药饮片效率不高、分类具有一定主观性等问题,提出基于迁移学习的中药饮片图像分类方法.自建中药饮片图像数据集,选取MobileNet-V2 模型进行训练,将在ImageNet数据集训练得到的参数加载到模型中,修改全连接层节点数和SoftMax分类器得到新模型,冻结除全连接层的参数,训练后的新模型准确率达到97.67%.实验表明,研究的算法可准确对中药饮片图像进行分类,而且比传统CNN有更少的参数量和计算量,为研究人员对中药饮片种类的识别提供有利的依据,可有效辅助研究人员对中药饮片进行识别.

    中药饮片识别卷积神经网络迁移学习

    改进YOLOv7的输电线路变尺度目标检测

    周景李英杰周蓉崔灿灿...
    228-233页
    查看更多>>摘要:针对输电线路无人机巡检图像中小目标检测精度低下的问题,提出一种改进型YOLOv7 的输电线路变尺度多目标的检测方案.方案首次将基于YOLO7 的目标检测模型应用到输电线路目标检测中,引入Transformer注意力工作机制,使用gn Conv代替高效聚合网络中的卷积层提取巡检图像特征,经过RFPN网络将不同分辨率特征进行融合后,分别进行不同尺度目标的预测,提高对小目标的检测精度,达到了93.68%的平均检测精度,也可以检测到被遮挡的目标,具有一定的泛化能力.结果表明,上述模型能够有效检测出巡检图像中的防震锤和绝缘子,为后续故障诊断提供了理论依据.

    深度学习目标检测输电线路

    基于改进注意力机制的自然语言特征提取仿真

    蓝桂军李民
    234-237,302页
    查看更多>>摘要:自然语言具有模糊性和歧义性特点,加大了特征提取难度,为了能够精准提取自然语言特征,提出一种基于模糊关联优化的自然语言特征提取方法.将不确定性自然语言信息利用三元语言表示模型描述,给出一个初始隶属度函数(MF),设定最大化模糊项集支持度和语义可解释性为适应度函数,利用群搜索优化(GSO)算法获取最佳MF,通过优化后的模糊关联规则算法挖掘自然语言信息.在注意力机制中加入生成函数和限制函数,改进传统注意力机制,基于改进后的注意力机制完成自然语言特征提取.仿真结果表明,所提方法可以获取高精度与高覆盖率的自然语言特征提取结果.

    模糊关联优化自然语言特征提取限制函数注意力机制