司马海峰
- 作品数：27 被引量：31H指数：3
- 供职机构：河南理工大学更多>>
- 发文基金：国家自然科学基金河南省科技攻关计划博士科研启动基金更多>>
- 相关领域：自动化与计算机技术交通运输工程机械工程医药卫生更多>>
- Y信道中的空时码传输及译码方法
- 本发明公开了Y信道中的空时码传输方法及译码方法，适用于三个用户且用户和中继节点都配置两根天线的Y信道。在多址阶段，每个用户对其调制信号进行Alamouti编码以及预编码，并且按照一定的规则将预编码后的码字发送两次，中继节...
- 田心记李亚王瑞孙江峰司马海峰杨冬
- 文献传递
- 校园安全平台中高层特征融合的目标跟踪技术研究
- 2022年
- 视频中的目标检测与跟踪属于交叉学科研究的内容,是安全与智慧校园建设的重要监测手段。针对跟踪技术中底层特征缺乏高层知识的问题,提出一种将计算机视觉中的超像素约束融入SVM的跟踪框架。首先提取每一帧图像的超像素,计算局部平均特征与降维的密集SIFT特征,然后融合超像素约束的局部秩变换特征并通过在线学习优化分类器,最后得到优化目标跟踪结果。实验结果表明,基于超像素约束的融合特征进一步提高了目标检测的准确率和成功率,验证了算法的有效性。
- 刘蓝蓝司马海峰
- 关键词：校园安全目标跟踪
- 基于细节点特征分布相关性的指纹匹配
- 本文改进了原有结构化的细节点匹配方法，定义指纹的中心点为参考点，将细节点与参考点之间切割指纹线数量作为待匹配细节点的特征，该特征对于平移、旋转和非弹性形变有不变性，同时把切割的所有脊线得到相关点的基线方向作为细节点的重要...
- 司马海峰袁华强
- 关键词：指纹匹配图像匹配鲁棒性
- 文献传递
- 基于点组比较策略的图像特征点二值描述及匹配方法
- 本发明基于点组比较策略的图像特征点二值描述及匹配方法，包括：采集图像并进行预处理、使用SIFT或者Harris角点检测算法在两幅图像上分别提取特征点、确定特征点支撑区域并计算特征点主方向、选择特征点支撑区域内的32个采样...
- 刘红敏王志衡司马海峰霍占强贾利琴姜国权王静
- 文献传递
- 一种融合信任和项目卷积描述信息的PMF算法被引量：2
- 2020年
- 针对现有概率矩阵分解(PMF)技术的个性化推荐系统在采用社交网络中信任信息时常常忽视项目相关描述文档信息的问题,提出一种融合用户信任和通过卷积网络以获取项目描述等信息的PMF模型.首先,利用用户偏好信息和行为轨迹信息构建一种新的信任网络;然后,通过卷积神经网络从项目描述文档中提取项目潜在的特征向量;最后,在概率矩阵分解过程中同时利用评分数据、信任网络中用户的信任信息和项目的描述信息,计算用户和项目的潜在特征向量以预测评分并进行个性化推荐.为验证算法的有效性,选择3种算法在4个数据集上进行对比,实验结果表明所提出的算法在推荐精确度和鲁棒性方面优于其他3种算法.
- 王建芳苗艳玲韩鹏飞司马海峰
- 关键词：卷积神经网络社交网络信任
- 基于显著性语义协同的校园道路场景分割
- 2023年
- 针对复杂场景图像语义分割精度低、细小目标识别能力不足等问题,提出基于显著性语义协同学习的校园道路场景分割算法,并在实时网络模型LinkNet基础上对该算法加以改进。首先,在编码阶段引入空洞空间金字塔池化模块,通过扩大视野提取更丰富的上下文语义信息,提升细小目标的分割能力;其次,采用协同学习思想,将语义分割与显著性检测的特征提取过程进行共享。通过共享卷积层特征,语义分割任务从显著性的学习过程中受益,进而提高分割模型的准确率。为了验证算法性能,在Cityscapes数据集上进行实验。结果表明,与经典的语义分割方法进行对比,本文算法能进一步提高场景内各类目标分割精确度,整体精度达到67.91%,比原LinkNet模型提高了8.14%。
- 刘蓝蓝杜敏敏郑伟司马海峰
- 关键词：校园安全
- 一种基于弱监督多核分类优化合并的图像分割方法
- 本发明公开了一种基于弱监督多核学习分类的图像分割算法。方法包括：1使用不同尺度的超像素计算策略提取多层超像素用于特征计算；2通过对超像素平均特征，多尺度纹理和对象性等中层视觉特征进行计算；3利用多核学习策略，将三个混合特...
- 司马海峰杨合超米爱中
- 文献传递
- 基于视觉技术的手镯圈口自动测量方法
- 本发明基于视觉技术的手镯圈口自动测量方法，包括步骤：采集模板图像并计算图像尺寸与实际物理尺寸的比例系数、采集手镯图像并输入计算机、基于前景背景比对进行手镯目标二值化、利用对称性确定手镯中心的水平方向初始位置、利用对称性确...
- 刘红敏王志衡司马海峰霍占强王静贾利琴姜国权
- 文献传递
- 基于点组比较策略的图像特征点二值描述及匹配方法
- 本发明基于点组比较策略的图像特征点二值描述及匹配方法，包括：采集图像并进行预处理、使用SIFT或者Harris角点检测算法在两幅图像上分别提取特征点、确定特征点支撑区域并计算特征点主方向、选择特征点支撑区域内的32个采样...
- 刘红敏王志衡司马海峰霍占强贾利琴姜国权王静
- 文献传递
- 显著特征融合的主颜色聚类分割算法被引量：1
- 2016年
- 针对颜色密度聚类分割模型容易产生误分割的问题,提出基于视觉显著性调节的主颜色聚类分割算法.首先,根据空间颜色信息和Mean-shift算法平滑结果分别计算图像的全局显著特征和区域显著特征,并融合2类显著特征作为特征空间聚类的约束项.然后,采用核密度估计方法计算图像主颜色作为初始类,并将显著特征作为调节因子进行聚类分割.最后,进行区域合并.在标准的分割图像库上进行实验并与多种算法对比,结果表明,文中算法具有更高的区域轮廓准确度,并且有效利用图像显著特征,降低密度聚类形成的区域不一致性,提高像素聚类的精度和分割的鲁棒性.
- 司马海峰米爱中王志衡杜守恒
- 关键词：彩色图像分割
