简介：蒙特卡洛法（MCM）测量不确定度评定中模型复杂、计算量大,现有软件往往只在某一模型中适用,不同模型间相互独立,且评定结果缺少自适应过程.基于LabVIEW软件生成输入量X的伪随机数,对X概率密度函数（PDF）离散抽样,得到输出量Y的离散抽样值,进而设计了自适应MCM测量不确定度软件.本软件实现了常用模型数学公式的自定义,增强了软件的适用性,同时重点介绍了自适应增加样本量M的算法.通过JJF1059.2-2012规范中实例的计算,验证了软件在常用模型评定中的有效性.
简介：针对传统算法大多忽略人眼特性,获得的视差图与人眼真实感受之间存在一定差异的问题,提出了一种符合人眼视觉特性的自适应权重匹配算法.该算法首先引入视觉显著性特征,然后对像素权值分配进行改进并提出新的匹配代价度量准则,最后采取左右视差图融合的方法获得最终视差图.相关图像实验表明,改进算法很好地解决了遮挡问题,可精确描述边缘和细节视差;相对于原算法有较大程度的性能提升.
自适应MCM测量不确定度软件研发
视觉显著性的自适应权重立体匹配算法
