基于样本学习的肖像画自动生成算法

提出了一种基于样本学习的人脸肖像画自动生成算法，文章采用非均匀的马尔科夫随机场模型来描述肖像画与人脸图像之间的统计关系，并使用基于训练样本的非参数化的概率表示，在贝叶斯优化的框架下设计了迭代采样算法，可以自动的从人脸图像生成特定风格的肖像画，在该方法中，使用非均匀的统计模型是保持肖像中人脸结构准确性的关键，文中所提供的例子表明了该文方法的有效性。     

非均匀采样系统的修正与补偿

提出一种针对非均匀采样失真的修正补偿方法.用正弦波激励与波形拟合,获得各子A/D的增益、直流偏移和相对于参考子A/D的延迟时间差.将各子A/D的采样序列叠加直流偏移修正因子使各直流偏移一致,补偿偏移采样失真,将各子A/D的样本序列乘以增益修正因子使各增益一致,补偿增益采样失真,通过等间隔采样插值运算,补偿采样延迟失真,获得均匀采样结果.在一组16个子A/D的仿真数据上的补偿实验验证了方法的正确性.在具有8个子A/D的一个数据采集系统的实测数据上的补偿实验,验证了方法的可行性.     

基于形状演化的线条画风格转换与变形

根据线条画和线条画中笔画的形状特征，运用平面形状演化理论对线条画和笔画的形状进行平滑或增强，并对宽度进行相应的调整，最后得到不同风格的线条画．该风格转换水需要任何样本，而且能够控制转换的程度，提高了线条画风格转换的自由度．     

参数稀疏信号非均匀采样性能分析

提出了一种参数稀疏信号的时间交替周期非均匀采样方案。相对于非均匀采样,周期非均匀采样可以在降低系统复杂度的前提下依然保持较高的转换速率。通过仿真证明,非均匀采样样本的超分辨率特性可以提高非线性最小二乘周期图谱估计的重构性能。     

用自回归(AR)和分层采样生成草书笔画纹理

提出一种基于自回归和分层采样的草书纹理生成方法,从草书作品中采集一些典型的笔画纹理,构建一个纹理笔画库;然后基于自回归模型生成新的草书纹理,并引入分层采样方法来控制纹理宽度;最后将生成的草书纹理映射到字上,得到满意的草书风格作品.     

基于基因库的新型检测器生成方法

提出一种新的检测器生成方法。由于非我样本中存在着关于非我空间的信息,提出通过统计非我样本中各属性的分布情况来构建基因库,并应用基因库来生成检测器的方法来检测入侵。应用KDDCup1999数据集,通过实验证明该方法能够生成检测率更高的检测器集。     

增加检测器覆盖非自体区域的简单方法

免疫启发式否定选择算法应用于数据集中的异常检测。这种检测基于自体/非自体的识别,他的特征是具有通过自体或规则样本信息检测非自体样本的能力。所以,问题空间被分成两个不相交的子空间：一个子空间包含自体样本,另一个子空间包含促使通过否定选择算法生成检测器的样本。因此,否定选择算法的效率与检测器覆盖非自体空间范围成正比。在文章中,提出了一种扩大检测器覆盖范围的简单方法。     

基于随机笔刷的油画绘制方法

本文提出了一种基于随机笔剧的油画绘制方法。笔剧由一系列骨架点控制，使用随机数来定义每一组笔画的起始点，运用像素8-邻域的概念生成一系列骨架点。通过多个参数的不同设置，能够方便灵活地把一幅照片渲染成具有一定风格的艺术图像。     

一种基于成簇优化的无线传感器网络非均匀分簇算法

针对大规模无线传感器网络中靠近基站的簇头需要转发大量数据而能量消耗较快的特点,提出了一种基于成簇优化的非均匀分簇算法。该算法通过对构建的传感器网络模型进行非均匀分层,然后各层独立展开簇的组建来实现非均匀分簇,在簇头选举阶段依据节点剩余能量及节点离层中间线距离的加权和来优化簇头选举方法。分簇完成后,簇头调整通信距离,构建簇头间动态的多跳路由。仿真实验结果表明,新算法生成的簇头数目稳定,拓扑结构合理,与LEACH算法和EEUC算法相比能较好均衡簇头的能耗,延长网络寿命。     

数字语音信号的非均匀采样的实现

该文主要叙述数字语音信号的基于FFT的非均匀采样的技术实现问题,涉及WAV文件格式、分段、对其进行非均匀降速重采样频率的选择原则及生成和语音信号重构,并对实际的WAV格式的数字语音文件用VC++6.0编写的程序实现了基于FFT的重采样;分析方法、实现程序不仅对WAV格式的数字语音文件有效,而且也适用于其它格式的数字语音文件和非语音信号的非均匀采样的实现。     

散乱点的快速曲面重建方法

空间散乱点的曲面重建有着广泛的应用前景，是当前国际上的研究热点之一，Crust算法是一种基于计算几何中的Voronoi周期图的曲面重建算法，它算法简单，重建结果精细，但是由于计算量太大，其应用受到了限制，为此提出了一种依据采样点的局部特征尺度对原始采样集进行不均匀降采样的方法，在保证采样集能够满足重建要求的前提下，使参与重建的表面点数大为降低，减少了重建算法的计算量，从而提高了重建的速度，这一方法还可以应用于网络简化，通过剔除某些顶点达到简化之目的。     

基于图像的个性化卡通系统

介绍了一个卡通动画系统.该系统可使用户很方便地生成个性化的卡通头像,并通过简单的交互定制各种夸张而生动的表情,还可以实时生成语音驱动的卡通动画.系统主要包括3部分:基于图像的卡通自动生成模块、交互的卡通表情编辑模块和语音驱动的卡通动画模块.卡通自动生成模块采用基于样本学习的方法生成具有特定艺术风格的卡通头像.这里使用了一种非参数化采样算法来学习原始照片和画像间复杂的统计关系.在此基础上,卡通表情编辑器可以通过预先设计的模板生成各种具有生动表情的卡通.同时,用户也可以定制自己的表情模板.卡通动画模块使用了实时的唇形合成算法,可以生成语音驱动的卡通动画.该系统可以使普通用户很方便地生成个性化的卡通头像和动画,在这一点上优于其他动画制作系统.     

并行多维自适应采样

针对现有自适应采样方法绘制效果差和速度慢的问题,提出一种并行的多维自适应采样方法.首先对多维空间进行粗采样,将其自适应地分割为多个子空间;然后扩展各子空间边界,根据噪声评价值分配每个子空间所需的采样点数;在各子空间上构建KD树以并行地对其进行自适应采样;最后根据各采样点间的梯度值重构图像.实验结果表明,该方法能够以更少的样本绘制高质量的景深、运动模糊和软阴影效果,并控制绘制图像时的内存消耗,支持高分辨率的真实感图像生成.     

An efficient optimum Latin hypercube sampling technique based on sequencing optimisation using simulated annealing

This paper proposes a new optimal Latin hypercube sampling method (OLHS) for design of a computer experiment. The new method is based on solving sequencing and continuous optimisation using simulated annealing. There are two sets of design variables used in the optimisation process: sequencing and real number variables. The special mutation operator is developed to deal with such design variables. The performance of the proposed numerical strategy is tested and compared with three established OLHS methods, namely genetic algorithm (GA), enhanced stochastic evolutionary algorithm (ESEA) and successive local enumeration (SLE). Based on 30 test problems with various design dimensions and numbers of sampling points, the proposed method gives the best results. The method can generate an optimum set of sampling points within reasonable computing time; therefore, it can be considered as a powerful tool for design of computer experiments.     

全规整重网格化三维模型的压缩

通过保形自适应重采样,可将三维网格模型转化为规则排列的二维几何图像,从而可借鉴成熟的图像压缩技术对其进行压缩.提出了保形自适应采样算法,根据网格模型表面的有效顶点分布密度自适应地调整采样网格,并可最大限度地通过原始网格顶点进行采样.在不增加采样率的前提下,该压缩方法所得解压模型具有更小的失真度.通过大量实例对文中方法进行了验证,并与同类方法进行对比.实验结果表明该方法是切实可行的,且具有更好的压缩效果.     

一种改进的基于DP原理的分段轮廓采样算法

首先详细介绍了由Douglas和Peucker提出的DP轮廓采样算法。然后采用分割与合并相结合的思想,提出了基于DP算法的分段轮廓采样算法,并从数学上证明了该算法在运行时间上比原DP算法快了η倍,η取值为logn/MnηM。最后,针对医学图像,文章通过实验比较了两种算法的运行时间,结果表明该文提出的算法更快速,也易于编程。     

非均匀抽样网格简化

提出了一种考虑视点空间中某些重要视点的非均匀抽样网格简化的新方法,是在借鉴了Garland-Heckbert方法的基础上提出的,是一种考虑外观相似性的简化算法。给出并证明了两个判定边界的定理,为抽样提供了理论依据。在简化过程中,该算法通过采用视点空间中某些重要视点对模型进行抽样,使抽中的顶点对（轮廓附近的顶点对）得到适当保护。该算法除具有Garland-Heckbert方法的长处外,还可以在三角面片数较少的情况下（50多个三角面片）,尽可能保持模型的重要外观特征,给出了计算0－1图像的外观相似性误差的公式,通过该公式对简化结果进行比较,证明提出的简化算法对保持模型的外观特征是行之有效的。最后对该算法的时间和空间复杂性进行了分析。     

运用逆向工程方法与OpenGL创建三维曲面

目前大多数应用逆向工程创建三维曲面的方法能够取得较令人满意的结果,但却过多依赖标准化软件.文中改进了基于垂距依此递推的自由曲面自适应数据采样算法,给出了应用该算法对复杂曲面进行重建的方法.自由曲面自适应数据采样时,先运用逆向工程测量方法,得到曲面的截面数据点值,然后用非均匀三次样条插值曲线拟合出截面轮廓曲线;自适应采样后,由曲线数据点重新利用最小二乘法计算型值控制点.对这些型值控制点进行网格化处理后由U、V两方向利用Opengl中Nurbs曲面生成方法构造出三维曲面.结果表明运用该方法曲面更改更灵活、曲面连接光滑.     

异步采样下的多红外传感器多目标跟踪算法

针对异步采样下多红外传感器多目标跟踪问题,提出了一种基于概率假设密度粒子滤波的跟踪算法.该算法首先将一个融合周期内所有采样点在融合中心的坐标系中和时钟下进行统一映射,然后按照实际测量值到来的时间先后顺序,根据融合周期内相邻两个时刻之间状态的动态关系,建立相应采样时刻间的状态方程和量测方程,最后根据当前时刻测量对应的传感器的个数选择不同的滤波算法,对顺序到来的观测值依次进行状态估计和更新,从而得到目标数目和相应的状态估计值.仿真实验表明,所提的算法能较好地解决异步采样下多红外传感器多目标跟踪问题,具有较高的跟踪精度和较强的鲁棒性.