网格曲面特征的稀疏性优化检测算法

针对现有的特征检测算法大多数基于微分几何量,对噪声比较敏感、运行速度比较慢、对于过渡特征处理得不够理想的问题,提出一种基于稀疏性优化的网格特征检测算法.该算法主要包括3个过程:首先利用带l1范数稀疏性约束项和l2范数误差项的Laplacian能量函数对网格进行光顺,得到光顺后网格顶点的移动距离;然后根据顶点的移动距离提取初始特征点;最后对提取的特征点进行后处理,使得特征点更为完整.其中,l1范数稀疏性约束项用来约束发生移动点的数目;l2范数的误差约束项用来控制光顺后模型的退化程度.该算法易于实现,能够处理尖锐特征、弱特征和过渡特征.与基于微分几何量的特征提取方法相比,文中算法不仅简单有效、运行时间短,而且提取的特征线也更好.     

结合Fisher判别分析和稀疏编码的图像场景分类

视觉词典法是当前广泛使用的一种图像表示方法,针对传统视觉词典法存在的表示误差大、空间信息丢失以及判别性弱等问题,提出一种基于Fisher判别稀疏编码的图像场景分类算法.首先利用近邻视觉词汇重构局部特征点,构建局部特征点的非负稀疏局部线性编码,从而有效地利用图像的空间信息;然后在非负稀疏局部线性编码的基础上引入Fisher判别约束准则,构建基于Fisher判别约束的非负稀疏局部线性编码模型,以获得图像的判别稀疏向量表示,增强图像稀疏表示的判别性;最后结合支持向量机(SVM)分类器实现场景分类.实验结果表明,该算法提高了图像稀疏表示的特征分类能力以及分类性能,更有利于场景分类任务.     

C-B样条曲线的光顺逼近算法研究

基于弹性均匀细梁的应力能和扰动能的光顺优化,提出了一种光顺C-B样条曲线的算法。该算法的基本思想是：通过调整控制参数和控制顶点使得曲线的能量最小,得到最优的光顺逼近曲线。通过最小二乘法和非线性泛函的极小值优化计算,对平面数据点进行光顺逼近,达到了光顺的目的。最后,给出了由数据拟合的C-B样条曲线光顺的实例。实例结果表明,该算法为C-B样条曲线的光顺问题提供了一种有效的新方法。     

基于判别性局部联合稀疏模型的多任务跟踪

目标表观建模是基于稀疏表示的跟踪方法的研究重点, 针对这一问题, 提出一种基于判别性局部联合稀疏表示的目标表观模型, 并在粒子滤波框架下提出一种基于该模型的多任务跟踪方法(Discriminative local joint sparse appearance model based multitask tracking method, DLJSM).该模型为目标区域内的局部图像分别构建具有判别性的字典, 从而将判别信息引入到局部稀疏模型中, 并对所有局部图像进行联合稀疏编码以增强结构性.在跟踪过程中, 首先对目标表观建立上述模型; 其次根据目标表观变化的连续性对采样粒子进行初始筛选以提高算法的效率; 然后求解剩余候选目标状态的联合稀疏编码, 并定义相似性函数衡量候选状态与目标模型之间的相似性; 最后根据最大后验概率估计目标当前的状态.此外, 为了避免模型频繁更新而引入累积误差, 本文采用每5帧判断一次的方法, 并在更新时保留首帧信息以减少模型漂移.实验测试结果表明DLJSM方法在目标表观发生巨大变化的情况下仍然能够稳定准确地跟踪目标, 与当前最流行的13种跟踪方法的对比结果验证了DLJSM方法的高效性.     

基于数字化光顺性指标的NURBS曲线自适应光顺

目前曲线曲面光顺算法大都基于手工操作,自动化程度低,难以对曲线曲面进行自适应光顺.针对此问题,文中给出一种数字化光顺性指标SValue的定义,基于此定义,提出了一个对NURBS曲线自适应的光顺算法.该算法通过对曲线小波分解,得到其尺度部分和细节部分.然后压缩细节部分得到光顺后的曲线,通过计算SValue来评定曲线的光顺...     

一种基于拟合二阶导数曲线的光顺算法

论文针对目前曲线光顺算法存在的问题,提出在小挠度情况下的利用曲线二阶导数平滑程度来判断曲线光顺性的准则,并在此基础上提出了一种采用最小二乘法来拟合曲线型值点列的二阶差商曲线,然后通过两次积分来反求出光顺曲线思想的曲线光顺算法,并给出了实际的算例来说明该算法的优越性。文中讨论了该方法的误差上界,从而能有效地控制算法在进行光顺时对曲线型值点的移动范围。     

基于L1图的联合稀疏鲁棒判别回归

常用的回归模型因基于L_2范数而对异常数据较为敏感,且算法得到的投影数量受到样本类别数的限制。为解决这些问题,提出了一种基于L_1图的联合稀疏鲁棒判别回归模型。基于稀疏表示构造L_1图,这样可自适应地寻找数据的近邻,并保留数据的局部几何结构;模型利用L_(2,1)范数表示损失函数并将L_1图融入其中以增强算法的鲁棒性,而L_(2,1)范数惩罚项能保证联合稀疏性和有效特征提取的鲁棒性;最后采用交替迭代方法去求解该模型。在含有异常值的人脸库上进行实验,说明算法在有效降维的同时能进一步提高判别能力。     

基于小波的非均匀B样条曲线自动光顺算法

为了更好地对曲线进行自动光顺,针对一般的非均匀B样条曲线,提出一种基于非均匀B样条小波的曲线光顺算法.首先将曲线分解为尺度部分和细节部分,并把细节部分再次分解为小波尺度部分和小波细节部分;然后通过自动设定阈值对小波细节部分进行修复,并通过小波重构得到新的控制顶点;最后对新的控制顶点进行迭代计算,直至达到满意的光顺效果.通过设定光顺误差限,采用该算法可以在计算机上对曲线进行自动光顺操作.实例验证表明,文中算法比其他基于小波的曲线光顺方法具有更好的光顺效果.     

C-Bezier曲线的光顺逼近算法

基于弹性均匀细梁的应力能和扰动能的光顺优化,提出了一种光顺C-Bezier曲线的新方法。该方法综合考虑曲线的应力、应力能和扰动能,建立了一种新的曲线光顺准则。在新准则下通过调整控制参数α和控制顶点使得曲线的能量最小,得到最优的光顺逼近曲线。利用最小二乘法和非线性泛函的极小值优化计算,对平面数据点进行光顺逼近,达到光顺的目的。最后,给出了由数据拟合的C-Bezier曲线光顺的实例。     

基于二阶差商波动最小的坏点挑选及曲线光顺算法

针对2维数据坏点挑选问题,以节点二阶中心差商的波动最小为基础,首先构造了表征节点Pi在提高样条曲线光顺度方面潜力大小的函数,然后给出了一种基于结点差商波动最小的坏点挑选算法。并将该算法利用一些实例与曲率极值法进行了对比分析,结果表明,该算法能有效标出坏点位置。另外,基于节点二阶中心差商波动最小的原则,还给出了一种通过将节点在允许范围内进行适当调整,以减小样条曲线二阶导函数波动的光顺处理算法。实例验证结果表明,此样条曲线光顺处理算法能够有效地控制三次样条曲线二阶导函数的波动,即能提高曲线的光顺程度。     

基于几何方法的曲率单调Bézier曲线的一个充分必要准则

曲率在曲线光顺性方面起着重要作用,针对Bézier曲线的光顺问题,给出并证明了一类具有曲率单调变化的任意次数Bézier曲线.首先基于一种有效的几何设计准则,通过缩放和旋转Bézier曲线的前一条控制边得到邻接的后一条控制边;然后依次得到所有控制边及Bézier曲线控制多边形.实验在Windows系统下采用C++语言实现,通过实例验证了该方法的有效性并给出这类曲线的几何特性.     

基于字典学习的正则化鲁棒稀疏表示肿瘤细胞图像识别

针对胃黏膜肿瘤细胞图像的高维性及复杂性的特点,为了提高稀疏表示图像识别的鲁棒性,提出了一种基于字典学习的正则化鲁棒稀疏表示（RRC）肿瘤细胞图像识别方法。该方法首先将所有的原始染色肿瘤细胞图像转化为灰度图像;然后利用具有Fisher判别约束的字典学习（FDDL）方法对肿瘤细胞图像训练样本的全局特征进行字典学习,得到具有类别标签的结构化字典;最后将具有判别性的新字典用于RRC模型进行分类识别。RRC模型是基于最大后验概率准则,将稀疏保真度表示为余项的最大后验概率函数,最终识别问题转化为求解正则化加权范数的优化逼近问题。将提出的识别方法应用于肿瘤细胞图像的最高识别率为92.4%,表明该方法能够有效地实现肿瘤细胞图像的分类。     

基于微粒群优化算法的非线性系统PWA多模型建模

针对复杂非线性系统,将微粒群优化(PSO)算法与多模型建模相结合,设计了一种基于PSO算法的非线性系统分段仿射(PWA)多模型建模算法。该算法将PWA多模型建模问题转化为混合整数二次规划（MIQP）问题,并基于PSO算法对其进行优化求解。在求解的过程中,采用分层优化求解方法,有效降低优化问题的维数,减小了陷入局部最优的概率,并通过仿真验证了该算法的有效性。     

基于高斯曲率的曲面光顺方法研究

在交互设计系统中曲率(包括高斯曲率和平均曲率)评价是分析曲线曲面质量的重要工具。对于B样条曲线的光顺算法已经比较成熟。但对于如何基于曲率（包括高斯曲率和平均曲率）的曲面光顺算法则还有许多工作要做。该文提出了一种基于最小二乘的曲面优化算法，可以得到比较好的结果。该光顺算法主要包括两个步骤：依据曲率光顺准则修改曲面的曲率和修改后的曲率基于原曲面优化反向求出新的控制顶点。     

稀疏标签传播:一种鲁棒的领域适应学习方法

稀疏表示因其所具有的鲁棒性,在模式分类领域逐渐得到关注.研究了一种基于稀疏保留模型的新颖领域适应学习方法,并提出一种鲁棒的稀疏标签传播领域适应学习(sparse label propagation domain adaptation learning,简称SLPDAL)算法.SLPDAL通过将目标领域数据进行稀疏重构,以实现源领域数据标签向目标领域平滑传播.具体来讲,SLPDAL算法分为3步:首先,基于领域间数据分布均值差最小化准则寻求一个优化的核空间,并将领域数据嵌入到该核空间;然后,在该嵌入核空间,基于l₁-范最小化准则计算各领域数据的核稀疏重构系数;最后,通过保留领域数据间核稀疏重构系数约束,实现源领域数据标签向目标领域的传播.最后,将SLPDAL算法推广到多核学习框架,提出一个SLPDAL多核学习模型.在鲁棒人脸识别、视频概念检测和文本分类等领域适应学习任务上进行比较实验,所提出的方法取得了优于或可比较的学习性能.     

基于图形处理器的点云快速光顺

点云数据光顺是点模型数字几何处理的一个重要研究内容。在海量数据规模应用中,不仅需要较高的光顺质量,而且需要有快速的处理速度。传统的基于CPU的光顺算法串行地处理每个采样点,导致巨大的时间开销。本文提出一种适应于图形处理器的点云快速光顺算法,将多个采样点处的协方差矩阵组织成一个大规模稀疏矩阵,以纹理图像的形式保存该稀疏矩阵,在像素程序中利用图形处理器强大的并行计算能力迭代求解协方差矩阵的最小特征值与特征向量,并据此计算光顺的速度和方向。实验在配有GeForce 8600GTS显卡的平台上进行。实验结果表明,基于GPU的点云光顺算法较之基于CPU的算法能够显著提高计算效率,从而为快速点云处理提供了良好的支持。     

基于混合频谱信号编码的网格纹理平滑

网格纹理平滑技术要求既能保持模型大尺度结构特征又能去除模型小尺度纹理.然而当模型小尺度纹理与噪声相差较大时,大多数网格光顺算法会将网格纹理识别为特征加以保持,而无法有效将其去除;现有的基于谱分析的网格光顺方法尽管能有效去除网格纹理,但又无法同时保持模型大尺度结构特征.为解决该问题,本文提出一种基于混合频谱信号编码的低通过滤网格纹理平滑算法.首先采用基于视觉感知的特征识别方法,准确区分模型大尺度与小尺度特征.然后,基于顶点特征尺度,采用差异性频谱信号编码的方式进行几何信息重建,最终实现在保持网格模型大尺度结构特征的同时有效去除小尺度纹理.算法解决了现有网格光顺方法在模型小尺度纹理特征与噪声有明显区别时,无法有效去除纹理的问题;并且也解决了现有基于谱分析的网格光顺方法无法在去除模型小尺度纹理的同时,又能保持模型大尺度特征的矛盾.实验结果验证了算法的有效性.     

基于Fisher判别准则的低秩矩阵恢复

标准的低秩矩阵恢复算法是把原始数据集分解成一组表征基和与此相应的稀疏误差,并以此分解对原始数据建模。受Fisher准则启发,文中提出基于带有Fisher判别准则的低秩矩阵恢复算法,在有监督学习模式下对低秩矩阵进行恢复,即当所有的标签信息都知道的情况下考虑类内散度和类间散度。文中所构造的模型可利用增广拉格朗日乘子法求解,并通过对标准的低秩矩阵模型增加判别性提高性能,利用文中算法所学习到的表征基使类内结构相关,而类间相互独立。在人脸识别问题上的仿真实验表明该算法的有效性。     

基于分层特征融合的行人分类

针对复杂环境中的行人检测问题,提出了一种有效的基于分层稀疏编码的图像表示方法。首先通过两层稀疏编码模型结合基于K-SVD的深度学习算法来获得图像的稀疏表示,对图像块及同一区域的高阶依赖关系进行了建模,形成一个有效的无监督特征学习方法;然后将得到的稀疏表示与SIFT描述符的稀疏表示进行特征融合,得到了更加全面、更加可判别的图像表示;最后结合SVM分类器应用于行人分类任务。实验结果表明,该行人分类方法对比同类方法在性能上有明显改善。     

基于潜在语义分析的场景分类优化决策方法

针对传统pLSA模型中语义建模和参数求解不足的问题,提出一种基于先验信息的pLSA场景分类方法.首先对概率模型中的参数矩阵增加同类场景数据的低秩性及单幅图像相对语义主题的稀疏性约束,建立基于先验信息的优化决策模型;然后采用非精确增广拉格朗日乘子法给出模型参数求解算法;最后将基于潜在语义分析的场景分类方法应用到较大规模的场景分类任务中.与其他基于pLSA模型的分类算法进行比较的实验结果表明,文中方法便于产生低维空间中紧致有效的场景语义表示,避免了EM算法收敛性欠佳引起的局部最优问题,具有更好的场景分类性能.