一种基于量子染色体变异的移动机器人路径规划融合算法

为了解决机器人路径规划中的“局部最小”问题,提出了一种基于量子染色体变异的人工势场法和栅格法相融合的移动机器人路径规划算法.首先,对人工势场的斥力场进行改进,然后利用融合的人工势场法和栅格法对路径进行规划,产生初始化种群,最后利用量子比特对染色体编码、利用量子染色体变异对种群个体进行更新,完成最佳路径搜索.仿真实验表明,本文提出的融合算法能够有效地避开障碍物,稳定地产生移动机器人的最佳规划路径,提高了种群质量和收敛速度,适合于求解复杂优化问题,达到了预期效果.     

基于小波变换和去噪模型的光照不变人脸识别

针对正面光照人脸识别的难点,提出了一种应用小波变换和去噪模型的光照不变人脸识别算法。利用对图像的高频小波系数进行处理并运用去噪模型,提取光照人脸图像中的光照不变量,同时增强图像边缘特征,这有利于提取的光照不变量保持更多的人脸识别信息。在Yale B和CMU PIE人脸库上的实验结果表明,所提算法可以显著提高光照人脸图像的识别率。     

基于正交投影的分类器算法

提出了一种新颖的基于正交投影的分类器算法。该算法将测试样本正交投影到由各类训练样本生成的子空间中,并计算测试样本到各子空间的距离,以此作为分类的依据。该算法不需要计算样本协方差矩阵的逆阵,因此特别适合于小样本问题。在ORL人脸库上的实验结果表明,该算法的模式识别率高于传统分类器方法。     

融合典型纹理特征的粒子滤波目标跟踪方法

针对图像目标跟踪中,跟踪窗口易受噪声扰动所产生的跟踪不稳定问题。创造性地结合多种典型纹理特征和粒子滤波算法,将其应用于实时跟踪领域。选择3种典型的纹理特征,即灰度共生矩阵纹理特征、幅值与方向加权的梯度纹理特征、局部二进制模式纹理特征进行跟踪实验。通过对比实验,在精度与速度两方面测试纹理特征作为跟踪特征的实际效果。作为跟踪中特征的选择,实验结果说明灰度共生矩阵纹理信息在抗扰动与实时处理方面表现出良好的属性特征。     

基于相位一致性变换的红外图像区域匹配算法研究

由于红外图像具有高噪声、低分辨率的特点,这使得在红外图像中使用基于区域的匹配方法很难取得较好的视差图.在分析了经相位一致性变换后图像的特征后,提出了一种基于区域的匹配方法.即先对图像进行相位一致性变换,再利用变换后图像进行区域匹配.试验结果表明,相位一致性变换后的新图像,噪声得到了较好的抑制,特征更加明显.对变换后的图像采用区域匹配的方法,可以得到较好的匹配效果.     

基于神经网络的人脸特征提取及识别

该文使用神经网络技术对人脸的特征提取及识别做了研究。在降低图像解析度的基础上使用神经网络来进行特征压缩,可以有效地降低特征维数。使用神经网络分类器对压缩后的特征进行分类,分类结果以隶属度来表征待识别人脸属于各类别的可能性。实验结果证明了该方法的有效性。     

并行模糊系统的预测和辨识收敛性

自1965年L.A.Zadeh提出模糊集理论以来,模糊理论已经在非线性系统辨识、函数逼近、模式识别、机器学习等领域得到了极广泛的应用。由于人的推理在本质上是模糊的,因此使用模糊理论处理实际问题时更符合人的处理过程,这就极大地提高了人类解决问题的能力。在模糊理论的应用当中,非线性系统辨识是最重要的方向之一。一般说来,模糊系统可以以两种方式用于非线性系统辨识:串并行方式和并行方式(见图1,图2)。其中TDL表示时间延迟逻辑,RS表示待辨识的实际系统,FS表示模糊系统。图1称为串并行方式,图2称为并行方式。在大部分实际应用当中使用的是串并行方式,     

关于纯追踪模型的讨论

ALVINN是美国CMU大学为其自主车NAVLAB设计的导航系统，其核心是多层感知识神经网络模型，纯追踪（PurePursuit,PP)模型在ALVINN中起着十分重要的作用，即为虚拟样本产生期望的转弯方向，但在PP模型主要出处Pomerleau的文章中，有关该模型的阐述不是很准确，甚至存在矛盾，一些重要的计算公式存在错误，为此该文准确地阐述了PP模型的基本思想和用法，区分了PP正问题和PP反问题，给出了正确的计算公式，计算机模拟实验验证了有关结论和计算公式的正确性。     

一种推广的K-L展开方法及其在人脸识别中的应用

本文推广了从类平均向量中提取判别信息的K-L展开方法,使其适用于小样本问题的特征抽取,并从理论上较深入地探讨了高维、奇异情况下如何降低计算量的问题,给出了一个简单而高效的算法.在ORL标准人脸库上进行测试,由本文算法抽取的特征在最小距离分类器和最近邻分类器下均达到96%的正确识别率,这一结果大大优于经典的特征脸方法和Fisheerfaces方法在该库上的识别结果.     

利用形状与空间位置特征检索二值商标图象

为了充分利用商标图象的内部信息，以提高商标图象的检索精度，提出了一种综合利用商标形状特征与共内部空间位置关系持征来检索二值商标图象的方法，由于二值商标属于人工图象，大多数二值商标都是由一些边界分明的几何形状体构成，因此可把二值商标图象看作是由一些具有显著形状特征的区域构成的集合体，对这些集合体首先利用矩特征进行形状的相似性度量，然后利用投影分类的方法匹配空间位置关系，该方法基于这一思想，既考虑了商标涔部各组成部分的形状特征，又兼顾了它们之间的空间位置关系，将整个检索过程分为初级检索与检索求精两个阶段，由于该方法保证了整体与局部的一致性，因此具有很好的检索精度，与仅仅利用图象的形状特征进行检索的实验结果相比，其检索结果更加符合人的视觉感受。