基于改进光流场模型的大脑图像配准

将光流场模型引入大脑图像配准,针对Horn模型会造成图像严重模糊的问题,在微分光流场模型的一般框架下,构造具有边缘保持和一致性增强能力的流驱动各向异性扩散方程作为正则项,以增强配准过程的特征保持能力;采用非二次惩罚函数作为数据项,以增强模型的鲁棒性.最后利用文中模型对大脑图像进行配准实验,得到了较为准确的结果.     

面向局部线性回归分类器的判别分析方法

局部线性回归分类器（locality-regularized linear regression classification,LLRC）在人脸识别上表现出了高识别率以及高效性的特点,然而原始特征空间并不能保证LLRC的效率。为了提高LLRC的性能,提出了一种与LLRC相联系的新的降维方法,即面向局部线性回归分类器的判别分析方法（locality-regularized linear regression classification based discriminant analysis,LLRC-DA）。LLRC-DA根据LLRC的决策准则设计目标函数,通过最大化类间局部重构误差并最小化类内局部重构误差来寻找最优的特征子空间。此外,LLRC-DA通过对投影矩阵添加正交约束来消除冗余信息。为了有效地求解投影矩阵,利用优化变量之间的关系,提出了一种新的迹比优化算法。因此LLRC-DA非常适用于LLRC。在FERET和ORL人脸库上进行了实验,实验结果表明LLRC-DA比现有方法更具有优越性。     

基于证据理论的多分类器融合方法研究

证据理论是建立在独立性假设基础上,理论和实际应用都需要突破这一限制。最近提出的一种相关证据模型认为,两个相关证据由一个相关源证据分别与两个独立源证据通过正交和合成得到,相关证据的合成可以归结为这三源证据的正交和,为此首先要由相关证据和相关源证据辩识独立源证据,这是证据理论中的反问题,其解是否有意义取决于相关源证据是否合适。该文给出一个充分条件,如果相关源证据满足此条件,反问题有唯一有意义的解,在此指导下,研究了字符识别中的多分类器融合问题,实验结果表明,识别性能优于传统证据理论方法。     

一种基于纹理域神经网络的彩色卫星图像分析方法

描述了一种利用纹理域神经网络,通过监督的学习方法来调整和权重,将预处理后成的彩色卫星图像中的纹理信息块进行分类,从而达到在彩色卫星图像中将有用的色彩块分析出来的目的,给出了纹理域的预处理过程,阐述了对原彩色图像进行颜色映射和量化的目标和方法;讨论了纹理域神经网络的构造方法及算法;最后给出了用以上方法对彩色卫星图像进行分类的实验结果,实验证明该方法对彩色卫星图像有较好的分类作用。     

结合视觉感知特性的梯度域图像增强方法

常见的图像对比度增强方法在压缩图像整体动态范围的同时可有效地增强图像较暗处的细节,但图像中原较亮部分的细节往往得不到增强,甚至被削弱.针对人类视觉感知的特性提出了相对梯度的概念,首先在梯度域对图像原较亮处的梯度进行更大的拉伸,然后在最小二乘意义下重建出增强后的结果图像.通过将RGB图像变换到HSV彩色空间,将增强方法推广到彩色图像的处理中.实验结果表明,采用文中方法可有效地压缩图像的整体动态范围,同时原图像中较暗和较亮处的细节都得到了有效增强或保持.     

快速Retinex彩色图像增强

提出了一种快速Retinex彩色图像增强方法,模拟了人类视觉系统全局和局部自适应性。首先对图像的亮度范围做全局调整;然后在光照估计步骤中对亮度进行Mean Shift滤波,用于其后光照影响的消除;最后对增强结果进行颜色恢复并进行了后处理。实验结果表明,方法能够有效压缩图像的动态范围,克服光照不均的影响,有效去除了光晕现象,且方法的颜色保持性较同类方法更好。使用了Mean Shift加速算法,方法运行速度快于此前提出的方法。     

一种神经模糊系统模型

本文提出一种神经模糊系统模型,其中模糊规则前件用π隶属函数(形状类似于三角形隶属函数,但具有平滑性)表达,给出了类似于BP的参数学习算法.对于平滑函数近似问题的仿真结果表明,与模糊规则前件使用三角形隶属函数的神经模糊系统模型相比,本文提出的模型具有学习过程更加稳定平滑和逼近误差小的优点.对这两种模型性能上的差异做了定性解释.     

模板化的人体运动合成

为解决现有运动合成方法中控制方式过于复杂的问题,提出一种模板化的运动合成模型,旨在降低运动合成技术的应用门槛.利用稀疏主成分分析(Sparse principal component analysis, SPCA)、Group lasso和Exclusive group lasso对人体运动进行建模,使其对应的每一个低维参数只依赖于少数几个人体关节,构成人体运动的一个内在自由度(Degree of freedom, DOF),并具有直观语义;同时,每个关节被尽量少的低维参数所控制,以减少低维参数对彼此所控制的自由度的交叉影响.实验表明,通过直观地修改低维参数,就能够实时地控制每个参数对应的摆臂幅度、踢腿高度、跳跃距离等运动属性.这种模板学习、模板定制的两步方法,有效地降低了运动合成控制的复杂度,即便非专业人员也可以用其进行艺术创作.     

一种有效的指纹奇异点提取方法

在指纹方向场分割的基础上提出了一种称之为方向丰富度的特征,并据此形成了一种有效的指纹奇异点提取方法。该方法首先将指纹方向场分割为一系列互不重叠的同质区域;然后通过同质区域边缘检测及边缘端点提取实现了奇异点快速定位;最后依据已定位点的poincare index值确定奇异点类型。与目前占据绝对主流的poincare index方法在FVC2002指纹库上的对比实验表明:在准确性方面,两者各有优、缺点,该文方法的误检率明显低于后者,漏检率略高于后者;在简单实用性方面,该文算法的平均提取速度是后者的14.2倍,具有明显优势。     

基于逆运动学和重构式ICA的人体运动风格分析与合成

使用独立成分分析（Independent component analysis,ICA）来建模运动风格、合成风格化的人体运动,是一种有效且有前景的手段.为了避免现有方法在设定独立成分个数或子空间结构时的人为影响,并提高风格成分的质量,提出一种基于重构式独立成分分析的运动风格分析方法.由于放弃了混合矩阵的正交性约束,一方面,拥有了更多的自由度来表示各独立成分;另一方面,利用特征的过完备性以及自身在特征选择时的稀疏特性,能够自动地确立独立成分数目.此外,通过结合基于主测地线分析的逆运动学与运动过渡技术,该方法能够合成包含多种风格、任意长度的行走运动,同时还能通过编辑特定帧的人体姿势来约束合成的结果.实验结果表明,该方法能够有效地分析出行走、跳跃和踢腿等运动中代表风格的独立成分,并根据用户对风格的编辑,实时地生成自然、平滑的运动.