基于思维进化的机器学习的遮挡人脸识别

针对遮挡人脸的识别问题,提出了基于思维进化的机器学习(MEBML)与局部特征结合的方法。首先提出了LBP偏移特征组的提取方法,定义一种新的特征对比规则,根据遮挡人脸图像与无遮挡人脸图像的局部特征进行对比,记录对比相似度作为局部区域的得分。然后对所有局部区域进行趋同过程和异化过程的演化,得到无遮挡区域及遮挡物体区域。当无遮挡区域满足一定比例且分布集中时,应用该区域特征完成遮挡人脸条件下的人脸识别。实验结果表明:新方法的遮挡人脸识别准确率在92%以上,并具有较低的误识率。     

中国近海富油凹陷湖相优质烃源岩发育机制

富油凹陷是大型油气田形成的资源基础,控制或影响着大中型油气田(藏)的形成和富集分布,而优质烃源岩是形成富油凹陷的物质基础,探讨中国近海富油凹陷优质烃源岩发育机制与成因对潜在富油凹陷的遴选意义重大。中国近海已证实的富油凹陷湖相优质烃源岩的发育与分布受控于强断陷、适度遮挡、富营养和热事件4个主要因素。“强断陷”作用可形成深凹陷,为烃源岩的发育提供足够的可容纳空间,同时形成半深湖—深湖还原环境,有利于有机质的富集与保存。烃源岩沉积期,物源搬运路径上的“沉砂池”等对粗碎屑进行“适度遮挡”,可控制粗碎屑向凹陷的输入量,使凹陷区特别是深洼区主要发育细粒沉积物形成泥质烃源岩。凹陷及其周缘的深部热液活动、火山灰、流经花岗岩物源区的河流等向凹陷输入丰富的营养物质,导致湖盆水体“富营养”,可促进藻类勃发并提供大量沉积有机质,同时形成缺氧环境,有利于优质烃源岩发育。断裂活动和岩浆活动等晚期“热事件”加速了烃源岩热演化,扩大了有效烃源岩的分布范围,有利于烃源岩规模性生油。     

改进乌鸦算法的光伏阵列MPPT研究

在局部遮阴或光照不均匀的情况下,光伏阵列的功率-电压(P-U)特性曲线会出现多个极值点.传统智能优化算法普遍存在收敛速度慢、精度低和易陷入局部最优等缺陷.为解决该问题,提出改进乌鸦算法(ICSA)的MPPT控制方法.在种群初始化上,引入基于反向学习的Tent混沌初始化策略,增加种群多样性,帮助跳出局部最优;在算法位置跟踪上,引入异花授粉策略与共享机制相结合更新乌鸦位置,提高算法收敛速度和精度.通过建模仿真,证明了改进乌鸦算法在复杂环境条件下跳出局部最优能力更强、具有更快的追踪速度和更高的精度.     

一种基于纹理算子的图像阴影自动检测方法

阴影在自然图像中是普遍存在的,阴影的自动检测一直是计算机视觉领域的一个重要研究方向。提出一种基于纹理算子的图像阴影检测方法。该方法首先对阴影图像进行分割得到图像的不同区域,然后求出每个区域的纹理算子并根据纹理算子的相似性进行聚类,对得到的聚类结果再根据明亮值差异进行合并得到粗糙的阴影检测结果,最后运用闭合式准则进一步改善阴影检测效果。实验结果表明,该方法无需人工交互就可以有效地实现图像阴影的自动检测。     

虚拟窗口阴影去除算法的车流量检测研究

针对城市道路交通流量检测中的实时性和准确性的要求,在背景差分的基础上提出了一种改进的基于虚拟窗口检测的方法。通过获取前景目标尽量少的帧图像,快速建立虚拟窗口的初始背景模型,并实时更新背景;将Sobel边缘检测算法引入前景目标检测,从而快速检测出前景目标变化的完整区域,提高检测的准确率;再使用基于HSV色彩空间直方图势函数去除阴影算法,进一步去除前景目标中的阴影区域,有效地保留了真实的运动目标区域;最后统计交通车流量,可结合其他信息(如红绿灯状态)做出该路段相应的交通流状况判断。通过实验结果证明,所提出的检测算法可有效应用于视频交通车流量检测中。     

基于异值区域消除的遮挡人脸识别

针对存在部分遮挡的人脸的识别问题,提出了一种改进的基于异值区域消除的人脸识别方法。首先,由训练人脸图像得到平均脸图像,并将测试图像与平均脸图像作差值运算得到误差人脸图像;然后,对误差人脸图像进行分割得到测试人脸图像存在的遮挡区域,并将测试图像和训练图像的相应区域予以去除以形成新的测试图像和训练图像;最后,采用线性回归分类或稀疏编码分类方法实现人脸识别。与同类方法比较,本方法计算相对简单,展现了较好的识别性能提升。基于Yale B和AR标准人脸数据库的仿真测试结果验证了本方法的有效性。     

基于YCbCr颜色空间的叶片阴影检测与去除

自然环境下获得的植物叶片图像往往由于阴影的存在而严重影响植物叶面特征的提取,为了解决这个问题,提出了一种基于YCbCr颜色空间的阴影的检测与去除方法.首先在YCbCr颜色空间中计算Y通道强度,采用阈值法检测阴影区域.然后在YCbCr颜色空间下根据光照模型对阴影区每个像素进行光照恢复.最后转化到RGB颜色空间下.相对于直接在RGB空间进行的阴影去除,该方法减弱阴影区的边缘效应,使得去除阴影后的区域与非阴影区的颜色更加一致,恢复图像看上去更加自然.     

基于局部复杂度的环境遮挡

为了提高基于屏幕空间的环境遮挡算法(SSAO)的渲染速度,利用局部复杂度的帧间连续性,提出一种SSAO加速算法.首先为每个像素定义局部复杂度,其中局部复杂度相似的像素会有近似的环境遮挡(AO)值;在此基础上,利用帧间相关性,对于当前帧的像素p,若能在前几帧中找到与它有近似局部复杂度的某个像素,则可以直接复用前面帧的像素的AO值而无需重新计算;最后针对AO复用过程中产生的累积误差提出一种避免误差的方法.实验结果表明,在不影响效果的情况下,该算法可以将SSAO的渲染速度提高10%~40%.     

结合阴影抑制的混合高斯模型改进算法

混合高斯模型背景法作为运动目标检测的一种经典方法,已经广泛应用于智能视频监控系统中。但是,传统的混合高斯模型背景法容易将阴影误检测为运动目标的一部分。因此,针对该方法在区分阴影和运动目标方面的不足,提出了一种将混合高斯模型背景法和HSV空间阴影抑制相结合的运动目标检测算法。这种改进算法首先将颜色空间转换到HSV空间,初步提取运动目标,然后再利用阴影的灰度值比背景中的灰度值小,而前景的灰度值比背景中灰度值大的特性,检测出运动目标中的阴影。实验结果表明,这种改进的算法明显提高了检测效果,有效抑制了阴影对运动目标检测的干扰,算法实时性也较好。     

相似遮挡区域碎片重构的鲁棒人脸识别算法

基于压缩感知技术,提出了一种面向遮挡的人脸识别算法。首先,将图像分成各个局部小块,并构建相似遮挡区域;然后,重构图像碎片,从而检测遮挡区域;最后,利用非遮挡区域获取遮挡截面,投票机制完成人脸识别。实验结果显示,其算法在AR和LFW人脸库上的最高识别率分别可高达99.8%和83.8%,优于其他几种遮挡人脸识别算法,此外,该算法对不同遮挡级别的人脸具有较好的鲁棒性。