一种提高模糊人脸图片识别率的方法

介绍了一个通过人脸检测程序对模糊人脸图片进行识别的方法：先对图片修改其灰度阈值,以使Haar能够对模糊人脸信息进行快速分辨,再使用0pencv人脸检测程序对模糊人脸图片进行检测。实验结果表明,该方法能够提高对模糊人脸的识别率。     

基于模糊灰度共生矩阵与隐马尔可夫模型的断口图像识别

纹理通常由空间分布和灰度分布共同描述,灰度共生矩阵(GLCM)能兼顾二者,故广泛应用于纹理分析中。在计算GLCM时,为降低其维数,需对纹理图像进行灰度量化,这必然丢失部分图像信息。灰度量化时,由灰度值与量化区间中心值的不同距离,构造出相应的模糊隶属度函数,并定义了模糊灰度共生矩阵(FGLCM)。通过对断口图像FGLCM的14个特征统计量进行相关性分析,选择角二阶矩和熵等7个统计量作为特征参数,并验证了其有效性。最后,在4类典型断口图像的特征空间上,采用隐马尔可夫模型(HMM)进行分类识别。实践表明,FGLCM比已有的GLCM能更好地表征断口特性,且在HMM状态数为3时,断口分类的平均识别率可达98%。     

一种基于图像平均灰度值的快速图像修复算法

基于纹理合成的图像修复技术用于修复大面积破损区域,目前此类算法都存在时间复杂度高的缺点。针对纹理算法的匹配技术进行改进,提出了一种基于图像平均灰度值的快速图像匹配算法。该算法在匹配之前预先计算纹理块的平均灰度值以及分割后的纹理块的局部平均灰度值,以取代计算复杂的匹配项SSD（sum of squared differences）;匹配过程只需对平均灰度值进行快速比较,结合阈值控制筛选掉大部分候选纹理块。实验结果表明,该算法在不损害图像修复质量的同时,将纹理修复的效率提高到实时水平。同时在纹理合成和纹理修复中具有普遍的适用性。     

基于三角形和正方形的NAM灰度图像表示方法研究

非对称逆布局模型(NAM)适用于图像模式、语音模式、文本模式、视频模式的表示,是一个通用的模式表示模型。图像表示是计算机图形学、计算机视觉、机器人、图像处理和模式识别等领域里的一个重要问题。借助于三角形和正方形Packing问题的思想,本文提出了一种基于三角形和正方形的NAM灰度图像表示方法,简称NAMTS表示方法。给出了灰度图像的NAMTS表示算法,并对其存储结构和总数据量进行了详细分析。理论分析和实验结果表明:与经典的基于线性四元树的表示方法相比,基于三角形和正方形的NAM灰度图像表示方法能更有效地减少子模式数和数据存储空间,是灰度图像的一种良好的表示方法。     

基于自适应灰色模型的路面使用性能预测

在灰色理论建模的基础上,通过采用预测的最新数据替代最老数据这种方式,建立了自适应灰色模型,并将其应用于路面使用性能预测。能够克服缺少历史数据的不足,同时,与以往的预测模型相比,更加准确,更加符合路面使用性能的变化规律。通过MATLAB编程实现,使得预测更加简便易行。     

一种快速鲁棒运动估计方法

经典的相位法易受高频噪声影响,且计算量大,难以满足实时性要求。提出了基于提升小波变换和离线预建立相关归一化系数与旋转角度对应关系数据库的快速鲁棒运动估计方法。试验结果表明,该方法在保持较高估计精度的情况下,具有较快的估计时间和较好的鲁棒性。     

基于灰色模型的汽车保有量预测

根据某地区相关的统计数据,运用多元回归分析法,对该地区影响私人汽车发展的主要因素进行分析,对其保有量的发展趋势做出科学判断。然后,运用灰色系统理论,建立了该地区私人汽车保有量的预测模型GM(1,1)模型及其修正模型,找出其中的相关性和函数关系,从而对该地区私人汽车保有量进行定量的分析和预测。     

多工作模式产品配色意象的灰色评价方法

针对产品开发过程中的色彩规划问题,考虑多工作模式产品的配色特征,构建一种多工作模式产品的配色意象评价模型.基于灰色关联分析法建立产品方案色彩与意象之间的关联模型,运用灰色聚类法判断产品配色方案的意象值;将产品各工作模式下的配色意象同时作为评价属性并赋予相应的权值,进行综合评价.文中方法兼顾了多工作模式产品色彩面积的可变性和消费者主观意象的不确定性,将多工作模式产品的配色意象评价方法置于灵活、直观的框架中.最后以工程机械产品为应用实例,证明该方法较单属性评价方法更为贴近消费者的主观意象.     

灰色理论在电子鼻气体定量分析中的应用

将气体传感器阵列与灰色系统理论相结合,设计出用于气体定量分析的电子鼻。根据传感器数列得到的实验数据为基础数据建立了气体定量分析的灰色预测模型GM（1,N）,并通过该模型对气体的体积分数进行了分析。实验证明：灰色系统理论用于气体的定量分析是可行的。     

移动自组网的一种信任评估模型

针对现有信任模型的缺点和信任本身的模糊性和主观性,提出了一个基于灰色理论和神经网络的信任模型。在模型实施中使用灰色关联方法进行关键因素筛选,减小了计算量,有效地延长了移动自组网的使用寿命。利用神经网络进行信任评估,综合考虑节点本身的全局信任值,提高了信任模型的可行性和客观性,并有助于节点的行为选择。