无参数局部保持投影及人脸识别

局部保持投影(LPP)通过构造近邻图来保持样本的局部结构,在构图过程中,LPP面临复杂的参数选择问题.为解决此问题,提出无参数局部保持投影(PLPP)算法.首先设计一种无参数的构图方法,能够动态地获取样本的近邻点并配置相应的边权.其次,利用该构图方法,PLPP通过寻求最佳投影矩阵,用于保持样本在低维空间的局部结构.由于PLPP在构图过程中并未设置任何参数且采用余弦距离设置边权,因此PLPP计算更加方便快捷且对离群样本更具鲁棒性.另外,为进一步提升PLPP的识别性能,在PLPP的基础上通过加入样本的类别信息,提出监督的无参数局部保持投影算法(SPLPP).最后,在ORL、FERET及AR人脸库上的实验验证了PLPP与SPLPP的有效性.     

面向推荐系统的音乐特征抽取

音乐推荐系统是指根据用户的历史浏览数据,从候选库中推荐给用户可能喜欢的音乐的一种新型网络服务。该系统的关键在于需要对整个数据库按照音乐风格进行分类,基于此提出一种新的音乐特征处理方法来完成音乐库分类,以有效实现音乐推荐。该方法首先为候选音乐库构建常规的音乐特征数据集,然后基于分形理论对数据集进行属性约简,获取每一首音乐的推荐特征向量,并且依据特征向量的特点,定义了一种新的距离度量方法。在包含六种风格的音乐数据库的实验中,仿真结果证明了提出的音乐推荐特征和距离度量的有效性,与现有的基于内容的音乐检索研究相比,音乐推荐特征的使用极大地降低了对数据库存储量的需求,对音乐推荐系统的网络开发具有很好的应用价值。     

多彩色空间相关分析的人脸识别算法

人脸识别是当前人工智能和模式识别的研究热点,得到了广泛的关注。基 于对不同色彩空间数据的分析,论文提出了多彩色空间典型相关分析的人脸识别方法。文中 对2 维的Contourlet 变换特性进行了分析和讨论,利用Contourlet 的多尺度,方向性和各向 异性等特点,提出了一种基于Contourlet 变换的彩色人脸识别算法。算法对原图进行 Contourlet 分解,对分解得到的低频和高频图像进行cca 分析。典型相关分析是一种有效的 分析方法,其实际应用十分广泛。低频系数反映图像的轮廓信息,高频系数反映图像的细节 信息,使用cca 充分利用不同频率的信息,使不同色彩空间的不同分辨率图形的相关性达到 最大,得到投影系数,最后,采用决策级最近邻分类器完成人脸识别。在对彩色人脸数据库 AR 的识别实验中,该算法识别率达到98%以上,与传统算法相比,该算法不仅既有良好的 识别结果,而且具有很快的运算速度。     

利用自适应窗口实现不连续保护立体匹配

摘 要：针对计算机视觉中图像对应点的误匹配问题,提出了一种以扫描线优化为能量最小化框架,以最佳自适应窗口为匹配基元的立体匹配算法。该算法首先采用一种融合亮度和梯度信息的非相似度,然后通过平均匹配误差、匹配误差方差及较大窗口的偏移组成的窗口代价函数选取每个视差的最佳窗口作为匹配基元,并利用扫描线优化法及视差变化伴随亮度变化的约束寻找一条最优的匹配路径,最后通过回溯最佳路径得到稠密的视差图。实验结果表明,所提算法不仅能够保留基于自适应窗口的匹配算法能较好地处理大的低纹理区域和视差不连续区域的优点,而且可以加强相邻匹配基元间的视差连续性,从而获得更平滑、准确的视差图,另外所提算法的计算量比原有算法缩短了约3/ 4 。     

B双空间几何中基于消隐点的摄像机标定

对比目前常见的CCD摄像机标定技术,采用了一种基于消隐点的摄像机标定方法。该方法基于射影几何中的B双空间几何概念,在充分利用二维棋盘格标定图像中点、线和面固有的几何关系与属性的基础上,通过改进的角点提取与计算,首先针对摄像机内参数中的横向焦距与纵向焦距进行计算,然后结合非线性优化方法对参数进行优化计算,从而求解出待标定摄像机的全部内参数。该标定方法具有操作过程简单和实验误差小的特点。     

GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种全局最优搜寻方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

基于混合式注意力机制的语音识别研究

为了解决语音识别中基于卷积位置信息的混合式注意力机制无法提取长期有效位置信息的问题,提出了一种捕捉长期有效位置信息的新型混合式注意力机制。首先,对当前时刻生成的注意力得分作卷积来提取多通道特征图,并通过全局平均池化来得到恒定维度的特征向量;接着,引入长短期记忆网络（long short-term memory,LSTM）单元作为外部记忆模块,并以生成的特征向量作为输入,生成下一时刻的位置信息向量;最后,结合经典的LAS（listen,attend and spell）模型来验证提出方案的有效性。实验结果表明,该方案能充分考虑过去多个时刻的注意力得分。相对于基于卷积位置信息的LAS模型,该方案在纯净和含噪语音数据集上取得的标签错误率分别减少了1.8%和2.21%。     

利用Anycast技术实现无线传感器网络的路由协议*

提出了一种基于Anycast技术的无线传感器路由协议。此协议采用Anycast树作为路由方案,具有简单性、可扩展性以及健壮性等特点,并对此协议进行了详细分析和讨论。在网络仿真环境下实现了此协议,并且分析比较了此协议与现有协议AODV和DSR的性能。实验数据表明此协议比现有协议具有更好的性能,充分证明了此协议的有效性和正确性。     

UGV协同系统研究进展*

无人地面车辆（UGV）在工业自动化、星球探索、灾后救援、智能交通以及军事作战等多任务领域都具有广阔的应用前景。UGV协同系统通过嵌入组织架构、合作策略、交互机制等协同内容,可以达到拓展环境感知范围、提高复杂环境理解适应能力和增强复杂任务工作效能的目的,受到了国内外广泛的关注。从UGV单体/群体体系结构、多重任务协同分配方法以及协同定位、编队、覆盖/探索等几个方面对目前国内外UGV协同工作关键技术进行了总结,给出了一个UGV协同系统的应用实例,并指出了系统发展趋势。     

融合颜色属性和空间信息的显著性物体检测

摘 要：目的：提出了一种基于颜色属性和空间信息的显著性物体检测算法,并将其用于交通标志的检测。方法：首先,训练颜色属性得到颜色-像素值分布,据此将图像划分为不同的颜色聚簇,每个聚簇的显著性取决于其空间紧致性。其次,将每个聚簇分割为多个区域,用颜色属性描述子表示每个区域,计算区域的全局对比度。最后,同时考虑区域对比度和相应聚簇的空间紧致性,得到最终的显著图。在此基础上,将交通标志的先验知识转换为自上而下的显著性图,形成任务驱动的显著性模型,对交通标志进行检测。结果：在公开数据集上的测试结果表明,该算法取得最高92%的查准率,优于其它流行的显著性算法。在交通标志数据集上的检测取得了90.7%的正确率。结论：本文提出了一种新的显著性检测算法,同时考虑了区域的颜色和空间信息,在公开数据集上取得了较高的查准率和查全率。在对交通标志的检测中也取得了较好的结果。