两传感器广义系统信息融合Kalman滤波器

基于矩阵理论和时域上的Kalman滤波理论,针对两传感器广义离散随机线性系统进行研究,运用矩阵约当分解,将一类广义系统化为正常系统,并利用标量加权准则下的最优信息融合Kalman滤波理论,给出一类两传感器广义系统Kalman信息融合滤波器,同单传感器情形相比,可大大提高滤波精度,具有实际应用价值。     

基于决策融合的图像自动标注方法

结合多媒体描述接口（MPEG-7）和MM（Mixture Model）混合模型,实现了基于决策融合的图像自动标注。在图像标注过程中,分别利用颜色描述子和纹理描述子为每个主题下的图像建立MM混合模型,实现低层视觉特征到高层语义空间的映射,利用局部决策融合方式融合在颜色和纹理MM混合模型下的标注结果,实现图像自动标注。通过在corel图像数据集上的实验,表明提出的局部决策融合方式能更充分利用图像的颜色和纹理信息,提高了图像标注性能。     

安全指纹识别系统的研究与设计

针对常见的指纹特征提取存在问题以及原始指纹特征的安全问题,进行了安全指纹识别系统的研究与设计。提取了指纹图像感兴趣区域的Frobenius范数特征,借助随机矩阵对范数特征进行映射以增大类间差;并基于映射结果采用阈值化方法生成了作为特征模板的描述子,并将其扩展成为具有安全性和鲁棒性的伪描述子存于系统数据库;对伪描述子采用恢复算法与特征模板进行匹配并给出识别方法。该识别系统中的描述子和伪描述子,都不能通过逆变换获得合法用户的原始指纹特征。FVC2002数据库的实验表明:该识别系统安全、可行、有效,并获得了满意的等错率(0.0219)。     

基于特征描述子的匹配方法

利用一种效率和匹配率均较高且存储空间小的基于特征描述子的指纹识别算法,实现了指纹匹配且可应用到嵌入式系统。由于自动指纹识别系统一般在嵌入式系统上实现,对算法的复杂度、运算速度、存储空间需要等均有较高要求,因此选用普遍使用的基于细节特征的匹配算法。该算法运算速度快,一幅300×300像素的指纹图像,仅需几十个特征向量。实验证明,算法克服了点匹配计算量大、速度慢和参考点确定难等缺点,且对图像的旋转和平移具有较好的鲁棒性。可以使基于特征描述子的随机局部区域描述子特征的匹配性能进一步提高。     

一种新的几何特征形状描述子

通过对平移旋转和伸缩变换下的不变量进行研究,证明了形状的长轴端点和重心是该变换下的不变量,提出了长轴两端点与重心所成的夹角这一几何特征的形状描述子,该形状描述子具有平移旋转和伸缩变换不变性,理论分析和实验结果表明该描述子简单高效,具有较好的形状匹配结果。     

改进SIFT特征在图像匹配中的应用

对SIFT算法进行研究,针对SIFT特征描述符的高维数和高复杂度问题,进行了改进。通过对大量的不同类型的图像进行特征匹配实验,实验结果表明,当图像存在不同程度的几何变形、辐射畸变和噪声影响时,改进后的算法更稳定、更快速。     

基于RGB-D图像核描述子的物体识别方法

针对传统的颜色-深度（RGB-D）图像物体识别的方法所存在的图像特征学习不全面、特征编码鲁棒性不够等问题,提出了基于核描述子局部约束线性编码（KD-LLC）的RGB-D图像物体识别方法。首先,在图像块间匹配核函数基础上,应用核主成分分析法提取RGB-D图像的3D形状、尺寸、边缘、颜色等多个互补性核描述子;然后,分别对它们进行LLC编码及空间池化处理以形成相应的图像编码向量;最后,把这些图像编码向量融合成具有鲁棒性、区分性的图像表示。基于RGB-D数据集的仿真实验结果表明,作为一种基于人工设计特征的RGB-D图像物体识别方法,由于所提算法综合利用深度图像和RGB图像的多方面特征,而且对传统深度核描述子的采样点选取和紧凑基向量的计算这两方面进行了改进,使得物体类别识别率达到86.8%,实体识别率达到92.7%,比其他同类方法具有更高的识别准确率。     

基于模板的关联规则挖掘算法

借用粗糙集理论中α-约简的概念,提出了一种新的基于模板的启发式关联规则挖掘算法.在已获得模板T和原信息表的基础上创建一张新的决策表,先将组成模板的描述子的知识量作为启发函数,知识量大的描述子优先成为候选α-约简集中的元素,再对候选α-约简集中的元素进行计数,从而选择满足阈值的约筒集作为最终的近似最短α-约简,即通过启发式算法求描述子集的近似最短α-约简来获取近似最优强关联规则,并以示例验证了该算法.