结合GLCM与三阶张量建模的在线目标跟踪

为提高目标跟踪算法对多种目标表观变化场景的自适应能力和跟踪精度,论文提出一种结合灰度共生(GLCM)与三阶张量建模的目标优化跟踪算法。该算法首先提取目标区域的灰度信息,通过GLCM的高区分度特征对目标进行二元超分描述,并结合三阶张量理论融合目标区域的多视图信息,建立起目标的三阶张量表观模型。然后利用线性空间理论对表观模型进行双线性展开,通过在线模型特征值描述与双线性空间的增量特征更新,明显降低模型更新时的运算量。跟踪环节,建立二级联合跟踪机制,结合当前时刻信息通过在线权重估计构建动态观测模型,以真实目标视图为基准建立静态观测模型对跟踪估计动态调整,以避免误差累积出现跟踪漂移,最终实现对目标的稳定跟踪。通过与典型算法进行多场景试验对比,表明该算法能够有效应对多种复杂场景下的运动目标跟踪,平均跟踪误差均小于9像素。     

可控核函数的双边滤波算法

为了在滤波时保留更多的图像边缘特征,同时避免现有双边滤波需要人工预设滤波参数的不足,提出了一种参数局部自适应取值的可控核双边滤波算法。构建了适合结构张量和目标尺度描述的可控核函数,并通过结构张量控制可控核函数的方向角和长短轴比例。由目标尺度计算可控核函数的短轴尺度,解决了可控核函数的参数取值问题。使可控核函数投影在图像平滑区域为大尺度圆形,在图像边缘区域为沿边缘方向的细长椭圆形,在角点区域为小尺度圆形。仿真试验结果表明:自适应参数取值的可控核双边滤波在有效滤除噪声的同时能够保留更多的边缘特征,无论是主观评价还是客观评价,本文算法都优于传统双边滤波、对数核函数双边滤波以及改进的双边滤波算法。     

Interaction of magnetic spheres in magnetic fields from the view of magnetic energy density: A 3D finite element analysis(FEA)OA

Magnetic interaction between magnetic particles is of great significance in the fields of magnetic separation and functional materials. A good understanding of interaction mechanism of magnetic particles would further boost its promising industrial applications. We hereby present our work which visualizes the movement behavior of magnetic spheres in magnetic fields employing high-speed imaging and simulates the dynamic behavior of spheres using an Arbitrary Lagrangian-Eulerian(ALE) based on fini...     

基于阈值的脑白质纤维概率跟踪算法

概率跟踪算法仅对行走概率最大的方向进行跟踪,忽略了纤维走向概率较大的方向,且运算速度较慢。为此,提出一种基于阈值的快速概率跟踪算法。设定纤维走向的概率阈值,以找到更多交叉和分叉的纤维,在不影响纤维跟踪效果的情况下,对计算参数进行简化,从而提高运算速度。实验结果表明,与概率跟踪算法相比,该算法能更好地反映脑白质内神经纤维的分布情况,且缩短运算时间。     

基于稀疏张量判别分析的人体行为识别

在模式识别中,如何在提取关键特征的同时对样本进行降维与识别是研究的热点之一。在局部Fisher判别分析（LFDA）的基础上,结合张量表示和稀疏分析,本文提出一种基于稀疏张量的特征提取方法：稀疏张量局部Fisher判别分析（STLFDA）。该方法把张量局部Fisher判别分析（TLFDA）算法中特征分解问题转化为线性回归问题,并用弹性网络解决线性回归中的特征选择问题,既满足了张量局部Fisher判别分析的目标,又保证了得到的投影矩阵的稀疏性。通过在Weizmann人体行为数据库上的实验,表明了稀疏张量局部Fisher判别分析（STLFDA）算法的有效性。     

基于张量分解融合RGB-D图像的物体识别

为了充分利用RGB-D图像的深度图像信息，提出了基于张量分解的物体识别方法。首先将RGB-D图像构造成一个四阶张量，然后将该四阶张量分解为一个核心张量和四个因子矩阵，再利用相应的因子矩阵将原张量进行投影，获得融合后的RGB-D数据，最后输入到卷积神经网络中进行识别。RGB-D数据集中三组相似物体的识别结果表明，利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率，并且单一错分实例的准确率最高可提升99%。     

基于张量的半监督判别分析算法

边界Fisher判别分析算法因采用一维向量表示而无法很好保持图像的空间几何结构,且无法利用大量未标记样本信息.为此,提出一种基于张量的半监督判别分析算法.采用二维张量表示人脸空间中的样本图像,揭示流形的内在几何结构,利用有判别信息的标记样本和大量未标记样本,使数据在投影空间的类间分离度最大,同时保证高维空间中不相邻的点在低维空间中也不相邻.在PIE和FERET人脸库上的实验结果表明,该算法能够获得较高的识别率.     

分块矩阵的张量积及其并行计算

矩阵张量积的计算是矩阵计算中的一类重要问题,与乘法相比,张量积的计算量更为庞大.分析了分块矩阵张量积的相关数学特性,证明了在置换相抵意义下两个矩阵的张量积运算可以交换,特别刻画了这类置换矩阵,并由此证明了在置换相抵条件下分块矩阵可以分块地进行张量积运算.在此基础上,讨论了矩阵张量积的并行计算问题,提出了几种并行计算模型,进行了必要的算法分析,并通过实例阐述了这些算法的思想和过程.     

面向运动分割优化的变分光流计算方法研究

面向运动分割的需求,围绕变分光流计算中的运动边缘保留问题,对反应-扩散式光流计算模型中的扩散张量设计与改进方法进行系统深入研究。 在分析已有设计方法的基础上,提出了一种融合图像和流场信息驱动的扩散张量设计方法,并利用该扩散张量建立光流计算模型,然后在多尺度计算框架下给出了相应的偏微分方程数值计算方法。 理论分析与对比实验结果表明,这种设计方法能有效克服现有方法提取运动边缘不精确的缺点,更准确地刻画出运动边缘,提高光流的计算精度。