基于内积的快速分形编码算法

在基于方差的分形编码算法基础上，提出了基于内积的快速分形编码算法，从理论上证明了该内积具有仿射变换不变性，并将其同基于方差的分形编码算法从时间复杂性上作比较。实验表明，该算法能够在保证解码图像质量的同时，使编码时间比原来减少10倍以上。     

四叉树分形编码算法研究

基于分形理论，提出了邻域四叉树算法，设置门槛值，将定义域块与值域块的误差值与门槛值比较，直到满足误差要求为止，控制图像分割子块的大小。该算法提高了恢复图像质量和压缩比。并用C^ 语言模拟其算法。     

动态窗口算法研究及其实现

简要介绍了二维几何变换和仿射变换原理，并以实现一个在屏幕上滚动放大(缩小)的矩形为例，研究了一个利用二维仿射变换生成动态窗口的算法。稍加变化，该算法还可以实现其它多种动态窗口效果。将这些效果应用于程序窗口创建和关闭过程中，可以使应用软件界面变得更加动感活泼。     

运用独立元分析的仿射运动估计算法

目前在视频流中的运动估计都是针对平移运动的，对于旋转和扭曲运动效果很差，采用Oirrak等提出的Fourier方法可实现旋转和扭曲运动估计，但当目标轮廓简单或噪声大时效果不佳．提出用独立元分析(ICA)方法对图像目标的扭曲运动进行估计，该方法对噪声具有很好鲁棒性，克服了Fourier方法对简单物体仿射参数估计效果差的局限性；同时，采用快速ICA算法计算量小，在视频处理和通信领域中有很好的应用前景．     

线性约束优化的最优路径仿射内点信赖域方法

提供最优路径仿射内点信赖域算法解具有线性等式与线性不等式约束的非线性优化问题。通过在信赖域半径内沿着最优路径搜索求得模型的迭代方向,然后结合非单调内点回代线搜索技术获得可接受的步长因子,从而产生保证目标函数值非单调下降的严格内点可行迭代序列。基于最优路径的良好性质,在合理的假设条件下,可以证明算法不仅具有整体收敛性而且保持超线性收敛速率。引入非单调技术能克服高度非线性的病态问题,加速收敛性进程。     

基于全参数的分层搜索图像配准

在图像的超分辨率复原过程中,往往需要处理数量较多的模糊形变图像,这就需要进行图像配准,而目前常见的图像配准算法在配准精度和速度上常常不能达到令人满意的程度.为了二者都能达到实际需求,本文通过对仿射变换模型和配准算法的研究,提出快速、精确的全参数分层搜索算法,并用实验进行了仿真.     

基于遗传算法的点模式匹配方法

点模式匹配是计算机视觉和模式识别领域中的一个重要问题.本文基于矩和不可约矩阵理论给出了仿射变换下的点模式匹配问题的一种新算法,并以仿射变换的匹配结果为初始代,从对极几何约束出发构造相似性度量,利用遗传算法实现了透视变换下的点模式匹配问题.理论分析和仿真实验表明这些算法是有效的.     

一种提取抖动视频中前景目标的新方法

提取视频中的前景目标信息是视频处理领域非常重要的问题,考虑到现实生活中会出现监控摄像头不可避免地会出现晃动或偏移情况,造成监控视频短暂抖动,此时背景图像灰度和纹理信息都会受到较大的影响,从而给后期进一步分析前景信息带来了巨大的困难。为了兼顾纹理特征提取和噪声抑制两方面的要求,针对抖动视频的前景提取问题,提出了一种有效的融合小波变换和在线混合高斯模型的方案。首先运用仿射变换在线逐帧校准,接着利用小波变换对图像去噪,并建立自适应模型迭代上述过程,最后利用在线混合高斯模型提取前景。实验结果表明,与同类方法相比,该算法无论针对单目标还是多目标视频均可以有效去除抖动,得到较好的前景目标提取效果,具有较高的准确性和鲁棒性。     

时空双仿射微分不变量及骨架动作识别

目的 人体骨架的动态变化对于动作识别具有重要意义。从关节轨迹的角度出发,部分对动作类别判定具有价值的关节轨迹传达了最重要的信息。在同一动作的每次尝试中,相应关节的轨迹一般具有相似的基本形状,但其具体形式会受到一定的畸变影响。基于对畸变因素的分析,将人体运动中关节轨迹的常见变换建模为时空双仿射变换。方法 首先用一个统一的表达式以内外变换的形式将时空双仿射变换进行描述。基于变换前后轨迹曲线的微分关系推导设计了双仿射微分不变量,用于描述关节轨迹的局部属性。基于微分不变量和关节坐标在数据结构上的同构特点,提出了一种通道增强方法,使用微分不变量将输入数据沿通道维度扩展后,输入神经网络进行训练与评估,用于提高神经网络的泛化能力。结果 实验在两个大型动作识别数据集NTU（Nanyang Technological University）RGB+D（NTU 60）和NTU RGB+D 120（NTU 120）上与若干最新方法及两种基线方法进行比较,在两种实验设置（跨参与者识别与跨视角识别）中均取得了明显的改进结果。相比于使用原始数据的时空图神经卷积网络（spatio-temporal graph convolutional networks,ST-GCN）,在NTU 60数据集中,跨参与者与跨视角的识别准确率分别提高了1.9%和3.0%;在NTU 120数据集中,跨参与者与跨环境的识别准确率分别提高了5.6%和4.5%。同时对比于数据增强,基于不变特征的通道增强方法在两种实验设置下都能有明显改善,更为有效地提升了网络的泛化能力。结论 本文提出的不变特征与通道增强,直观有效地综合了传统特征和深度学习的优点,有效提高了骨架动作识别的准确性,改善了神经网络的泛化能力。     

结合汉明码和图像矫正的彩色图像盲水印

目的 随着互联网技术的飞速发展,彩色数字图像带来极大便利的同时,也产生了一些篡改、剽窃等侵权行为;同时,几何处理对含水印载体的破坏使水印盲检测的难度增加,因此,本文提出一种基于汉明码和图像矫正的彩色图像盲水印方法,旨在解决当前图像版权保护的难点问题。方法 嵌入水印时,使用仿射变换加密彩色水印,并将已加密的信息编为汉明码,然后利用特征值分解计算出像素块的全部特征值,并通过对特征值绝对值的和进行量化来完成水印的嵌入;提取水印时,利用图像的几何属性对多种几何攻击后的图像进行判断、矫正,并借助量化技术提取水印。结果 基于彩色图像标准数据库,将本文方法与7种相关方法进行了对比实验：在不可见性方面,与LU分解的水印方法相比,本文算法峰值信噪比（peak signal-to-noise ratio,PSNR）提高了4 dB;在常规攻击鲁棒性方面,与Schur分解的最新方法相比,本文算法平均归一化互相关（normalized cross-correlation,NC）的值稍有提高;在几何攻击鲁棒性方面,本文算法NC值具有一定的优势;同时,本文算法的水印容量达到了0.25 bit/像素,密钥空间达到了2⁴³²,运行时间仅需3 s左右。结论 所提方法不仅具有较好的水印不可见性和较强的鲁棒性,而且具有较大的水印容量、较高的安全性和实时性。