基于新颖相似度的视觉跟踪算法

模板匹配是视觉跟踪领域中的重要环节.以粒子滤波为跟踪框架,提出了一种新颖的模板匹配的统计特征相似性指标,引进了加权因子有效抑制目标边界噪声干扰和匹配区域背景成分的影响,同时突出了目标特征的权重.由于完全不同模板图像统计特征也会存在交集,导致相似性偏差,所以融合基于HSV颜色空间的相似度能够修正偏差,改善匹配函数峰值特性,使得搜索目标得到全局最优解,最终实现鲁棒跟踪.实验结果表明,模板匹配具有良好的峰值特性,算法在跟踪目标存在变形、噪声、遮挡时也可以达到比较理想的跟踪效果.     

离群模糊核聚类算法

一般说来,离群点是远离其他数据点的数据,但很可能包含着极其重要的信息.提出了一种新的离群模糊核聚类算法来发现样本集中的离群点.通过Mercer核把原来的数据空间映射到特征空间,并为特征空间的每个向量分配一个动态权值,在经典的FCM模糊聚类算法的基础上得到了一个特征空间内的全新的聚类目标函数,通过对目标函数的优化,最终得到了各个数据的权值,根据权值的大小标识出样本集中的离群点.仿真实验的结果表明了该离群模糊核聚类算法的可行性和有效性.     

利用CPDH和动态规划算法的形状检索

用形状轮廓上点的坐标位置相对于形状重心位置的分布关系描述形状,提出一种极坐标下形状轮廓点分布直方图描述符(contour points distribution histogram),该描述符不仅符合人眼的视觉直观感受、计算简单,而且其本质上具有缩放和平移不变性。用动态规划算法(dynamic programming algorithm)来度量轮廓点分布直方图之间的距离,部分解决了轮廓点分布直方图对于旋转不变性的要求。在多个形状图像数据库中的实验结果表明,该方法在单目标封闭轮廓的形状图像检索中取得了良好效果。     

基于分块互信息和量子粒子群算法的图像配准

多模图像的配准是图像融合等图像处理需要先行解决的问题.本文提出了一种基于分块互信息和量子粒子群的配准方法,在配准中利用分块互信息值为相似性测度,并用量子粒子群算法求解配准所需的空间变换参数.实验表明:该方法能够避免陷入局部极小值而且速度得到明显改善,其运用于多模图像配准,可以得到理想的效果.     

基于状态估计的张量分解人脸识别方法

张量脸算法是分析和表达多因素影响的人脸图像结构的一种有效的数学模型,然而张量分解对状态空间的非线性处理仍存在不足之处。对此提出了一种新的多姿态人脸图像识别方法,在原有的张量脸算法基础上结合状态估计的方法。将训练样本图库中不同状态的人脸通过PCA分解得到多种状态(角度、光照、表情)分别对应的特征空间,对于测试样本先投影到每个特征空间,利用最近邻分类器进行状态估计,对利用张量脸算法得到的张量脸进行识别。实验结果表明,该特征提取方法的识别率优于原有的张量脸算法。     

基于模块化2DPCA和CSKDA的人脸验证

针对客户相关的核判别分析（CSKDA）对图像列向量进行处理数据维数大、计算复杂,对图像整体处理没有考虑到局部特征等缺点,提出M2DPCA和CSKDA结合的方法。新方法对二维数据进行分块后采用2DPCA抽取局部特征,施行CSKDA,不仅考虑了类内、类间的差异,而且可以较好地描述不同个体人脸间的差异性。在XM2VTS和ORL人脸库上的实验结果表明,该方法在验证效果上优于CSKDA方法。     

基于CHNN的机动多目标跟踪算法及其参数特性研究

关于密集多回波环境下机动多目标跟踪,因其JPDA问题计算量出现的组合爆炸的现象,从而导致实时跟踪效果极差的问题.引入能解决组合优化问题的连续型Hopfield神经网络方法,来减少其计算量,并结合改进的模拟退火算法来优化网络收敛性和全局最优问题.其中,在已知网络能量函数下,对应的网络参数对网络性能产生了直接影响.因此,在实验的基础上,对神经网络参数进行分析研究,并充分证实了该方法解决JPDA问题的有效性,并给出了相应的积极结论.     

多尺度模糊加权角点检测新算法研究

为了提高图像角点检测的准确度和降低噪声对检测效果的影响,将多尺度思想和模糊理论引入到角点检测过程中,在建立了像素点属于角点的隶属度函数的基础上提出一种多尺度模糊加权角点检测新算法.首先将原始图像使用高斯核函数进行变换生成一组响应图像,并将其进行加权叠加得到原始图像的平均角点响应值;再选取合适的阚值进行相关处理得到最终的角点.实验结果表明,该算法不但抗噪性能较好,而且提取出来的角点也较准确.     

基于核融合的多信息流形学习算法*

流形学习算法可分为全局流形学习与局部流形学习,它们分别保持了流形上的全局特征信息与局部特征信息。但是实验证明仅基于单一特征信息的流形学习算法不能很好的保持真实的流形结构,影响了学习效果。因此,基于流形学习的核的视角,将全局流形学习算法ISOMAP与局部流形学习算法LTSA的核进行融合,提出了可以同时保持流形结构的全局特征信息与局部特征信息的流形学习算法,在人工数据集和人脸图像集上的仿真实验证明了本文算法的有效性。     

基于代数特征与粗糙集相结合的特征提取方法

对特征抽取方法进行了研究,提出一种新的特征抽取方法,克服了Roman W等提出的特征抽取方法中缺乏鉴别信息的缺点。通过对高维的人脸数据用PCA和LDA降维,利用粗糙集理论中的属性约简算法进行进一步的维数压缩。实验结果表明,该方法具有良好的性能。