一种面向弱纹理图像的特征点描述子

现有的大多数特征点提取算法适用于处理纹理丰富的图像,而对于弱纹理图像则无法提取有效的特征点. 对此,提出了多邻域结构张量特征(MNSTF)算法. 基于一系列固定的邻域和图像结构张量,通过表达局部图像的结构和纹理信息,解决了弱纹理和无纹理场景下特征点提取和匹配等相关问题;同时,通过计算邻域之间的相对方向,实现了MNSTF算法特征描述子的旋转不变性. 实验结果表明,MNSTF算法在经过旋转的弱纹理图像测试集上的特征点匹配准确率达到了99.9%以上,验证了其良好的适用性、旋转不变性和鲁棒性.     

一种改进的正视图三维模型特征提取算法

随着多媒体与网络技术的迅速发展,大量的三维模型产生并被广泛使用,导致三维模型查询成为紧迫的研究内容。其中基于内容的三维模型特征提取是一个重要的研究课题。文章在研究现有三维模型特征提取算法的基础上,提出了一种改进的正视图特征提取算法,通过提取正视图的灰度统计量平均值、均方差和三阶矩为特征,提高了算法的精确度。实验表明,算法在获得较好查准率与查全率的同时,降低了算法的运行时间。     

非线性时变时滞奇异系数的保性能控制设计

讨论了非线性时变时滞奇异系统的保性能控制问题,对于带有时变时滞的非线性奇异系统,给出了设计一个状态反馈控制律使得闭环系统是渐进稳定的且闭环系统的性能函数值不大于给定的一个数的充分条件;并利用线性不等式（LMI）给出了设计最优状态反馈控制律的方法,通过一个算例说明此方法的可行性.     

基于LMI的离散广义系统正实控制器设计

目的研究和解决离散型线性时不变广义系统的正实控制问题.方法通过分析离散型线性时不变广义系统正实性和无源性的关系,给出了在因果条件下新的正实引理.通过选择合适参数以及对受控系统进行化简和代数等价变换并基于线性矩阵不等式(LMI),给出了离散型线性时不变广义系统状态反馈正实控制器设计的充分条件.结果通过计算三个LMIs,给出了状态反馈正实控制器增益矩阵的求解方法,实现了离散型线性时不变广义系统的正实控制.结论针对带有外部干扰的离散型线性时不变广义系统,设计了正实状态反馈控制器,仿真算例表明,这种方法简单有效.     

广义线性系统全信息反馈调节问题完全参数化方法

提出了一种新的求解矩阵方程EΠS=AΠ+BKΠ+BL+P的完全参数化方法。应用该方法和广义逆的基本理论,在不要求系统具有正则性的前提下,给出了反馈增益阵K和L的完全参数化形式。该方法避免了求逆运算和导数运算,具有较好的数值稳定性,克服了以往方法中利用计算机求解的复杂性,给控制器的建立及多目标设计问题带来了极大方便。数值算例验证了本文方法的有效性。     

2DPCA-SIFT:一种有效的局部特征描述方法

PCA-SIFT （Principal component analysis—scale invariant feature transform）方法通过对归一化梯度向量进行PCA降维,在保留特征不变性的同时,有效地降低了特征矢量的维数,从而提高了局部特征的匹配速度. 但PCA-SIFT中对本征向量空间的求解非常耗时,极大地限制了PCA-SIFT的灵活性与应用范围. 本文提出采用2DPCA对梯度向量块进行降维的特征描述方法. 该方法相比于PCA-SIFT,可以快速地求解本征空间. 实验结果表明:2DPCA-SIFT在多种图像变换匹配和图像检索实验中可以实现与PCA-SIFT相当的性能,并且从计算效率上看,2DPCA-SIFT具有更好的扩展性.     

Face recognition with Symmetric Local Graph Structure (SLGS)

Face recognition demonstrates the significant progress in the research field of biometric and computer vision. The fact is due to the current systems perform well under relatively control environments but tend to suffer when the present of variation in pose, illumination, and facial expression. In this work, a novel approach for face recognition called Symmetric Local Graph Structure (SLGS) is presented based on the Local Graph Structure (LGS). Each pixel is represented with a graph structure of its neighbours’ pixels. The histograms of the SLGS were used for recognition by using the nearest neighbour classifiers that include Euclidean distance, correlation coefficient and chi-square distance measures. AT&T and Yale face databases were used to be experimented with the proposed method. Extensive experiments on the face database clearly showed the superiority of the proposed approach over Local Binary Pattern (LBP) and LGS. The proposed SLGS is robust to variation in term of facial expressions, facial details, and illumination. Due to good performance of SLGS, it is expected that SLGS has a potential for application implementation in computer vision.