国际化软件人才培养的探索和实践(英文)

The internationalization of the software talents is the trend of software industry development.This paper summarizes the exploration and practice of international talents cultivation of the School of Software in the University of Electronic Science and Technology of China(UESTC).The mode of a combination of "awareness,capacity and practice" is put forward.     

基于局部参数运动模型的人脸表情特征提取

提出了一种基于局部参数运动模型提取人脸表情运动参数的方法.对图像序列进行预处理,提取出能够体现表情的五官特征;用块匹配法跟踪了特征区域的关键点;基于特征点匹配结果和局部参数运动模型,建立特征区域的运动方程;通过非线性约束优化方法估计局部运动参数.实验结果表明,该方法可行有效.     

论艾青诗的忧郁美及文化成因

本文以艾青诗的忧郁情调为切入点，运用美学与心理学相结合的研究方法，对其美学追求及文化成因作了深入细致的研究。文章指出艾青诗的忧郁情调是一种由民族忧惠感、个体孤独感和生命悲凉感等多种不同性质与色调的情感整合而成的复合情绪，呈现出一种多层次聚合的结构形态。阐述传达这种复合情绪的艺术策略一一中西合璧的现代象征艺术。在中西文化大融合的背景下探寻艾青诗忧郁美的文化成因——中国文人的社会政治忧患意识与西方知识者的原罪意识的奇妙结合，由此揭开忧郁诗人那神秘的面纱。     

基于动态图像序列的运动目标检测与跟踪

运动目标的检测与跟踪在智能监控和车辆导航领域中得到了广泛的应用。该文提出了基于统计背景模型和α-β-γ滤波模型的运动目标检测和跟踪算法。在此方法中，首先建立背景的高斯模型，然后检测出场景中的运动目标，最后在目标检测的结果上，采用α-β-γ滤波器对检测出的运动区域进行运动参数估计，进而跟踪出运动目标的轨迹。实验表明，该方法能够有效地分割出序列图像中的前景目标，并提高了目标跟踪的稳定性。从而证明了该方法的有效性。     

基于CNN和MRF的运动目标分割

针对动态图像序列中背景成像过程因各种因素而变化存在复杂性,提出了一种基于细胞神经网络(CNN)和马尔可夫随机场(MRF)的目标分割方法.首先根据细胞神经网络与马尔可夫随机场能量函数的相似性,将马尔可夫随机场的最大后验概率模型映射到细胞神经网络近邻系统模型中.然后建立图像每一像素点的邻域系统模型,并且构造相应的能量函数.为使能量函数达到快速收敛,再利用模拟退火算法实现能量函数的最小值,以达到对运动目标的提取.由于CNN是由局部互连的细胞组成,因此易于用VLSI实现.实验的结果表明,该方法能够有效地抑制图像的噪声,对于运动目标的提取有较好的分割效果.     

一种基于自适应颜色压缩的织物图案提取方法

文章介绍了一种新的基于主成分分析网络PCA与自组织特征映射网络SOFM的颜色自适应压缩技术,并首先将该技术应用到了纹理状织物图案的提取研究中。研究表明:提取主颜色系对消除图像中的噪声污染成分非常有效,能够减少原图像上因噪声干扰引起的纹理分割误差。通过竞争学习的分类识别引入了像素间的空间位置关系,使得经神经网络分类出的图像与原图像最接近,并提高了在图案提取分割中的计算效率。该研究结果在获取织物图案设计与仿制中可减少人机交互量,提高识别效率,在工程应用上具有相当的实用价值。     

图像序列中基于交叉熵的运动区域检测

图像序列中的运动区域的正确检测是一个相当重要但又非常困难的问题。采用了自适应的背景模型，并用交叉熵对差分图像阈值化，从而使分割出的运动区域更加正确。试验结果表明了本方法的有效性和鲁棒性。     

基于熵的运动目标检测

目前，运动目标的检测是计算机视觉领域中最活跃的研究主题之一。本文介绍了光流法、帧间差分等运动目标的检测方法，提出了一种基于熵的运动目标检测方法，实验结果表明了该方法的鲁棒性和有效性。     

基于模糊熵聚类和Kalman滤波的区域跟踪

目前，运动目标跟踪是计算机视觉领域中最活跃的研究课题之一。本研究提出了基于模糊熵聚类和Kalman滤波预测的区域跟踪方法，用Kalman滤波的预测值作为下一帧图像运动区域的聚类中心，从而减少了迭代次数，加强了跟踪的实时性。算法有效地利用了计算机视觉技术从图像序列中检测出运动区域，并获得了运动目标的轨迹，统计了运动目标的数目。     

基于加权Schatten p范数最小化的磁共振图像重构方法研究

本文提出了一种基于加权Schatten p范数最小化（Weighted Schatten p-Norm Minimization,WSNM）的磁共振图像重构算法,该方法利用磁共振图像的非局部自相似性,并结合Schatten p范数和不同秩元素重要性的加权因子,实现磁共振图像重构过程的低秩约束.此外,采用交替方向乘子算法（Alternating Direction Method of Multipliers,ADMM）来求解基于WSNM磁共振图像重构的非凸最小化问题.实验结果表明,相比于最近的磁共振重构算法,基于WSNM的磁共振图像重构方法具有更好的重建效果,可获得更高的峰值信噪比（Peak Signal to Noise Ratio,PSNR）和更好的结构相似性（Structural Similarity,SSIM）.