基于人类视觉感知特性的一种纹理图象分割方法

在纹理图象分割的研究领域中,基于人类视觉感知特性的图象分割方法是一个重要的新方向,本文给出了一种纹理图象分割的方法,设计了一组参数不同的2D最佳正交极可分方向滤波器来提取图象特征,然后经过四叉树平滑,用模糊C－均值聚类对图象进行分类,最后进行边缘确定,实验结果表明,这种方法能获得较好的分割效果。     

基于频谱的人脸识别方法

小波变换后的低频子带图像既去除了某些表情变化，又减小了数据量，而图像的频谱特征则具有良好分类特性，因此两者结合后得到的频谱脸在人脸识别方面具有相当高的应用价值。先利用小波变换和Fourier变换求得原始人脸图像的频谱脸(Spectrofaces)，再对频谱脸继续求取各自的本征脸(Eigenface)和LDA(Linear Discriminant Analysis)特征作为分类特征，并利用了不同的分类方法进行识别。实验是利用ORL人脸库进行的，实验结果证明了比起直接利用空间域上原始图像的识别方法来说，基于频谱的方法可以有效提高识别率。     

语音信号的预滤波和倒谱参数方差的统计

对于非实验室条件下的实时语音识别系统来说，能否准确提取出所需要的语音信号特征，是决定该识别系统正识率高低的关键因素之一，对语音信号进行预滤波以抑制噪音，有利于语音信号特征的提取，本文结合一个实际系统，讨论了其降噪问题，并建议以倒谱参数方差之统计特性是否符合一定规律的为标准，来衡量预滤波的效果，文中还对数字滤波器及随机低门限时域中心削波在预滤波中的作用进行了讨论，实验结果表明，预滤波取得了较好的效果     

一种改进的活动轮廓图像分割技术

图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。针对传统的活动轮廓外力模型均存在一些难以克服的缺点，提出了一种改进的活动轮廓图像分割技术，并首先介绍了用活动轮廓进行目标分割的基本原理，即一条曲线在其内部能量和外部能量的共同作用下，可以移动到所期望的位置，并且当曲线到达目标位置的时候，活动曲线所具有的能量达到最小。在传统的活动轮廓中，外部能量通常由目标点的梯度势能场给出，但是由于梯度势能场存在着一些难以克服的缺点，即不能够很好地指导曲线的移动，为此，对其进行了改进，即采用一种梯度向量流场作为外部能量场的方法，从而有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点，并通过实验证明了该方法的有效性。     

光照变化条件下的人脸识别研究

本文提出了两种研究光照变化条件下人脸识别的方法.第1种方法光照子空间方法,它适用于训练集中存在与测试人脸图像相同或者相似光照的人脸训练图像.当这个条件不满足时,可得用径向基函数产生虚拟光照条件下的人脸图像样本图像特征加入训练集,该方法适用于更一般的情况。实验结果证明文中提出的方法可以有效提高识别率。     

基于不同光照方向的子空间人脸识别方法

提出了一种方法，用于解决人脸识别问题中光照方向变化所带来的困难。首先建立对应不同光照方向的子空间，再确定测试样本所对应的子空间，然后在这个子空间中利用最近邻法进行匹配，达到识别的目的。利用SHIMON人脸数据库，分仅有光照变化和同时有视角变化和光照变化两种情况进行了实验，实验结果证明该方法是有效的。     

从明暗恢复形状问题中的一种分形约束方法探讨

本文提出一种由从明暗恢复自然景物表面三维形状的一种表面约束方法.该方法从传统约束条件的分形本质出发,克服了传统表面恢复方法造成恢复结果过分平滑而失真的缺点,并利用最大后验概率方法对物体表面高度函数进行Gibbs随机采样,从而得到待恢复表面三维形状的一个最佳实现.实验结果表明了本文方法的有效性.     

基于变分的图像恢复算法及收敛性

提出了一种保持边缘的正则化图像恢复算法,该方法可有效地用于求解线性逆问题的非凸优化过程.通过对正则化函数及相应泛函性质的理论分析,得出了使泛函达到最小的正则化函数表达式;引入一个与原非凸泛函相应的二元泛函,将非凸优化问题转化为本质上的凸优化问题,采用松弛迭代算法获得非凸优化问题的局部极小解;证明了所提出的算法是全局收敛的.通过实验验证了算法的有效性.     

一种新的基于直线特征的摄像机自标定方法

通过引入场景的几何约束,提出了一种新的基于直线的摄像机自标定方法。利用射影几何中平行直线投影的交点与光心的连线平行于该平行直线的性质,给出了摄像机内参数的线性求解方法。只假设场景中存在垂直的平行直线,相对于文献［1］而言,其适用的情况更为广泛。实验结果验证了方法的有效性。     

一种快速的SAR图像分类方法

SAR图像分类是＆讯图解译中非常重要的环节,但由于SAR图像中相干斑噪声的存在,使得传统方法不能很好地对SAR图像进行分类。再之,SAR图像分类具有计算量大、耗时长的特点,SAR所能获取的信息数据量也越来越大,如何快速、准确地对SAR图像进行分类以及时获取有用信息显得日益迫切。本文提出了一种快速的SAR图像分类方法,该方法将图像的空间域和频域特征相结合,并基于并行计算环境,对图像中的每一点都计算相应的小波能量特征、共生灰度矩阵特征和滤波后的灰度特征,并组成特征向量对SAR图像进行分类。实验结果证明该方法能取得较好的分类效果,且速度较快。