融合局部动态特征的面部表情识别

面部表情是人类表达情感最重要的方式之一。面部表情变化受多个面部器官和面部肌肉运动的影响。为了能有效提取局部动态特征和解决面部表情部分遮挡问题，提出一种简单有效的融合局部动态特征的深度学习网络，通过构建引导注意网络，利用检测到的脸部关键点来引导网络关注无遮挡的面部区域。为了强化不同表情特征之间的联系，利用局部动态特征网络，在带有时间序列的关键帧中提取如眼睛、嘴巴等关键区域的动态信息和时空信息。最后，将局部动态特征补充到整体网络中。融合后的网络在CK+、Oulu-CASIA、RAF-DB和AffectNet数据集上的精度分别为98.08%,90.59%,86.02%和61.28%,相较于其它网络的识别率均有提高。     

加权最大频繁项目集挖掘算法

关联规则是数据挖掘领域的一个重要分支,而发现最大频繁项目集是关联规则挖掘中的重要问题.最大频繁项目集挖掘是在数据库中各属性之间是平等的情况下进行的,但现实中并非如此.频繁模式树(Frequent Pattern Tree,FP-Tree)已不能满足要求.为此提出了一个有效的基于加权FP-Tree的加权最大频繁项目集挖掘算法,其挖掘过程中不需要产生候选项目集.并通过实例说明了此算法的挖掘过程.实验结果表明此算法是有效的并且有较好的扩展性.     

数字地面模型的建立与应用

通过阐述数字高程模型（DEM）的一般概念．研究了DEM的建立过程，还对DEM的数据采集过程和数据结构作了详细的阐述，研制开发了DEM在实际工程中应用的多项功能软件．包括简单的土方量的计算、绘制剖面图、绘制三维格网图、计算表面积并对坡度的表面积进行统计等，给出了利用OpenGL绘制三维格网图和坡度的表面积统计．     

一种最大频繁项集的增量更新算法

提出了一种基于最小支持度变化的挖掘最大频繁项集的增量式更新算法MFIU(Maximum Frequent Itemsets Updating).针对最大频繁项集更新时的特性,分别对最小支持度变大和变小提出了两种不同的处理方法,对于最小支持度变大的复杂情况,采取了分块的更新策略,并为减少不必要的候选项集,利用了如果X是一个最大频繁项集,则其所有子集都是频繁项集,但都不可能是最大频繁项集,而进行了独特的剪枝方法.最后通过实例分析了该算法.     

跨尺度多分支网络的单帧图像超分辨率重建

超分辨率重建算法是计算机视觉领域的重点研究问题之一,目前各个领域对图像要求逐渐提高,现有的超分辨率重建算法通过加深单一网络深度来提升图像质量,忽略了重建时的计算复杂度问题,同时缺少利用图像自身信息来提升图像的重建效果。针对以上问题提出了一种跨尺度多分支的单帧图像超分辨率重建网络,跨尺度模块探索图像内部相似区域的相关性,用于提升重建图像细节信息的能力,并获得更好的视觉效果。多分支结构将图像中重建难度不同的区域,通过不同复杂度的网络分别进行重建,解决了深度网络计算复杂度高的问题。实验结果表明,该模型在Urban100和Manga109测试集上相比其他方法具有更高的峰值信噪比和结构相似度。     

多阈值S-F的光照不均图像分割

针对钢管识别统计系统开发中,图像分割环节易受光照不均匀影响的问题,以及对图像增强处理后再分割导致目标错分的不足,本文提出一种多阈值S-F(分割-融合)的图像分割方法。该方法根据改进的Otsu多阈值法,采用形态学操作与图像融合技术,实现堆垛钢管目标的提取。实验结果表明,在光照不均匀情况下,该方法对钢管图像的分割效果明显优于传统方法,具有不受光照优劣程度影响、适应性强的特点,可应用于机器视觉领域的目标识别。