信息高速公路与智能信息处理技术

论述了“信息高速公路”及信息处理技术的内涵和发展状况，认为“信息高速公路”和智能信息处理技术研究成为当今科技发展的热点，是步入信息社会的必然，在世界范围的实力竞争中，信息技术的发展水平是举足轻重的因素，及早制定我国的发展战略是众多专家的共识。     

一种基于条带划分的低延迟帧内编码方法

现有编解码系统所产生的固有延迟比较大,例如对于标清视频,系统延迟要大于260ms,因此难以用于对延迟有严格要求的系统中。为此,研究了一种新的低延迟帧内编解码结构,在该结构中,将输入的视频划分成若干个条带,在采集端以条带为单位进行采集,以有效降低采集延迟;同时,给出了以条带为基本单位的I帧编码方法,对每一编码条带下采样,将其分成4个子图,以子图为单位进行预测,以提高预测的精度,进而降低编码延时。实验表明,新的编码结构在采集和编码过程中能有效降低帧内编码延迟,在保证恢复图像质量的同时,可以将延迟降低到150ms。     

基于多尺度分析矩特征的人脸表情识别

Zernike不变矩具有对噪声不敏感,正交等特性,是表情的有效表征方法,高阶Zernike矩包含更多图像信息,对表情分类的作用更大.但是高阶矩的计算复杂度很大,很难达到快速表情识别的要求.本文利用小波变换对表情图像进行多尺度分析,从低频子图像中计算其Zernike矩作为判别特征进行表情识别.通过小波变换,一方面可以对图像降维,降低计算复杂度;另一方面,小波变换的去噪性能使得识别效果更好.实验表明,基于多尺度分析Zernike矩特征的方法优于单独使用小波变换或Zernike矩特征方法的识别效果.     

基于最小二乘互相关算法的图像定位匹配研究

提出了一种基于最小二乘互相关的图像定位匹配算法。该算法将图像互相关信息和最小二乘法结合实现图像定位匹配,匹配精度可以达到亚像素甚至1/100像素级,同时利用金字塔分层来提高定位匹配速度;通过本算法在印刷品质量自动化检测系统中的应用,验证了该算法的高精度与高速度特性。1     

基于ROI区域的极低比特率编码算法

在极低比特率视频编码算法中,对感兴趣区域(ROI)优先进行编码能够获得更好的重建图像质量.在本文中,我们讨论了一种基于彩色直方图的人脸跟踪技术,它能够在头肩像图像序列中简单有效的准确定位ROI区域(人脸区域),并且,本文还提出了一种被称为小波块集合划分(SPWB)的小波编码算法用来对视频序列进行帧内编码,编码试验的结果表明,在同样的压缩比下,SPWB编码器能够获得比H.26L帧内编码器更好的重建图像质量.     

基于整体变分和变换域分析的复合去噪模型

本文在泛函空间理论基础上提出了一种整体变分与小波阈值萎缩复合的图像去噪模型。复合模型在小空间规整化约束下实现整体变分优化去噪,保持图像边缘特征减弱值阶跃现象;复合模型处理图像中不存在Gibbs现象且可应用于大噪声图像恢复缺失信息。DCT变换是一种表征图像纹理特征的变换域处理方式,本文最后将DCT变换引入复合模型,得到保持纹理特征的复合去噪模型。理论和实验证明了本文提出的模型在图像去噪中的有效性。     

基于Hessian半监督特征选择的网络图像标注

针对半监督特征选择算法进行了研究,采用有标签图像和无标签图像的半监督特征选择方法来提升网络图像标注的性能。基于二阶Hessian能提出一个新的半监督特征选择方法,该方法具有更好的局部拓扑结构保持特性和推断能力,从而能够克服基于图拉普拉斯半监督学习方法的缺点。将所提出的半监督特征选择算法应用到网络图像标注任务中,在两个大规模网络图像数据库上进行了实验,结果表明Hessian半监督特征选择方法优于拉普拉斯半监督特征选择方法,适合大规模网络图像标注。     

基于支持向量机的胶片缺陷检测算法

提出了一种基于支持向量机的胶片缺陷检测算法,该算法把胶片中的非缺陷区域和缺陷区域分别看作两种不同的纹理模式,应用机器学习理论的年轻分支——支持向量机对两类不同的样本采样学习．然后进行分类判断。实验蛄果表明,这种算法能够较好地实现胶片缺陷的检测分类,有着深入研究的价值。文中使用了两种不同的方法进行图像的特征提取,它们是主元分析法和离散余弦变换法,结果显示,不同的特征提取方法对训练分类的结果会产生一定影响。     

带有局部耦合项的双向扩散与图像增强

在过去的十几年中,偏微分方程在图像增强中得到了越来越多的研究和应用。论文提出了一个带有局部耦合项的双向扩散框架。这个框架沿着等照度线(边缘)的梯度方向实施反向扩散以锐化边缘;而相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像。为了进一步控制扩散过程,使其逼近于一个稳定的过程,并消除数值“爆炸”和过冲,笔者在双向扩散方程中增加一个局部耦合项;而且为了保持图像特征,利用图像的方向导数局部地调整非线性扩散系数。实验结果显示,该文算法可以显著地提高被增强图像的视觉质量。     

基于KSVM决策树法的人脸检测与定位

传统的SVM直接在线性条件下训练SVM分类器完成人脸与非人脸的分类,分类器训练困难,计算量大且速度慢.为构造一个复杂背景下人脸检测与定位的新方法,本文用核函数把SVM推广到非线性SVM,再与二叉树相结合,可以解决多类识别问题,此即KSVM决策树人脸检测方法.在此基础上,人脸面部特征被进一步确认.本文提出了改进的四边界Prewitt边缘算子提取人眼,进而定位五官.实验结果表明该方法检测率较高,虚警率较低,定位准确.