区域高斯描绘子及其在物体识别中的应用

为了对几何变形的图像进行正确和有效的识别,对基于物体轮廓的高斯描绘子进行推广,构造了一种基于区域的新的不变量--区域高斯描绘子.构造思路主要有两点:①定义一个具有平移、尺度不变性的函数--区域高斯势函数;②分别计算区域高斯势函数在8个同心圆上的平均值,从而获得8个不变量.这些不变量不仅具有平移、旋转、尺度和反射不变性,而且对噪声不敏感,适用范围广.将区域高斯描绘子应用于物体识别,获得很高的识别率.     

一种新的形状特征——高斯描绘子

为了有效和正确地反映物体的形状特征,构造了一种基于物体轮廓曲线的新的不变量,即高斯描绘子。构造思路主要有两点:第一,定义一个具有平移、尺度不变性的函数——高斯势函数;第二,分别计算高斯势函数在8个同心圆上的平均值,从而获得8个不变量。相对其他的形状特征描述法,这些不变量不仅关于平移、旋转、尺度和反射不变,而且具有识别/匹配率高、计算量小、对适度的边缘变动和噪声不敏感以及适用范围广等优点。将这8个不变量应用于物体识别,实验结果表明,高斯描绘子的确具备上述优点。     

仿射高斯描绘子及其在模式识别中的应用

在不同位置、从不同角度拍摄同一个二维景物,得到的图像几何形状是不同的,这种几何变形通常可用仿射变换来描述.因此,寻找一组关于仿射变换不变的特征是识别这类图像的关键.本文构造一组仿射不变的特征,即仿射高斯描绘子.构造过程主要是,先计算图像的协方差矩阵,再由该矩阵的特征值和特征向量生成一组同心椭圆,进而利用二维高斯函数构造出仿射高斯描绘子.将这些仿射不变量用于模式识别,以获得较高的识别率.     

轮廓矩不变量及其在物体形状识别中的应用

为了有效地刻画物体的形状特征，在基于区域的Hu矩不变量的基础上，构造了一种基于物体轮廓曲线的新的矩不变量，即轮廓矩不变量。该不变量不仅独立于物体本身的颜色和灰度级，而且具有平移、旋转和尺度不变性，因此可将轮廓矩不变量应用于物体形状的识别，为了能快速地进行物体形状识别，还讨论了小波边缘检测和轮廓的获取问题及其算法。实验表明，基于这种轮廓矩的识别算法具有很好的识别率。     

利用高斯描绘子进行字符识别

高斯描绘子是一种基于边缘的形状特征，具有识别/匹配率高、相对于平移、旋转、尺度和反射不变、计算量小、对适度的边缘变动和噪声不敏感以及适用范围广等优点。将高斯描绘子用于字符识别，并与另一种基于边缘的特征轮廓矩不变量Hu矩的推广和改进进行比较。实验结果表明，高斯描绘子有很好的识别效果。     

CMM/CMMI中同行评审子过程的定量控制

为了解决实施CMM／CMMI过程中对软件过程的定量控制问题，进而实现对软件质量、成本和进度的定量管理，引进计算数学中的“线拟合”方法。该方法描述了互相牵制的定量指标之间的数学关系，弥补了经典的SPC技术只能分析单个度量的不足。将“曲线拟合”法用于对“同行评审”子过程的定量控制，实践证明，它较好地刻画了该子过程两个定量指标之间的关系，使得“同行评审”的结果在任何时候都是精确受控的。     

基于协方差矩阵的仿射不变量

为了对仿射变形的物体进行有效和正确的识别,构造了一种新的仿射不变量.构造的主要过程是：先计算图像的协方差矩阵,接着计算该矩阵的特征值和特征向量,再构造出一组同心椭圆,这些椭圆以图像质心为中心,以两个特征向量为长、短轴,且轴长和两个特征值的平方根成正比,进而利用图像紧化原理和仿射变换的有关性质推导出一组仿射不变量.文中将仿射不变量用于模式识别,获得很高的识别率.