改进单高斯模型的视频前景提取与破碎目标合并算法

针对视频背景建模和运动目标检测,本文提出一种基于分块模型更新的单高斯背景建模方法。新方法将视频图像划分为多个区块,并对块内的像素进行统一建模,以替代传统方法中对单像素点的建模。由于块像素的平均更符合高斯分布特性,有利于发挥单高斯建模方法的优势,因此增强了算法应对复杂背景的能力,同时分块建模也有效降低了算法复杂性。针对破碎团块的合并问题,本文提出一种“比对就近”的策略,将相隔距离在设定阈值内的团块合并为一个目标。实验结果验证了本文所提方法的有效性。      

尺度自适应CBWH跟踪算法研究

传统Mean Shift跟踪算法存在固定核窗宽导致目标尺度定位和空间定位不准确的问题。本文在背景加权的均值漂移算法(corrected background-weighted histogram ,CBWH Mean Shift)精确的目标定位基础之上,在RGB颜色空间下使用目标背景加权模型生成目标显著特征的颜色概率图,对其进行阈值分割和图像处理后获取二值图像,以此计算不变矩来调整下一帧的跟踪窗口,并在满足一定条件时及时更新背景加权模型以适应复杂背景下的跟踪任务。实验结果表明,上述方法能够自适应地更新核函数的带宽,提高了算法跟踪尺度变化目标的准确性和鲁棒性。      

一种有效的指纹图像预处理方法

预处理是指纹自动识别系统中非常关键的部分,它直接影响着指纹识别的最终效果.指纹预处理一般包括规格化、方向图计算、脊线频率计算、增强、二值化、细化等环节.文中研究并实现了一种有效的指纹图像预处理方法,并采用了一种高效的指纹细化算法.实验结果表明,这种方法能有效地去除传感器表面残留纹印引入的噪声,进一步增强了指纹的脊线和谷线,使指纹纹线变得清晰、连续、光滑,改善指纹图像的质量,提高了指纹识别的可靠性.     

结合眼电和脑电的人-机交互系统设计与实现

为了改善传统人-机交互(HCI)系统性能,设计并实现了一种结合眼电(EOG)和脑电(EEG)的人-机交互系统。该系统首先使用谱熵对眼电和脑电混合信号进行端点检测,在此基础上,分别识别操作者眨眼信号与脑电信号,并根据识别结果生成不同的控制命令。在实验室环境下对该系统进行测试,其眼电与脑电的平均识别正确率分别达到97.3%和92.7%,测试结果表明该系统可以有效保证命令选择的正确性和稳定性,提高人-机交互效率。     

一种中值滤波的快速算法

提出了一种中值滤波的快速算法。与中值滤波的传统算法相比较，该算法的特点是考虑到了相邻的两个中值滤波窗口内信号数据的相关性。在运算过程中，保留前面窗口内数据的排序信息，作为下一个窗口内数据排序的参考。这样可将传统算法中相邻的两次中值滤波运算合并为一次进行，从而减少了中值滤波过程中比较运算的次数，很大程度上提高了运算效率。     

条形码打印软件系统的开发

本文介绍了一种性能优良的条形码打印软件,该软件能在目前所流行的点阵、喷墨打印机上印制多种条码,并具有良好的用户界面,使用非常方便。     

多层前馈网络在图象分割中的应用

本文提出用多层前馈网络进行基于边缘信息的图象分割，讨论了学习样本的提取步骤和网络学习的速度改进方法，实验表明，用多层前馈网络进行图象分割能获得良好的结果。     

基于改进高斯混合建模和短时稳定度的运动目标检测算法

传统高斯混合建模方法中前景模型转换为背景模型的风险随着模型权值在一定更新率下的迭代累加而增大,使得传统方法难以有效检测低速运动目标.该文对高斯混合建模中背景匹配失败时生成的前景模型加以利用并引入短时稳定度指标进行综合判断,在深入挖掘前景模型中包含的运动目标信息和像素点级稳定性的基础上实时区分各像素点的状态.多场景下的实验结果表明,该方法对低速目标达到了更高的检出率.     

基于EOG的扫视角度识别与分类研究

论文对基于眼电信号（EOG）的扫视角度识别算法进行研究。设计了扫视角度定位和EOG采集实验。提出了联合线性预测系数和波形参数的EOG特征描述新方法;并使用BP神经网络与支持向量机对特征向量进行识别和分类。实验结果表明,本文所提出的方法能较好地识别出不同扫视角度的眼动模式。     

基于核Fisher判别分析的意识任务识别新方法

提出一种新的基于核Fisher判别分析的意识任务识别新方法。该方法首先通过核函数建立一个非线性映射，把原空间的样本点投影到一个高维特征空间，然后在特征空间应用线性Fisher判别。利用不同意识任务生成的脑电数据对KFDA和FDA进行比较，最后用线性支持向量机进行分类和识别，并与非线性支持向量机进行了比较，结果表明KFDA的识别率明显优于后二者。