基于分类回归树和AdaBoost的眼底图像视网膜血管分割

提出一种能有效分割眼底图像中视网膜血管的监督学习方法,为眼底图中的每个像素点构造一个包括局部特征、形态学特征和Gabor特征在内的39维特征向量,用以判定其是否为血管上的像素.在进行分类计算时,以分类回归树作为弱分类器对样本集分类,然后对AdaBoost分类器进行训练得到强分类器,并由此完成各个像素点的分类判定.基于国际公共数据库DRIVE的实验结果表明,该方法的平均精确度达到0.960 7,且敏感度和特异性均优于已有的基于监督学习的方法,适用于眼底图像的计算机辅助定量分析和疾病诊断.     

大交叠区域的三维网格的融合与拼接

 通过融合重叠区域的顶点以及带边约束的基于点邻域平坦度的网格重构算法,实现了大交叠区域的三角网格的拼接,避免了因删除重叠区域的顶点而需要的补洞操作以及裁剪而产生的细碎三角形.首先,基于有向包围盒的思想,对网格的重叠区域进行快速定位;针对重叠区域的网格顶点,利用移动最小二乘的方法进行融合,避免了由于配准不精确而产生的噪音;而后,利用带边约束的基于点邻域平坦度的网格重构算法,对剩下的重叠区域的顶点进行三角化;最后,通过合并网格中的共同边界边实现网格的拼接.实验表明,该方法对于存在大交叠区域的三角网格的拼接快速而有效.     

基于小波变换和ICA的人脸识别方法

独立成分分析(ICA)最早应用于盲信号分离,近年来也广泛地应用于模式识别领域.提出一种基于小波变换(WT)及独立成分分析(ICA)的人脸识别方法.在建议的识别方法中,首先利用小波变换将人脸图像分解成不同的频率子带,对其中包含主要信息的低频子带运用ICA求取基向量,然后基于这些基向量张成的子空间实现识别.详细讲述了该方法的实验过程,实验结果表明,该方法可以取得较好的识别结果.     

基于中国人人脸区域特征的贝叶斯分类法研究

为了提高人脸识别系统的速度,根据中国人人脸区域特征的差异性,在验证了提取的人脸几何特征符合正态分布假设的基础上,提出了基于正态分布的贝叶斯分类方法进行中国人人脸特征的区域分类的一种新方法.为了验证本方法的可行性和有效性,通过对IISL图像数据库中具有典型区域特征的东北和西南两大区域的人脸几何特征进行最小误差贝叶斯分类实验,结果表明提出的方法可行有效.同时,在分析了影响分类识别率的一些主要因素的基础上,提出了进一步对中国人人脸区域特征的研究的解决设想和以后将要开展的工作.     

基于小波分析与KPCA的人脸识别方法

对于一种有效的人脸识别方法，特征选择是极为重要的问题。而小波多分辨率分析可以获得对人脸识别有用的低频特征，KPCA则可用于提取人脸非线性特征。为此，本文〖BP）〗提出结合小波变换及KPCA的特点获取人脸特征，设计线性SVM分类器进行分类识别。由于KPCA中核函数的参数选择以及训练样本与测试样本的划分对分类识别有一定的影响，为了获得最优的识别效果，在UMIST人脸数据库上进行相应的实验。结果表明本方法可以获得较好的分类识别率，是一种快速、有效的人脸识别方法。     

一种基于物理模型的布料湿润效果真实感模拟方法

通过分析布料和流体之间的相互作用与关系,本文提出了一种新的基于多孔粒子模型的布料湿润效果真实感模拟方法。该模型可以看作是一种改进的弹簧质点模型,借鉴粒子模型的一些基本概念,模型中采用了多孔粒子这一结构。该结构中的孔隙可以作为流体在布料中的存储空间,由于相邻多孔粒子中流体存储量不同,形成的毛细压强差推动流体在所有粒子中流动。同时,该模型按照达西渗流原理控制整个流体湿润布料的过程,并且根据相关粒子饱和度的不同选择不同的纹理,用映射不同纹理的方式表现湿润过程中布料材质的改变。该模型计算效率高,且具有很强的可扩展性。     

非线性人脸老化模拟

用计算机模拟人脸老化过程已成为计算机视觉领域的热点研究问题。本文研究了人脸老化过程模拟中形状和纹理特征的渐变规律,提出了基于人脸层次结构的非线性老化模型,对人脸的整体层和细节层分别进行老化过程模拟,结合局部五官与相应皱纹的密切联系,应用于人脸局部皱纹老化过程模拟,最后根据人脸的层次结构逆向合成具有目标年龄特征的人像。以MORPH人像库为测试样本的实验结果表明,采用非线性老化过程模拟和基于局部五官相似性的皱纹老化模拟是有效的。     

基于地理区域分布的人脸几何特征研究

文中提出了利用人脸面部几何特征地理区域分布的差异性进行人脸识别的新方法。首先针对比较典型的中国华北和西南两大区域采集100幅人脸面部图像，然后采用一种自动提取算法抽取面部几何特征，再利用感知器算法对这两大区域进行面部特征分类。实验结果表明该方法是可行而有效的。     

基于SVM RFE的人脸特征选择方法

提出一种新的基于SVM RFE（Support Vector Machine Recursive Feature Elimination）的人脸特征选择方法。该方法将权重矢量和半径／间隔作为SVM RFE的特征选择标准，采用缩放因子梯度算法优化特征搜索。基于该方法构建了一种实用、有效的人脸特征提取、选择及识别框架，并在UMIST人脸数据库上进行了验证实验。对特征选择前后的分类能力及速度进行了分析比较，结果表明，该方法是一种实用、有效的人脸特征选择方法，可以在特征维数为80左右时，达到94．62％的分类识别率。     

基于核独立成分分析的人脸识别研究

在人脸识别中提出一种基于非线性子空间的核独立成分分析(KICA)方法。在简单介绍了ICA方法的基础上,对KICA方法的基本原理和算法作了较为详细的描述。为了验证基于KICA和ICA的人脸识别方法的识别效果,进行了对比实验和分析。实验和分析结果表明,在人脸识别中,基于KICA的方法优于基于ICA的方法。