焦点引导的带颜色恢复的多尺度Retinex算法

针对低照度下高动态范围图像在应用多尺度Retinex算法进行图像增强时,易出现光晕现象和颜色失真等问题,提出了一种可以由焦点引导的带颜色恢复的多尺度Retinex(FgMSRCR)算法。通过自底向上视觉注意模型对低照度下高动态范围图像进行焦点提取,保留于相异焦点集中,对整幅图像应用带色彩恢复的多尺度Retinex算法(MSRCR)进行图像增强,再对焦点区域进行保持亮度和颜色比例的增强,利用高斯平滑滤波器完成图像增强任务。实验结果表明,与常见的图像增强算法和其他Retinex算法相比,该算法能够在保持颜色恒常的前提下有效地克服光晕现象。     

快速的完备鉴别保局投影人脸识别算法

提出一种快速的完备鉴别保局投影算法(FCDLPP).FCDLPP算法只需使用一次瘦QR分解就可求得保局类内散布的零空间的鉴别矢量,然后再进行一次广义特征值分解求得保局类内散布的主元空间的鉴别矢量.另外,FCDLPP对零空间的不规则鉴别特征和主元空间的规则鉴别特征进行融合.理论分析和实验结果表明,FCDLPP算法不论在计...     

基于Java实现移动Agent强迁移的方法

对比分析了常见的移动Agent强迁移与弱迁移,提出一种基于Java实现移动Agent强迁移的方法.该方法基于IBMJikesRvm(Jikes research virtual machine(RVM))提供的RVM,利用OSR(on-stack replacement)捕捉运行堆栈的状态,实现了移动Agent强迁移.该方法不需要对源代码或字节码进行预处理,也不需要改变JVNI,具有很好的系统扩展性.     

一种参数自动寻优的PCNN图像分割算法

利用粒子群优化算法（Particle Swarm Optimization,PSO）具有对参数自动寻优的优势,将PSO和脉冲耦合神经网络（Pulse Couled Neural Network,PCNN）相结合,并以改进的最大类间方差准则函数为适应度函数,提出了一种能进行参数自动寻优的PCNN图像自动分割算法。实验仿真结果验证了该方法的有效性,即不仅可以正确地实现图像分割,而且PCNN的参数可以自动设置省去了人工实验的麻烦,同时分割速度也有所提高。     

基于微粒群算法和脉冲耦合神经网络的图像分割算法

脉冲耦合神经网络（Pulse Coded Neural Network,PCNN）在图像处理中得到了十分广泛的应用,但是其多个参数的设置给实际应用造成很大的困难。尤其是在图像分割中,不同类型的图像要求不同的分割参数,不同的参数对图像分割的结果影响很大。而微粒群优化算法（Partide Swarm Optimization,PSO）具有对参数自动寻优的优势,为此,将PSO和PCNN相结合,以改进的最大熵函数为适应度函数,提出了一种基于PSO和PCNN算法的图像自动分割算法。实验仿真结果验证了该方法的有效性,即不仅可以正确地实现图像分割,而且参数可以自动设置,省去了人工实验的麻烦,同时分割速度也有所提高。     

颜色共生矩阵的Fisher信息度量及识别应用

基于多项流形的黎曼几何,提出一个在矩阵流形框架下度量颜色共生矩阵信息差异并将其应用于目标识别的新方法。对于给定的颜色量化水平和每个像素局部邻域,该方法将一幅彩色图像的任意两个颜色通道中共生的颜色建模为一个潜在的多项分布的概率实现。通过基于紧化的共生频率嵌入,可将每幅图像等同为一个积矩阵流形上的一点,其中每个因子流形被赋予了从对应的多项流形上诱导的Fisher信息距离度量。对于一个识别任务,测试样本与训练样本间的匹配通过先在每个因子流形上使用最近邻分类器进行标签预测然后在积流形上进行多数投票完成。在GT彩色人脸库和COIL-100目标库上获得的出色的识别效果验证了该方法的有效性。     

基于最大间距MFA的鉴别分析

针对边界Fisher分析(MFA)所面临的小样本问题,本文基于最大间距准则(MMC),提出了一种基于最大间距的边界Fisher分析(MMMFA)算法.该方法利用描述类间数据可分性的相似度矩阵与描述类内数据紧致性的相似度矩阵之差作为鉴别准则,从而避免了MFA鉴别分析所遇到的小样本问题.然后探讨了本文算法与传统的线性降维算...     

一种新的基于PCNN的图像脉冲噪声滤波算法

为了更好地滤除图像中的脉冲噪声，在分析脉冲耦合神经网络（PCNN）的工作机理的基础上，在PCNN中引入了点火映射图的概念，并提出了一种新的基于PCNN点火映射图的图像脉冲噪声滤波器。该方法首先通过运行PCNN把噪声图像转化为点火映射图，然后利用点火映射图对图像中的脉冲噪声进行定位，最后仅对定位的噪声进行自适应滤波。计算机仿真实验表明，该方法的去噪效果优于传统方法，从而验证了该方法的有效性、合理性。     

基于核化图嵌入的最佳鉴别分析与人脸识别

将压缩映射和同构映射引入核化图嵌入框架(kernel extension of graph embedding,简称KGE),从理论上证明了KGE框架内的各种核算法其实质是KPCA(kernel principal component analysis)+LGE(linear extension of graph embedding,简称LGE)框架内的线性降维算法,并且基于所给出的理论框架提出了一种综合利用零空间和非零空间鉴别信息的组合方法.任何一种可以用核化图嵌入框架描述的核算法,都可以有相应的组合方法.在ORL,Yale,FERET和PIE人脸数据库上验证了所提出的理论和方法的有效性.     

随机颜色直方图的Fisher信息融合及应用

采用在颜色空间的随机划分基础上提取随机直方图从而实现一种以动态方式提取图像颜色分布信息的方法。基于多项费歇尔几何,采用平均延拓的费歇尔信息距离量化随机颜色直方图集合之间综合的信息差异。除了为基于k-近邻的图像分类提供最直接判别元素外,融合的平均信息差异也使得在一个乘积多项流形闭包上学习随机颜色直方图集的集合成为可能。基于颜色特征的图像分类,聚类及可视化等任务此时可在减少集上完成。在ALOI数据集的部分图像集上获得的实验结果证实了方法的有效性。