采用重要性面片采样的实时全局光照

提出了一种实时全局光照的计算方法。该方法支持任意视点下动态光源的一次间接光照计算,并且物体表面材质可实时编辑,该算法预计算了各面片上的形状因子来解决遮挡问题,并记录形状因子较大的重要性面片作为间接光源。渲染时先从光源方向对场景记录了一个扩展的阴影图,包含了光源照射到的面片ID和其光通量,再根据采样好的间接光源来计算间接光照。使用CUDA,整个光照计算过程在GPU中完成,可以对静态场景进行实时渲染,并能达到逼真的渲染效果。     

Fisher极小准则不相关空间算法及其在人脸识别中的应用

不相关空间算法是一种基于广义Fisher准则求解不相关鉴别矢量集的快速算法,但该算法要求总体散度矩阵可逆。针对高维小样本的情况,文中提出求解不相关鉴别矢量集的改进方法。该方法的基本思路是在类间散度矩阵的值空间中运用广义Fisher极小准则求解鉴别矢量集,并讨论在该子空间中进行求解的合理性。针对高维情况下类间散度矩阵值空间的计算效率问题,提出首先利用PCA算法将数据降维,然后在低维空间中求解值空间的策略并讨论其合理性。在ORL人脸数据库上的实验验证该方法的有效性,其识别率高于传统的Fisher脸方法和不相关空间算法。     

有限制的MFA-ICA的算法及其在图像特征提取中的应用

统的独立成分分析(IndependentComponentAnalysis,ICA)是一种无噪声模型,而实际应用中噪声是存在的。根据多元统计中的因子分析模型,改变其假设条件,从而得到一种有噪声ICA模型,对于模型参数,引入平均场近似(MeanFieldApproximation,MFA)原理来求解。针对图像特征提取,通过增加对模型参数的一些限制,使其能得到更为独立的图像特征,为图像识别提供更可靠的特征信息,从而大大提高识别率。通过仿真模拟图形以及ORL人脸数据进行实验,将传统的独立成分分析算法、无限制的MFA ICA算法以及增加限制条件的MFA ICA算法进行比较,从仿真模拟图形实验结果看,限制的MFA ICA算法能分离出更独立的特征,同时利用限制的MFA ICA算法识别效果明显优于传统ICA算法和无限制MFA ICA算法。     

基于RMFA-ICA的人脸识别

针对有噪的ICA模型,提出一种有限制的平均场近似(restrictive m ean field approxim ation,RMFA)的算法来求解ICA模型参数和源信号的估计问题.在传统MFA-ICA算法的基础上,提出将ICA中的模型参数和源信号均限制为非负,目的是使得提取出的特征更独立,更利于识别.通过手写体数字和仿真模拟人脸图形以及ORL人脸数据进行实验,将RMFA-ICA算法与传统的ICA算法和无限制的MFA-ICA算法进行比较,对于手写体数字和仿真模拟人脸图形,RMFA-ICA算法能分离出更独立的特征,对于ORL人脸数据,其结果表明,利用RMFA-ICA算法明显优于传统ICA算法和无限制MFA-ICA算法识别结果.     

采用CASPCM模型进行姿势鲁棒性人脸识别

针对ASPCM模型处理转动角度较大的人脸图像时出现的不足,提出CASPCM模型.以样本与模型中心的距离为依据将训练样本分组,为每个分组训练ASPCM模型;将局部ASPCM模型的合成映射结果加权平均得到CASPCM模型的合成结果;提出利用梯度下降法使分解映射的姿势估计逐步精确.采用精确性和概括性两个标准衡量该模型的分解性能和合成性能.实验表明,CASPCM模型的分解性能和合成性能均优于ASPCM模型;基于该模型的人脸识别系统在处理转动角度较大的人脸图像时,识别率比 ASPCM模型高7%.     

并行精确排序的快速投影四面体体绘制

投影四面体法需要对四面体集合进行逐帧排序,而相邻四面体之间的顺序制约和依赖性限制了并行排序的效率.基于以上问题,提出一种视点相关的、基于逻辑切割的快速四面体集合精确排序方法.该方法分为4个串行步骤:首先沿视线方向将四面体集合所在空间剖分成一列有序的深度区间,每个区间包含一组四面体子集;然后并行地对每个区间的子集逐层提取互不遮挡的四面体,完成精确排序;再将区间边界上的四面体进行逻辑切割,并采用分段积分计算所有四面体在区间内的颜色贡献;最后按序沿视线方向累积所有区间的颜色贡献.实验结果表明,文中方法提高了四面体拓扑排序的并行度,极大地降低了排序时间,并大幅度地改进了绘制效率.     

基于概率主成分分析的人脸识别

人脸自动识别是模式识别和图像处理等学科的一大研究热点，在身份鉴别、信用卡识别、护照核对以及监控系统等方面有着广泛的应用。提出一种基于概率主成分分析方法(PPCA)的人脸识别，该方法与传统的主成分分析(PCA)相比，克服了简单的“丢弃”其他非主成分因子，在PPCA中将“丢弃”因子作为噪声成分进行估计．同时PPCA方法是一种基于概率模型的方法，因此很容易延伸为混合模型，对于PPCA概率模型参数，提出利用EM算法对其进行估计。用两个不同的数据集(姿势表情变化集和光照变化集)，将PPCA人脸识别算法和传统的PCA算法进行比较，基于PPCA的人脸识别算法中的“丢弃”方差的收敛速度快于传统的PCA算法。实验结果表明．无论是姿势表情变化集，还是光照变化集，PPCA算法的识别率都优于传统的PCA识别算法。     

一种用于图像目标识别的神经网络及其车型识别应用

构建了一种用于图像目标识别的多层前向神经网络，给出了网络拓扑结构，并成 功地把该神经网络运用到车型识别中。该方法综合了神经网络、模糊逻辑、模式识别的相 关 算法，对图像目标轮廓进行整体识别，达到了较高的目标识别准确率。实践表明，该网 络经 过监督学习后，能摒除图像中一定量干扰像素影响，准确地识别出各种外形车的车型 。     

基于NSA多尺度模型的人脸识别

提出了NSA多尺度模型.该模型摒弃了LSA模型中不同尺度的图像间具有线性映射关系的假设.首先利用神经网络建立不同尺度图像间的映射关系;其次使用反向传播算法训练神经网络确定这种映射关系;最后根据该映射关系由低分辨率图像估计高分辨率图像.利用对比度相似性量化估计图像与目标图像间的相似程度.将该模型用于人脸识别,提出利用梯度算子进行图像分割提高识别的准确性.实验结果表明,以该模型分析得到的对比度相似性为95.3634%;以该模型为基础的人脸识别系统对光照具有很好的鲁棒性.     

基于遗传算法的车窗定位

车型识别是智能交通系统中一个重要组成部分 ,而车窗是车型识别的一个重要特征 ,因此如何更准确、更快速地定位车窗是一个关键点之一。特别是当图像的信噪比递减 ,或者由于照明、运动模糊等因素的影响 ,使得图像子区域在直方图中不一定出现明显的波峰和波谷 ,而无法检测、定位和分割出峰值不明显的图像 ,利用传统的方法往往不能得到令人满意的定位、分割效果 ,因此采用基于色度函数曲线构造的遗传算法来进行车窗的分割、定位。实验结果表明该算法抗噪能力强 ,具有很好的适应性。