基于流形学习的人体动作识别

目的 提出了一个基于流形学习的动作识别框架,用来识别深度图像序列中的人体行为。方法 从Kinect设备获得的深度信息中评估出人体的关节点信息,并用相对关节点位置差作为人体特征表达。在训练阶段,利用LE（Lalpacian eigenmaps）流形学习对高维空间下的训练集进行降维,得到低维隐空间下的运动模型。在识别阶段,用最近邻差值方法将测试序列映射到低维流形空间中去,然后进行匹配计算。在匹配过程中,通过使用改进的Hausdorff距离对低维空间下测试序列和训练运动集的吻合度和相似度进行度量。结果 用Kinect设备捕获的数据进行了实验,取得了良好的效果;同时也在MSR Action3D数据库上进行了测试,结果表明在训练样本较多情况下,本文方法识别效果优于以往方法。结论 实验结果表明本文方法适用于基于深度图像序列的人体动作识别。     

人体心脏的4维图像建模和参数分析

研究一种基于4维医学图像的活动形状模型方法,用于构建人类心脏的3维柔性模型并进行自动化参数分析,以得到心脏各方位的量化功能指标。首先,通过造影技术获取心脏周期内各时刻的立体图像,根据时间序列形成一组4维图像。在大量医学图像的基础上,用统计方法分析得到心脏的一般形状,局部的变化范围和分布概率密度,为人类心脏建立一个数字化的计算模型。在此基础上,针对具体病人进行图像分割和形状拟合以计算其心脏静态和动态形状参数,然后分析得到与心脏功能相关的一些重要参数。研究内容包括心脏模型的建立,心脏静态参数分析,心脏动态功能分析,疾病分析等,对病人心脏在特定时刻的每组图像生成其3维结构模型,为医生提供丰富有力的诊断和治疗依据。     

智能搜索算法教学软件的设计与开发

为提高人工智能导论课程的教学质量,协调好教与学的双边关系,结合教学实践,在Microsoft Visual Studio2005环境中用C++语言开发了智能搜索算法的教学软件,设计了A*算法、模拟退火算法和遗传算法的演示程序和验证程序,提供了这些算法的核心代码,方便学生开展各算法的自主实验设计。     

基于神经网络的污水处理软测量系统的研究

针对污水处理质量指标无法在线检测的问题,提出了基于人工神经网络的软测量方法。构造了污水处理质量软测量的神经网络结构,运用实际工业污水处理过程测量数据对BP神经网络进行了训练和仿真。结果表明,实能准确地进行污水处理质量的实时估计,实现污水处理质量的实时控制。     

基于小波和傅立叶变换组合的数字图像水印算法

数字水印技术是实现版权保护的有效办法之一.为实现水印图像的嵌入,提出了一种基于二维离散小波与傅立叶变换组合的灰度图像数字水印算法.首先对原始图像进行离散小波变换,选择低频子带图像LL作为水印的添加区,再将LL区进行分块,并对每一个小块作离散傅立叶变换;对嵌入的水印图像做相应的分块置乱处理,而后根据人眼视觉系统的特点结合边缘分析将水印信息以不同的强度嵌入载体图像中,最后进行傅立叶和小波逆变换生成密图.实验结果表明,算法具有较好的鲁棒性和视觉效果.     

Support vector machine incremental learning triggered by wrongly predicted samples

According to the classic Karush-Kuhn-Tucker (KKT) theorem, at every step of incremental support vector machine (SVM) learning, the newly adding sample which violates the KKT conditions will be a new support vector (SV) and migrate the old samples between SV set and non-support vector (NSV) set, and at the same time the learning model should be updated based on the SVs. However, it is not exactly clear at this moment that which of the old samples would change between SVs and NSVs. Additionally, the learning model will be unnecessarily updated, which will not greatly increase its accuracy but decrease the training speed. Therefore, how to choose the new SVs from old sets during the incremental stages and when to process incremental steps will greatly influence the accuracy and efficiency of incremental SVM learning. In this work, a new algorithm is proposed to select candidate SVs and use the wrongly predicted sample to trigger the incremental processing simultaneously. Experimental results show that the proposed algorithm can achieve good performance with high efficiency, high speed and good accuracy.     

基于半监督级联网络的高质量医学图像集增强

应用于医学图像处理的深度神经网络在训练阶段需要大量高质量图像,因此,在医学图像数据量有限的情况下,网络性能会受到局限。虽然现有的基于生成对抗网络 ＧＡＮ 的增广方法能显著增加图像的数量,但是存在合成图临床表征不准确和缺乏多样性等问题。为解决上述问题,提出了一种新颖的基于半监督学习的多输入多分辨率多模板的生成对抗网络。多通道的输入分别为模型的训练提供了基于监督学习和无监督学习的优化目标;多分辨率级联策略降低了直接生成高分辨率医学图像的难度;多类别的参考模板为各通道及各分辨率尺度上的训练提供更准确的真实医学图像临床表征;引入了过渡机制和稠密残差块,提升了模型训练的稳定性。实验结果表明：相较于其他基于 ＧＡＮ 的生成模型,该网络模型能生成更高质量、更具多样性的医学图像。     

基于核磁共振图像的人体面部软组织的分割

面部软组织的分割是医学诊断和临床治疗最重要的数据基础之一,对提高医生诊断的准确性和 保证外科整形手术的质量有重要意义．为实现面部软组织的准确分割,结合ＭＩＣＯ算法和区域生长法 设计了一种面部脂肪组织的分割方法,该方法通过灰度不均匀处理、初分类移除背景和二分割提取组 织实现了较传统算法更为准确的脂肪组织的分割．与此同时,还提出了一种新的咬肌组织分割方法, 该方法通过设计一个新的边缘停止函数改进了ＤＲＬＳＥ方法．提出的方法将相位一致性引入构造边缘 停止函数,结合图像梯度信息及相位信息解决分割问题,得到了平均准确率达９２．４１％的分割结果．     

基于最优ＲＡＮＳＡＣ算法的非增加式多视图三维重建

摘要：非增加式的多视图三维重建算法不依赖于初始重建,而是首先求解全部的摄像机参数,然后 一次性重建所有三维点,其难点在于如何精确的求得全局旋转矩阵和全局平移向量．针对摄像机旋 转矩阵计算的问题,引入最优ＲＡＮＳＡＣ算法来稳定剔除错误的二视图关系,避免了人为设定阈值 的不可靠性,提高了全局旋转矩阵的计算精度．针对摄像机平移向量计算的问题,结合了黄金分割 方法与线性规划来精确计算三视图相对平移向量,提高了相对平移向量计算的精度,从而提高了最 终全局平移向量的精度．实验结果表明,设计的算法能有效的提高三维重建精度．     

长时滞网络控制系统的Smith预估模糊PI控制器的设计

随着控制系统规模的不断扩大,控制网络的应用越来越广泛,由此产生了网络控制系统.在网络控制系统中由于网络带宽的限制,不可避免的使系统中存在网络所诱导的时延,它是导致系统性能下降甚至不稳定的一个潜在因素.针对网络所诱导的长时延,将Smith预估器应用到网络控制系统中,并通过与模糊PI控制方法相结合,构成Smith预估模糊PI控制器,设计出的控制器使闭环系统具有较好的性能和稳定性,并对于模型失配的情况具有较高的鲁棒性.仿真结果表明了所提出方法的有效性.