基于空间特征的汽车阴影分割方法

利用阴影区域内的点与背景对应点颜色的比值大小，以及该点和汽车的空间位置关系以及汽车的形状有关的特征，提出一种新的基于空间特征的汽车阴影分割方法，该方法不仅适用于汽车与阴影颜色差别明显时的汽车阴影分割，在当两者颜色相近时，也能获得较好的分割效果。实验结果显示了该方法的有效性。     

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。     

背景估计与运动目标检测跟踪

基于视频的自动目标检测和跟踪是计算机视觉中一个重要的研究领域,特别是基于视频的智能车辆监控系统中的运动车辆的检测和跟踪。提出一种自适应的背景估计方法来实时获得当前背景图像,从而分割出运动物体。为了准确地定位运动车辆的区域,采用差分图像投影和边缘投影相结合的方法来定位车体,同时利用双向加权联合图匹配方法对运动车辆区域进行跟踪,即将对运动车辆区域跟踪问题转化为搜索具有最大权的联合图的问题。该算法不仅能实时地定位和跟踪直道上运动的车辆,同时也能实时地定位和跟踪弯道上运动的车辆,从实验结果看,提出的背景更新算法简单,并且运动车辆区域的定位具有很好的鲁棒性,从统计的检测率和运行时间来看,该算法具有很好的检测效果,同时也能满足基于视频的智能交通监控系统的需要。     

基于GPU粒子系统的大规模场景高效雨雪实时模拟

粒子系统实现的雨雪效果能有效增强三维场景的真实感,传统基于中央处理器（CPU）运算模拟的粒子系统占用了大量CPU运算时间,难以达到实时模拟的要求。为此提出了一种基于图形处理器的（GPU）运算的粒子系统来模拟的雨雪场景。该方法通过在GPU中重复使用消亡粒子在视点坐标系内生成新粒子,并在几何着色器中将粒子的点坐标转换为矩形坐标,将CPU从复杂庞大的几何运算中解放出来,从而大幅增加了场景绘制的微粒数,使雨雪场景模拟的实时性和逼真度得到增强。     

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。     

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.     

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。     

基于两空间线性鉴别分析的小样本人脸识别

指出了线性鉴别分析及其几种改进方法在处理小样本人脸识别问题时存在的不足,提出了一种基于两空间线性鉴别分析的小样本人脸识别方法.首先将样本投影到总体散布矩阵的非零空间中进行分析;进而将类内散布矩阵分成零空间和非零空间进行鉴别向量确定和鉴别特征提取,最后将得到的两种鉴别特征融合,从而使用最近邻法进行分类.实验结果表明,在进行小样本的人脸识别时,该方法的识别效果优于其他线性方法.     

一种基于三维模型投影的人脸识别新方法

研究了使用三维人脸模型进行不同姿势下的人脸识别问题，提出了一种三维建模二维识别的人脸识别算法，首先使用该方法将三维模型向不同方向投影，进而将不同姿势的二维图像与不同方向的投影结果相匹配，进行人脸识别。研究了使用Minolta Vivid 910进行数据获取，创建三维模型的方法和过程。实验结果表明，在进行不同姿势的人脸识别时，该方法的识别速度快于三维可变形模型方法，识别率远优于使用二维正面图像作为模板的人脸识别方法。     

利用支持向量机识别汽车颜色

大类别数分类时支持向量机(SVM)数量较多，文中通过类别合并和特征空间分解，结合决策树判别方法．对SVM数量进行优化，提出了一种基于优化SVM的汽车颜色识别方法．该方法与最近邻分类方法相比，无论是在速度上还是识别正确率上都得到了提高．实验结果表明，该方法是一种快速且正确率较高的多类别分类方法，可以满足实时识别的要求．