聚类与跟踪相结合的人脸数据集生成方法研究

为提高人脸数据集生成的准确率和效率,提出了一种将人脸跟踪与人脸聚类相结合的人脸数据集生成方法.首先,对KCF算法进行改进,并将改进的KCF算法用于人脸跟踪,得到不同时间片段的人脸图像集; 其次,从每个人脸图像集中通过人脸图像优选算法选出高质量的人脸图像; 再次,将优选出来的人脸图像进行人脸聚类,以完成视频中每个人的人脸数据集的生成; 最后,通过实验对比基于人脸跟踪、基于人脸聚类和基于本文方法的人脸数据集生成效果.实验结果表明,本文方法与基于人脸跟踪的人脸数据集生成方法相比,纯度提升约15%; 与基于人脸聚类的人脸数据集生成方法相比,效率提升约50%.     

基于小波统计特征的行块级朝汉文种辨识

提出了一种基于小波统计特征的朝汉文种识别方法．首先计算行文档图像的垂直及水平方向的投影;其次对垂直方向的投影及水平方向的投影进行一维小波分解并分别计算小波统计特征,然后将两个方向上的小波统计特征进行合并作为该文档图像的特征向量（本文方法构造的特征向量仅为11维）;最后通过神经网络进行训练和测试,结果显示平均测试准确率超过94％．     

基于Gestalt视觉心理学和最小F-范数的图像显著区域检测和分割

摘 要：根据Gestalt视觉心理学说,提出了一种新的图像显著区域检测方法。首先,通过不同程度降低双对立颜色或亮度的特征图像对比度来抑制图像中次要特征对应的区域,增强主要特征对应的显著性区域;其次,通过矩阵的最小F-范数确定符合Gestalt视觉心理学的特征图像的合成方案,并利用Gestalt视觉心理学的核心理论来检验和自适应修改组合方案,得到最佳的显著图;最后利用Otsu法对显著图像进行二值化操作来完成图像的分割。实验结果表明,本文算法可以从复杂的自然彩色图像中较为完整地提取并分割显著目标,实验结果与MSRA数据库手工分割结果相一致,在满足实时性需求的基础上能比传统方法更加准确、完整地提取图像的显著性区域。     

一种新型的基于熵值的分形图像压缩算法

分形压缩技术存在很多优点,但其还存在编码时间过长的缺点.理论已经证明IFS不会改变图像块的熵值.本文提出了一种基于改进熵值的分形压缩算法:一是采用改进的熵值进行判断,降低了算法的复杂度,二是通过合并定义域池使编码时间减少.实验结果表明,采用该方法时的编码时间和PSNR较其他算法有明显提高,压缩比也有所提高.     

一种基于八邻域链码的掌纹图像定位方法

准确地检测出手掌轮廓线的角点是对在线掌纹图像进行精确定位的关键.目前已有的角点检测算法不能自动地提取出定位有用的角点.通过分析手掌轮廓线的8-邻域链码在角点附近的变化规律,提出了一种快速而有效的掌纹图像的轮廓特征点检测方法.首先,采用LOG边缘算子检测出二值掌纹的图像的边缘并用轮廓跟踪方法获得掌轮廓线的8-邻域链码;其次,根据手掌轮廓的8-邻域链在特征点附近的变化规律精确地检测出手掌轮廓特征点;最后,根据检测出的特征点建立参考坐标系,对掌纹图像进行定位.实验结果表明该方法是快速而有效的.     

右转车流及对向行人影响下的行人过街延误模型

通过分析车头时距随交通流量而变化的统计特性,提出了基于车头时距分布的自适应的行人过街冲突延误计算模型。根据低交通流量情况下车头时距服从负指数分布时的行人过街冲突延误,分别推导出中等交通流量及高交通流量情况下的行人过街冲突延误计算模型;结合无干扰条件下的相位延误和对向行人流阻滞延误得到干扰条件下的行人过街总延误计算模型;通过Vissim仿真实验对模型进行了准确性验证,其偏差小于3%。此外,将提出的行人过街延误模型与以机动车到达间距服从负指数分布为假设前提的行人过街延误模型进行误差比较,结果表明所提出的延误模型误差更小。