频谱脸：一种基于小波变换和Fourier变换的人像识别新方法

提出了一人基于小波变换和Ｆｏｕｒｉｅｒ变换的人像识别新方法,它首先对人像作适当层数的二维小波分解,然后对其低频的子图象作Ｆｏｕｒｉｅｒ变换,从而获得原人像的一个低维空间的表达,该表达是振幅谱位移不变的。在Ｙａｌｅ和Ｏｌｉｖｅｔｔｉ人像数据库上的实验表明,频谱脸的方法比ＰＣＡ的方法和空间模式匹配法有更佳的识别效果,特别是它能有效地消除因为人像的表情变化和少许遮掩带来的识别误差。     

融合视觉模型和最大类间方差的阈值分割算法

针对传统二维直方图的区域划分方法存在把图像的部分目标点和背景点错误划分为边缘点或噪声点,而把部分边缘点和噪声点划分为目标点和背景点的缺点,以及传统二维最大类间方差阈值分割算法的时间复杂度较高的缺点,提出了采用视觉模型构造二维直方图,并提出了该二维直方图的区域划分方法,同时还把提出的二维直方图应用到最大类间方差阈值分割算法中。根据分割时间、分类误差、均匀性等定量评价标准,做了一系列实验,与几种典型的二维阈值分割算法相比,提出的阈值分割算法在降低计算复杂度的同时还具有很好的分割性能。     

基于视觉感知和等周割的二维阈值分割算法

二维阈值分割方法没有考虑人类视觉感知的特性,将整个灰度级区域作为分割阈值的搜索空间.同时等周割图像分割方法没有直接考虑图像的灰度信息以及迭代终止条件难以确定的问题,因而对灰度图像的分割效果不甚理想.因此提出了一种融合视觉感知和等周割的二维阈值分割方法,该方法首先利用视觉感知的特性选择候选阈值向量所在的灰度区域,再将等周割作为准则,从候选阈值向量中选出最小等周率所对应的候选阈值向量作为最佳的分割阈值向量.在一系列图像上的实验结果表明,与几种经典的二维阈值分割方法相比,所提算法的分割效果更好.     

图模型在彩色纹理分类中的应用

纹理分析中往往将彩色图像转换为灰度图以降低计算复杂度,这样就忽略了颜色信息。而利用主成分分析 的方法来降维彩色纹理,则可以尽可能地保留颜色和纹理信息。高斯图模型(Uaussian Graphical Models, GGM)可以 很好地描述有交互作用的高维数据,因此可用来建立图像纹理模型。根据局部马尔可夫性和高斯变量的条件回归之 间的关系,可将复杂的模型选择转变为较简单的变量选择。通过惩罚正则化方法,其部域选择和参数佑计可同步进 行,然后提取纹理特征进行彩色纹理分类,实验显示其具有很好的效果。因此,结合主成分分析和高斯图模型来构建 彩色纹理模型有很好的发展前景。     

纹理分析中的图模型

纹理作为一种重要的视觉特征,广泛应用于图像分析。高斯图模型（GGM）可以很好地描述有交互作用的高维数据,因此可用来建立图像纹理模型。根据纹理特征的局部马尔可夫性和高斯变量的条件回归之间的关系,将复杂的模型选择转变为较简单的变量选择,应用惩罚正则化技巧同步选择邻域和估计参数。提取基于图模型的纹理特征分析纹理,实验显示了很好的效果。因此,利用高斯图模型来构建纹理模型有很好的发展前景。     

电力企业安全文化建设探索

企业文化作为企业发展的核心价值观,对企业管理和发展的重要性在世界已达成共识,是一个企业健康快速发展的精神基石.对于电力企业而言,安全是永恒的主题,因此电力企业的企业文化建设必须紧紧围绕安全开展,将安全文化融入企业核心管理理念中,通过意识形态的传播使职工时刻树立“安全第一”的理念,通过企业文化建设的积极作用构筑坚强智能电网.     

10kV母线接地现象的原因分析

电力调度员作为本级电网的安全、稳定、可靠和经济运行的指挥者和协调者，无论是在正常操作还是在异常故障处理中，都必须进行正确、清醒、冷静地分析，以确保人身、电网和设备安全。如果调度员指挥不当，出现误调度、误操作、误判断等人为责任事故，将会引起性质恶劣、后果严重的事件。     

DCT域上人脸光照正则化及识别

现有的光照正则化处理算法,都是在空间域中进行的,为避免海量图像解压缩的时间消耗,在JPEG图像上直接进行光照正则化处理,提高人脸识别效率,在DCT域上,基于三维辐照度方程,把差图像法推广到了DCT域上,并在DCT域上提出了分量图像法。实验表明：差图像法与分量图像法均能在DCT域中有效地削弱光照方向对人脸识别的负面影响。     

一种基于静态和动态特征的步态识别新方法

最近,利用步态对个人身份进行识别受到越来越多生物识别技术研究者的重视。步态能量图(Gait EnergyImage,GEI)是一种有效的步态表征方法。把步态能量图分解为身体相关能量图(Body-Related GEI,BGEI)、步态相关能量图(Gait-Related GEI,GGEI)、身体步态相关能量图(Body-Gait-Related GEI,BGGEI)3部分,利用傅立叶描绘子对身体相关能量图(BGEI)、身体步态相关能量图(BGGEI)进行描述,利用Gabor小波提取步态相关能量图(GGEI)的幅值特征,分别研究了它们的识别能力,并在Rank层和Score层融合步态相关能量图(GGEI)、身体步态相关能量图(BGGEI)这两部分信息用于步态识别。该算法在CASIA数据库上进行的试验取得了较高的正确识别率。     

一种新的去除混合噪声的变分模型及其应用

由于现有的某些去噪模型仅对某种噪声特别有效,而对其它类型噪声的效果却不够显著,因此提出一种能有效地去除多种噪声的变分模型,它融合了几种经典去噪模型的优点,并在数值求解时采用了高效且无条件稳定的AOS算法.数值实验表明,与现有的一些去噪方法相比,提出的去噪方法耗时少且效果更好.最后给出了解的存在性证明.