运动图像多维表示模型与多维变换编码技术的研究

项目简介:项目所属科学技术领域、主要内容、特点及应用推广情况:所属科学技术领域:该项目的视频压缩编码技术是多媒体中的关键技术。主要内容:该项目提出全新的视频多维数据压缩理论与技术实现方法,适合高压缩比和良好的恢复图像质量。解决IP网络与下一代移动通信网络视频传输的数据瓶颈,为视频服务器、视频监控、多媒体新业务提供崭新的解决方案。该项目主要研究内容为多维矩阵模型表征彩色图像与视频、多维矩阵DCT压缩编码、理论模拟仿真实验。该项目在世界上首次提出了多维矩阵及其变换理论,并通过DSP实现,该产品的硬件实现方案采用…     

基于离散Beamlet变换的线特征检测算法

提出一种基于离散Beamlet变换的快速新型线特征检测算法,可检测出任意方向、位置、长度的线性信息,并使线性特征的完整性和准确性都得到很好的保持。给出一种带有方向信息的多尺度的Beamlet基,利用Beamlet多尺度分析的思想,对传统的基于Bresenham直线生成的算法进行改进,通过设计偏差函数与优化的二进递归分解结合,对图像进行快速离散Beamlet变换。通过简单算法对图像的线特征进行提取,实验验证了该方法使用效果优于其他传统特征检测算法。     

一种基于非周期卷积反演模型的计算机图象恢复算法

首先描述了非周期卷积反演矩阵模型 ,其核矩阵是一个高阶矩阵 ,它无法直接用最大熵算法在一般的计算机上解决较大尺寸的图象恢复问题 .针对这一问题 ,该文给出了一种利用 FFT和 IFFT的非周期卷积反演矩阵求解的计算公式 ,从而解决了核矩阵的存储问题 ,在该公式下 ,利用共轭斜量算法可以提高迭代计算求解的收敛速度 .实验结果表明 ,该算法不仅可以在一般的 PC计算机上实现最大熵图象恢复算法 ,而且其计算量和存储设备量要求适中 ,适用于多种原因产生的图象模糊问题     

基于相位信息的人眼状态检测

为有效解决不同光照环境对人眼检测算法带来的诸多问题,提出一种基于相位信息的眼部状态检测算法,首先使用相位信息对眼部区域的边缘特征进行提取,然后依据垂直直方图统计二值化图像中白色像素数,最后设定合理阈值对人眼状态作出判断。实验结果表明,算法在保证识别正确率的同时对环境亮度变化具有较好的鲁棒性。     

简化仿射投影算法在回声抵消中的应用

针对通信中的回声抵消,介绍了一种简化的仿射投影算法,通过对仿射投影的简化,减小了算法复杂度,并对算法进行了鲁棒性设计,提高了算法的抗干扰能力和对近端语音的鲁棒性.仿真表明,算法在保持APA算法的收敛速度和信道跟踪能力的同时,具有较高的稳定性和可靠性.     

文件中色彩、字形和字体变化的显著突出作用--在不同文化背景下的调查

文章模拟决策者在制定决策过程中的基本工作,如浏览、分类、理解、记忆等,测定色彩、字形和字体对提高工作质量和效率的作用.该研究是在东、西方两种文化中进行的,将对跨文化间制作文本文件及网页设计有较大帮助.结果表明,色彩能提高浏览和分类的速度和准确度;能提高理解的速度,比字形和字体更能提高理解的准确度.两组的实验结果是相同的.但没有得出色彩在提高记忆上胜过其他3项的证据.     

基于场景知识的移动目标检测

依据背景差法中背景建模的思想,从提取场景知识的角度出发,建立待检测场景的场景知识库,从而提出一种基于场景知识的移动目标检测算法。使用改进的均值漂移算法对待检测场景进行分割,并提取分割后各个区域的底层视觉特征建立场景知识库;从新的场景帧图像中获取各区域的知识特征向量,然后根据和原场景知识库中各特征向量的匹配结果检测出移动目标信息。仿真结果表明,该方法能有效地检测出场景中原有目标和新进入场景目标的移动信息,并在一定程度上改善了目标阴影、形变等噪声对检测结果的干扰。     

基于图像模式的肺结节识别

将矩阵化最小二乘支持向量机算法应用于肺结节识别的研究,将图像矩阵作为输入,可解决空间信息丢失问题。实验选用20套CT影像,用提取出的20个结节与20个假阳测试分类器性能。正则化参数用网格搜索方法进行交叉验证,从而得到线性核下的最优参数。实验结果验证了此种方法在肺结节检测中应用的可行性及有效性。     

基于运动估计的CamShift移动目标跟踪算法

在采用CamShift算法进行移动目标跟踪时,如果目标快速移动或者有遮挡物干扰时,仅利用移动的颜色信息对进行跟踪时容易导致跟踪失败。为了解决该问题,提出了移动目标运动估计和CamShift算法相结合的目标跟踪算法。通过结合削弱背景中含有的目标颜色直方图信息和进行移动目标的运动估计,从而在存在干扰目标或目标部分被遮挡的情况下,仍能实现有效跟踪。最后通过实验验证该算法的有效性。     

基于改进的局部二值模式和SVM的人脸识别

先提取人脸图像标准的LBP特征,再分块提取且确定出相应的加权MB-LBP特征。通过支持向量机分别处理这两种特征,确定出相应的投票结果矩阵。基于一定的权重比对提取的两种特征加权融合,识别结果即融合矩阵最大值。选择ORL和AR人脸库检测了该方法的性能。