多分类器融合的指纹全局特征协同识别

指纹识别是生物特征识别中的热点,指纹全局特征识别具有明显的优势,但是单一分类器一般不能取得满意的识别效果。本文采用贝叶斯理论分析了常见的积、和、中值以及投票多分类器融合方法,并根据实际的选举情形,对投票法进行了2种改进。然后对3种指纹全局特征协同识别分类器:灰度值、主分量以及方向场分类器进行决策层融合,并采用了一种崭新而高效的协同模式识别方法。对FVC2002指纹库的实验表明:该方法具有较好的分类性能,预处理与特征提取简单、计算复杂度低、识别速度快、对污损指纹具有可靠的识别率、鲁棒性强,而且应用于身份认证中也取得了较好的认证效果。     

一种基于Fuzzy ART的层次化彩色图像分割算法

针对传统彩色图像分割中出现的单纯利用颜色空间,只考虑图像的全局分布,或是只考虑图像的局部区域和边缘信息等问题,提出了一种基于Fuzzy-ART模型的层次化彩色图像分割算法。该算法有效地利用图像的亮度空间分布、细节信息以及颜色空间信息,对图像进行分级特征提取,利用Fuzzy-ART模型基于人类视觉特性的稳定、快速的在线学习和记忆能力,对图像进行层次化的区域划分,形成对图像的分层表达方式,从而达到良好的分割效果;将其与FFCM算法进行比较,取得了较好的结果。     

飞行时间3维相机的多视角散乱点云优化配准

针对目前基于飞行时间(TOF)原理的3维相机实现物体完整表面的3维点云重建过程中,多视角散乱点云配准精度低的问题,提出一种优化配准方法。该方法通过构建一个目标功能函数,并结合相邻点云的转换矩阵对该目标函数进行最小化求解,直接获取任意位置的点云到基准点云所处坐标系的绝对转换矩阵,避免了对连续点云之间的配准而引起误差的累加。对不同的物体进行实验,实验结果表明,该方法在保证点云配准速度的同时,提高了多视角点云配准的精度,物体点云模型重建效果较好,有利于实现后期3维曲面网格的重建。     

关于AM学习样本选择的实验研究

本文针对联想记忆网络学习样本的选择问题,从网络的泛化能力入手,讨论了学习样本的数量、质量和选取方法问题.并通过一个交通标志形状识别系统的实验,给出了如何确定联想记忆网络学习样本的数量、质量和选取方法的建议.     

浅析Speaking Activities在高中英语阅读课中的功能

Speaking activities(SA)在高中英语课教学中的功能很强,特别是在高中英语阅读课教学中的功效尤为明显。它可以使得课堂教学富有变化性,有助于提高学生的阅读理解能力,更加丰富学生的表达。     

基于层次聚类的多颜色空间融合分割方法

针对自然图像分割中,由于单一的颜色空间难以表示复杂多变的场景信息以及目标与背景的低对比度等产生的过分割和误分割问题,提出了选择RGB、XYZ和LUV这3个颜色空间的增强图像进行基于层次聚类的融合分割的新方法.对Berkeley分割图像库中的多幅图像进行了多组分割实验,并与Mean-shift等多种经典分割方法进行了定性...     

偏振探测系统的摄像机标定与图像畸变校正研究

偏振探测在许多相关领域的应用日益广泛,探测系统的标定及校准是精确提取被探目标的前提.本文针对偏振探测系统,分析了基于2D平面标靶的摄像机标定算法,建立了摄像机线性模型和非线性畸变模型,通过线性及非线性结合的算法,得到了精确的摄像机内外部参数.利用镜头的畸变模型,提出了一种采用牛顿迭代算法来求解高阶非线性方程组对图像畸变校正的方法,建立了各像素点畸变量与到畸变中心距离的关系,最后对畸变校正前后的图像进行了测试实验,测试结果表明:测试点实际畸变大小符合理论畸变量关系,很好地验证了镜头的径向畸变特性;经畸变校正后的偏振图像能有效提高被探目标提取的准确率,偏振图像的畸变校正对复杂背景下目标提取准确率的影响最明显.     

认知图研究现状与发展趋势

认知图是一种关于因果知识的网络模型,由概念及概念之间的关系组成,可用于鸟瞰智能系统的概念结构.作为智能信息处理的重要工具,它提供了一个有效的软计算方法来支持基于先验知识的自适应行为.本文综述认知图的研究背景,分析和比较古典认知图、模糊认知图、扩展的模糊认知图、神经元认知图、基于规则的模糊认知图等几种重要模型的主要构成及研究现状,探求它们之间的内在联系.并结合作者的研究基础,给出认知图几种可能的发展趋势,以期对该模型的研究与发展起一定的推动作用.     

基于金字塔式双通道卷积神经网络的深度图像超分辨率重建

针对深度图像分辨率低的问题,构建了一种金字塔式双通道深度图像超分辨率卷积神经网络。在金字塔的每一级,通过两个通道对低分辨率深度图像提取不同的有效特征,通道1为增强型残差结构,可以将丰富的图像细节传递到后面的图层,通道2将不同卷积层提取的特征连接起来作为此通道最后一层卷积层的输入,有益于局部特征和全局特征的结合。接着,通过将不同通道融合后的特征输入亚像素卷积实现超分辨率重建。实验结果表明,相比其他方法,该方法得到的超分辨率图像缓解了边缘失真和伪影问题,有较好的视觉效果。     

改进的PMD距离图像超分辨率重建算法

PMD(photonic mixer device)相机是一款基于TOF(time-of-flight)技术的3维成像系统,在获得2维灰度图像的基础上,能够同时捕捉距离图像和幅度图像。但它的主要缺点是分辨率低,并存在较大的随机噪声。针对此问题,结合PMD相机幅度信息和双边滤波器的特点,提出一种改进的非连续自适应马尔科夫随机场(DAMRF)模型的超分辨率重建方法,该模型引入调制信号幅度A的平方作为可信度,将其作为权值对传统DAMRF模型中能量函数的距离项进行自适应加权,从而增加距离图像每个像素点在平滑过程中的权值。该方法不仅提高了距离图像的空间分辨率,又能有效地对距离图像进行滤波去噪,同时也增强了距离图像的边缘信息,较好地保持了图像边缘的连续性。实验结果表明,该方法的重建结果优于传统DAMRF模型的超分辨率方法,获得重建图像的信噪比(SNR)和均方根误差(RMSE)都有较好的改善,重建图像的视觉效果也得到一定的提高。