一种新的图象特征抽取方法

本文提出了一种新的特征抽取方法。它可对任意形状的工件进行准确描述，并具有计算速度快、特征抽取结果简单的特点。用此算法做成的视觉系统，能识别任意放置的甚至有遮挡或重叠的二维工件，是一种较好满足工业生产线上实时性要求的算法。     

一种新的图书特征抽取方法

本文提出了一种新的特征抽取方法。它可对任意形状的工件进行准确描述，并具有计算速度快，特征抽取结果简单的特点，用此算法做成的视觉系统，能识别任意放置的甚至有遮挡或重叠的二维工件，是一种较好满足工业生产线上实时性要求的算法。     

图象理解的应用与发展

图象理解是关于图象工程中的关键环节,介绍了图象理解的概念,基本理论和方法。并指出了图象理解的应用和发展趋势。     

基于小波变换和矢量量化的人脸图象压缩

在图象的压缩编码中，矢量量化可以利用某特定类图象（加人脸）的统计特性，为了在高压缩比下获得较好的压缩效果，提出了一种新的小波变换域内进行矢量量化的算法，该算法用树结构表示小波变换域系数，并根据各节点值的重要程度，从每一棵树中提取一个矢量，然后进行矢量量化；解码时，为了使矢量分量能正确地返回到原来树中的正确位置，需利用EZW^[1]、SPIHT^[2]算法的思想标记这棵树，因为这样才能充分利用父子相关性和兄弟相关性，从而显著地减少了标记信息，在提取矢量时，可用简单的阈值剪枝算法，也可用SFQ^[3]的最佳剪枝算法，而且后者能进一步提高峰值信噪比，用该算法对人脸图象进行的压缩试验结果表明，在高压缩比（100:1左右）下，恢复的图象质量（视觉效果和峰值信噪比）比通常的小波压缩算法（如EZW，SPIHT、SFQ等）好得多，该算法特别适合于对特定类图象的压缩。     

一种基于颜色和形状的人脸检测方法

提出了一种层次式的人脸综合检测方法。结合肤色和人脸椭圆形状来检测彩色图像、复杂背景中人脸区域。最后通过人脸区域的内部灰度信息提取人脸特征，从而达到成功检测人脸的目的。。     

统计模式识别中的特征抽取

本文综述了近几年来统计模式识别中有关特征抽取方面的最新研究成果。重点介绍了图像的代数特征抽取以及作者关于奇异值特征矢量作为图像的一种代数特征方面的研究工作。     

基于地图图象的区域识别

本文的主要目的是如何使用户能够通过已有的电子地图（jpg,bmp等格式的图象文件）获取更多的地图信息，这其中要用到模式识别技术去认别地图区域。基于这个目的，提 出了相应的体系结构，包括区域特征抽取，图象预处理，区域选择、模式匹配、结果分析评价五部分，最后，对该识别方法进行了相应的分析和评价。     

一种基于相对熵的图象分割算法

提出了一种基于相对熵的图象分割算法，该算法的主要思想是通过相对熵来选择阈值，现场颗粒物料图象作为一个应用实例，在本文中得到验证，实验结果表明，提出的算法优于基于局部熵的图象分割算法。     

人脸图像自动识别技术

本文讨论了人脸识别技术（ＦＲＴ）中分割、特征提取及识别的有关方法,阐明了各种方法的基本思想、使用范围及优缺点,并给出了相应的计算公式,最后指出了对这些方法的性能进行定量评估所面临的问题。     

人脸图像的自动识别技术

本文讨论了人脸识别技术（FRT）中分割、特征提取及识别的有关方法,阐明了各种方法的基本思想、使用范围及优缺点,并给出了相应的计算公式,最后指出了对这些方法的性能进行定量评估所面临的问题。     

人脸自动检测与识别技术的研究及应用

本文提出了一种基于可疑人脸区域发现算法和结合投影图的人脸识别算法,算法在标准的人脸库上进行了实验,实验结果表明该算法能在人脸库中正确检测到绝大多数人脸的位置,并且在识别过程中体现了比标准特征脸方法更高的识别率和更小的计算量。以此算法为基础,研制和开发了一种计算机自动考勤系统。     

基于多域特征提取和决策层融合的人脸识别

为了提取人脸图像丰富、有效的互补特征集,建立三种基于空域、频域和u域(分数阶傅立叶域)的特征提取模型,分别为基于局部二元模式(LBP)的空域多分辨率特征提取模型与基于频域和u域混合特征提取模型。在决策层,用加权和的方法对三种模型得到的相识度矩阵进行融合得到总的相识度矩阵,用最近邻分类器进行分类得到识别结果。实验表明,该方法能提取出丰富、有效的判别特征,与基于单一特征形式的人脸识别方法相比,识别效果得到了较高的改善。     

基于矩阵分解的DLDA特征抽取方法分析

提出两种基于矩阵分解的DLDA特征抽取算法。通过引入QR分解和谱分解(SF)两种矩阵分析方法,在DLDA鉴别准则下,对散布矩阵实现降维,从而得到描述人脸图像样本更有效和稳定的分类信息。该方法通过对两种矩阵分解过程的分析,证明在传统Fisher鉴别分析方法中,矩阵分解同样可以模拟PCA过程对样本进行降维,从而克服了小样本问题。在ORL人脸数据库上的实验结果验证了该算法的有效性。     

纹理特征提取及分割

本文概述了近几年的纹理特征提取和分割技术,介绍了各种方法的基本思想,相关的计算公式和实验结果,最后指出了定量评价各种方法性能所面临的困难。     

自动特征识别技术综述

自动特征识别是从零件实体模型中抽取出具有特定工程意义的特征信息，由于自动特征识别构成ＣＡＤ与ＣＡＰＰ之间的智能接口，对实现ＣＡＤ，ＣＡＰＰ，ＣＡＭ集成具有重要意义，因此一直是ＣＡＤ／ＣＡＭ领域的研究热点，研究成果十分丰硕，另一方面，由于特征识别具有相当难度，该领域对仍存在的许多问题有待解决，本文对自动特征识别技术的历史和现状进行全面综述，介绍了具有代表性的特征识别方法，并阐述各个方法的特点，最后对     

基于P-ISOMAP特征脸谱的人脸识别

针对等距映射(Isometric Projection)算法计算量大且易受噪声影响的缺点,根据主成分分析(PCA)兼具降维和除噪的特性,提出一种基于ISOMAP算法的P-ISOMAP特征脸谱(PCA-ISOMAP)人脸识别技术。该算法首先通过主成分分析把人脸图映射到一个人脸图像子空间,然后在人脸图像子空间中进行等距映射降维。P-ISOMAP特征脸谱算法在保持人脸图像的全局几何特性和低维人脸流形的同时,提高了算法效率,能够有效抑制人脸图像中噪声。通过在人脸库中的实验表明,改进后的算法在识别率以及运行效率方面都优于等距映射算法。     

人脸全局特征识别研究

人脸识别是模式中的一个相当重要却又十分困难的课题。本文利用神经网络（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，简称ＮＮ）及主元分析法（Ｐｒｉｎｃｉｐｌｅ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ），简称ＰＣＡ）不同的特性提出了两种人脸识别的模型：ＮＮ＋ＮＮ模型及ＰＣＡ＋ＮＮ的模型。理论分析和实验结果表示：这两种新的识别模型可以实现优化特征抽取和自适应识别。     

无序图像自动匹配与识别

设计一个多幅无序图像的自动匹配和识别系统,能够根据用户输入的多幅无序图像进行自动匹配和识别,并对具有重叠的图像进行自动拼接。系统首先对输入的每一幅图像进行MOPS特征检测,然后通过k-d树的最近邻搜索完成不同图像特征之间的快速匹配。其次基于图像特征之间的对应关系使用RANSAC算法建立任意两幅图像之间的匹配模型,并用概率算法进行鲁棒校验。通过构建与图像匹配关系对应的无向连通图结构,实现多幅无序图像的自动识别。最后使用递归算法对无向连通图进行深度优先遍历,并用多频带融合算法消除拼接痕迹,合成相应的全景图像。实验结果表明该系统能够自动对多幅无序图像进行自动匹配与识别,验证了算法的可行性和有效性。