三维表面的曲面描述与相似性判别

针对三维物体表面的描述和识别问题,从描述三维表面变化的基本参数-法向量出发,以法向量累积分布曲线NVCDC为不变量,对比较光滑的三维曲面,给出了一个描述形状的方法方法和相似性判别准则,并依法向量的方向角将三维空间分割成子空间,然后统计落入每个子空间的法向量个数,以得到法向量的分布,再将其排序后,即得到法向量累积分布曲线NVCDC,由于与不同的法向量累积分布曲线对应的三维曲面也是不同的,所以采用NVCDC之间的差异为相似性判别准则,对不同三维曲面进行了一对一的相似性判别,为检验该方法的效果,还对足底表面进行了实验,结果表明,该曲面描述方法与相似性判别则是有效的。     

基于线性判别边信息结合PHL的三维人脸识别

针对三维人脸识别中受光照、姿态、表情等变化而影响识别性能的问题,提出了一种原型超平面学习算法。利用SVM将弱标记数据集中的每个样本表示为一个原型超平面中层特征,使用学习组合系数从未标记的通用数据集中选择支持向量稀疏集;借助于Fisher准则最大化未标记数据集的判别能力,使用迭代优化算法求解目标函数;利用SILD进行特征提取,余弦相似性度量完成最终的人脸识别。在USCD/Honda、FRGC v2、LFW及自己搜集的人脸数据集上的实验结果表明,该算法优于其他几种三维人脸识别算法。     

基于度量学习的步态识别比较研究

步态识别是一项根据人在行走中的动作特征进行身份识别的技术,与其他生物特征识别方法相比,其可以实现远距离、非接触识别,在监控、安防等领域有着广泛的应用。度量学习在模式识别任务中起着非常重要的作用,其从训练样本中学习出合适的距离函数来度量样本间的相似性,以提高识别率。为此,从度量学习视角对步态识别问题进行研究,比较分析几种经典的度量学习方法在步态识别中的性能表现。首先从步态序列中提取步态能量图作为行人的步态特征,然后使用度量学习方法学习距离度量,使得在该度量下同一类样本间的距离最小化和不同类样本间的距离最大化,以提升步态识别的正确识别率。在广泛使用的CASIA-B与CASIA-C步态数据集上进行了一系列的对比实验,实验结果展示了几种度量学习方法的识别性能,为今后的步态识别研究提供了一些基准结果。     

基于小波变换和相似性度量的视频文字识别

视频文字识别在视频分析与检索中有着重要作用,该算法对字幕图像进行N层小波分解,获得该视频文字的低频分量,再借助相似性度量方法实现视频文字的识别.实验结果表明,基于小波变换和相似性度量的视频文字识别算法能有效避免复杂背景等因素影响,有效提高视频文字的识别效率.     

基于离均差的时间序列相似性度量

 时间序列的相似性度量是数据挖掘领域研究的一个热点,高维多元时间序列数据一般含有大量的噪声不利于相似性的比较。针对现有的时间序列度量方法存在的问题,在改进的时间序列自底向上融合算法的基础上,提出一种新的基于离均差的时间序列相似性度量的夹角余弦算法(Angle Cosine Metric Similarity,ACMS)。ACMS算法将时间序列等价为一个多维度的向量,充分考虑2个向量的方向和大小特征,增强振幅变化的鲁棒性,减少人为干扰,对数据挖掘中的聚类和预测具有帮助作用。     

基于相似性度量方法的图像检索

图像检索的目的是找出检索对象集中的所有与指定样本图像相似的图像.基于内容的图像检索近年来得到了广泛的研究,人们已经提出了许多基于特征的图像检索算法,在以往的算法中表达图像特征的相似度通常采用距离法,但是这种距离法存在很多不足之处.为了克服这些不足,介绍了一种特征矩阵的构造方法并利用特征矩阵来计算图像的相似度,以此来进行图像检索.     

基于加权相似性度量的特征匹配方法

针对图像特征匹配过程中采集图像易受噪声、光照、尺度等因素影响使产生的匹配结果鲁棒性差、误匹配率高等问题,提出一种基于加权相似性度量(WSM)的特征匹配方法.该方法首先采用基于网格多密度聚类的特征匹配(FM_GMC)算法对原始图像进行特征聚类块划分;其次在每一特征聚类块中,采用Canny提取边缘特征点并使用尺度不变特征变...     

基于信息模型的企业过程度量研究

探讨了企业过程度量的作用和意义,分析了企业信息模型能够支持企业过程度量的原因和需要进行改进的地方;提出了一个度量信息模型,将企业过程模型中的信息需要映射到企业信息模型,在基本上不改变现有信息模型的情况下,实现对企业过程度量的支持;简单阐述了实现度量信息模型的实现方法;为企业过程模型与信息模型的集成提供一种方法和机制。     

基于信息度量的图像特征与文本图像分类

作为一种基本图像类型,文本图像在电子商务等方面得到了广泛应用。针对图像数据库中文本图像识别与分类的应用需求,依据文本图像数据与连续色调图像的总体灰度分布差异,该文提出了一种基于图像信息度量(Picture Information Measure IPIM)的图像特征和基于该特征的文本图像分类方法。约2G、800幅网络图像数据库的分析和实验表明,图像的PIM特征可以显著区分文本图像和连续色调图像,识别和分类效果好。     

基于语料库的潜语义信息度量

为关键词定义了与主题或语义相关联的信息度量.首先获取基于主题的语料库,然后建立语料库的潜语义向量空间模型,通过该模型定义关键词的信息度量.由此可以计算任意文档包含该主题的信息量,定义文档对主题的隶属度.设定文档对主题隶属度阈值,从而判断文档是否属于该主题类.实验表明,与主题或语义关联的信息度量可以克服搜索中"词匹配"的不足,达到"语义匹配"的搜索.     

基于曲面曲率和RLDA的3D掌纹识别方法

提出一种新的3D掌纹识别方法,利用掌纹曲面的3D曲率信息提高当前2D掌纹识别算法的精确度和鲁棒性。首先因曲率是3维物体的重要表征,能够与视点无关地表现曲面的局部形状,不管手掌发生旋转或者平移,曲率信息都是稳定的,因此提取3D掌纹的均值曲面曲率特征来刻画3D掌纹的曲面特征;继而获得3D掌纹映射到2D空间上的灰度图像——均值曲率图像(MCI);然后在获得的MCI上采用正则化的LDA(RLDA)方法来进行二次特征抽取,以消除传统线性判别分析(LDA)应用于识别时存在的小样本问题和优化准则函数并不直接与识别率相关等问题。实验结果表明,所提出的方法相比与传统的LDA、PCA、ICA、LPP等方法有更高的精度和速度。     

三维生物特征识别进展

迄今为止的绝大多数生物特征识别系统都是基于二维图像的。而成像过程中必有物体三维信息缺失,这使得单纯基于二维图像的特征识别研究在经历了一段时间的发展后,停滞不前。越来越多的研究者开始关注三维生物特征识别技术。利用三维生物特征数据可以充分发掘深度、曲率信息并较好地处理光照、姿态的影响,从而进一步提高识别率。论文综述了该领域当前的国内外研究现状,并探讨了面临的主要困难以及未来的发展方向。     

Shape preserving data reduction for 3D surface points

In reverse engineering, vast amounts of point data captured by certain types of scanners significantly increase the complexity and reduce the efficiency in downstream activities, such as surface modelling and manufacturing. Data reduction has therefore become an important issue. A new data reduction algorithm for surface points is developed to preserve the original shape using an error metric based on a Hausdorff distance of principal curvature vectors. The performance of the proposed method is illustrated by its application to a test surface and an industrial surface.     

切片级管线表面三维重建

在比较表面重建中的面绘制法和体绘制法以及面绘制中的切片级和体素级两种表面重建方法、分析表面重建流程的基础上,提出了一种计算型值点集的方法,它在计算弯道部分的管线时较为简便。该方法通过二次曲面求管线表面轮廓方程进而求得管线的型值点集。之后用三角网格对型值点集进行拼接来获得管线的表面模型,最后利用图形学的方法对管线表面模型进行绘制,达到管线表面三维重建的目的。文末利用Java3D给出了一个具体的实现。     

基于贝叶斯网络的步态识别

步态作为一种重要的生物特征由于其远距离身份识别能力而逐渐受到人们的重视。本文提出了一种基于贝叶斯网络的步态识别方法。首先应用背景差方法获得运动人体侧面二值图像,将侧面像分为七部分来提取特征,采用最大方差法对训练集进行离散化,对各部分分别建立贝叶斯网络,最后利用“投票”规则将网络推理结果进行组合。将该方法在Soton步态数据库上进行试验,取得了比较理想的识别效果。     

基于小波变换和SVM的眉毛身份验证系统研究*

为了对眉毛这一新颖生物特征开展识别研究,提出了一种基于小波变换方法和支持向量机（SVM）的眉毛身份验证方法。其基本思想是用小波变换提取眉毛图像特征,然后用SVM进行训练和验证。在自建的100人眉毛数据库中进行的实验结果表明,该系统具有较低的错误拒绝率29.58%和错误接受率8.22%,从而验证了眉毛用于个人身份鉴别的可能性和有效性。     

基于曲度特征的三维模型检索算法

针对如何提高复杂曲面的三维模型的检索精度的问题,提出了一种基于曲度特征的三维模型检索算法。首先,在模型表面选取随机采样点,计算点所在局部曲面的高斯曲率和平均曲率,通过高斯曲率和平均曲率求出随机点的曲度值,曲度值表明了曲面的凹凸属性。然后,以模型的质心为球心,以随机点与质心距离和曲度值为坐标轴建立坐标系,统计出一定距离范围内曲度值分布的概率,构建距离与曲度的分布矩阵,以此分布矩阵作为三维模型特征描述符。该特征描述符具有旋转不变性和平移不变性,能够很好地反映复杂曲面的几何特征。最后,通过比较分布矩阵给出不同模型间的相似度。实验结果表明,该方法相比形状分布算法的检索性能有较大提高,尤其适用于具有复杂曲面的三维模型检索。     

Multimodal biometrics: Weighted score level fusion based on non-ideal iris and face images

The iris and face are among the most promising biometric traits that can accurately identify a person because their unique textures can be swiftly extracted during the recognition process. However, unimodal biometrics have limited usage since no single biometric is sufficiently robust and accurate in real-world applications. Iris and face biometric authentication often deals with non-ideal scenarios such as off-angles, reflections, expression changes, variations in posing, or blurred images. These limitations imposed by unimodal biometrics can be overcome by incorporating multimodal biometrics. Therefore, this paper presents a method that combines face and iris biometric traits with the weighted score level fusion technique to flexibly fuse the matching scores from these two modalities based on their weight availability. The dataset use for the experiment is self established dataset named Universiti Teknologi Malaysia Iris and Face Multimodal Datasets (UTMIFM), UBIRIS version 2.0 (UBIRIS v.2) and ORL face databases. The proposed framework achieve high accuracy, and had a high decidability index which significantly separate the distance between intra and inter distance.     

Face recognition based on 3D ridge images obtained from range data

In this paper, we present an approach for 3D face recognition from frontal range data based on the ridge lines on the surface of the face. We use the principal curvature, k_max, to represent the face image as a 3D binary image called ridge image. The ridge image shows the locations of the ridge points around the important facial regions on the face (i.e., the eyes, the nose, and the mouth). We utilized the robust Hausdorff distance and the iterative closest points (ICP) for matching the ridge image of a given probe image to the ridge images of the facial images in the gallery. To evaluate the performance of our approach for 3D face recognition, we performed experiments on GavabDB face database (a small size database) and Face Recognition Grand Challenge V2.0 (a large size database). The results of the experiments show that the ridge lines have great capability for 3D face recognition. In addition, we found that as long as the size of the database is small, the performance of the ICP-based matching and the robust Hausdorff matching are comparable. But, when the size of the database increases, ICP-based matching outperforms the robust Hausdorff matching technique.     

基于三维加速度传感器的上肢动作识别系统

设计一种基于三维加速度传感器的上肢动作识别系统.该系统通过采集两个三维加速度传感器的加速度数据,对数据进行预处理、使用小波变换后得到特征向量,利用蚁群算法进行特征选择,最终由支持向量机进行动作类型分类.实验结果表明,该系统能快速地、有效地对动作信号进行分类判别.