以数字搜索树表示的二值图象的几何变换

本文介绍以数字搜索树表示的二值图象的一种几何变换算法，文中讨论了四分区与正四边区的基本关系，输出ＤＳＴ结点成立的充分条件，给出了完整的几何变换算法并对算法的复杂性作了分析。     

改进的TNAM二值图像表示方法

提出了一种改进的TNAM二值图像表示方法,简称ITNAM表示方法。给出了ITNAM算法的形式化描述,并对其存储结构、总数据量和时空复杂性进行了详细的分析。以图像处理领域里惯用的标准‘Lena’,‘Baboon’和‘Peppers’等二值图像作为典型测试对象,对其进行了理论分析和实验,结果表明,与新提出的TNAM方法和经典的线性四元树表示方法相比,ITNAM表示方法具有更少的子模式数(或节点数),能够更有效地减少数据存储空间,是二值图像模式的一种更优的表示方法。     

三角形和矩形NAM的二值图像表示方法

图像表示是图像处理和模式识别领域里的一个重要研究内容.借助于三角形和矩形布局问题的思想,提出一种三角形和矩形NAM(非对称逆布局的模式表示模型)的二值图像表示方法,同时给出编解码算法的形式化描述,并分析了该算法的总数据量.理论分析和实验结果均表明:与流行的线性四元树表示方法相比,三角形和矩形NAM表示方法能更有效地减少节点数和数据存储空间,是二值图像模式的一种良好的表示方法.     

基于全局二值模式的特征提取方法及其应用

提出一种全局二值模式(GBP)的纹理分析方法,解决局部二值模式(LBP)易受噪声影响的问题.GBP中采用一个大邻域模板的平均值代替LBP中的中心像素,弱化了噪声的影响,但GBP对光照不均的抵抗能力不如LBP.在钢板表面缺陷识别中,由于钢板表面图像既有较大的噪声,又存在着严重的光照不均现象,因此提出GBP与LBP二维直方图结合的方法,该方法结合GBP和LBP的特性.将该方法应用于中厚板和连铸坯表面缺陷的识别,实验结果表明GBP与LBP的结合方法同时具有光照不变性和对噪声不敏感的特性,对裂纹缺陷的识别率达到96%以上.     

代码变更表示学习及其应用研究进展

代码变更是软件演化过程中的关键行为,其质量与软件质量密切相关.对代码变更进行建模和表示是众多软件工程任务的基础,例如即时缺陷预测、软件制品可追溯性恢复等.近年来,代码变更表示学习技术得到了广泛的关注与应用.该类技术旨在学习将代码变更的语义信息表示为稠密低维实值向量,即学习代码变更的分布式表示,相比于传统的人工设计代码变更特征的方法具有自动学习、端到端训练和表示准确等优点.但同时该领域目前也存在如结构信息利用困难、基准数据集缺失等挑战.对近期代码变更表示学习技术的研究及应用进展进行了梳理和总结,主要内容包括:(1)介绍了代码变更表示学习及其应用的一般框架.(2)梳理了现有的代码变更表示学习技术,总结了不同技术的优缺点.(3)总结并归类了代码变更表示学习技术的下游应用.(4)归纳了代码变更表示学习技术现存的挑战和潜在的机遇,展望了该类技术的未来发展方向.     

融合LBP和局部稀疏表示的人脸表情识别

为更好获取人脸局部表情特征,提出了一种融合局部二值模式（Local Binary Pattern,LBP）和局部稀疏表示的人脸表情特征与识别方法。为深入分析表情对人脸子区域的影响,根据五官特征对人脸进行非均匀分区,并提取局部LBP特征;为精细刻画人脸局部纹理,整合人脸局部特征,设计了人脸局部稀疏重构表示方法,并根据表情对各局部子区域的影响因子,加权融合局部重构残差进行人脸表情识别。在JAFFE2表情人脸库上的对比实验,验证了该方法的可行性和鲁棒性。     

一种新的基于TNAM的二值图像表示方法

分层数据结构在计算机视觉、机器人、计算机图形学、图像处理、模式识别等领域里是非常重要的区域表示方法,但是这种结构过于强调分割的对称性,因此不是最优的表示方法。借助于三角形Packing问题的思想,提出了一种新的基于TNAM（三角形非对称逆布局的模式表示模型）的二值图像表示方法。通过描述TNAM模型,给出了一个新的基于TNAM的二值图像表示的编解码算法并分析了该算法的总的数据量。理论分析和实验结果均表明：与流行的线性四元树表示方法相比,基于TNAM的二值图像表示方法能够更有效地减少数据存储空间,是二值图像的一种较好的表示方法。这种方法可以应用于二值图像模式表示的各个方面,在降低存储空间、提高传输速度、加快处理过程等方面具有良好的理论参考意义和实际应用价值。     

二值图象的快速标记方法及其应用

连通区域标记(Connected Components Labeling，CCL)是图象处理中的基础算法，是机器视觉和模式识别中提取目标、分析目标几何特征的常用方法。本文采用一种基于游程的二值图象表示和基于树的标号合并的快速标记及图象几何特征的分析方法，给出其在电极图象在线检测中的应用以及与其它方法的比较，实验结果表明，该方法是快速、有效的。     

知识表示学习研究进展

人们构建的知识库通常被表示为网络形式,节点代表实体,连边代表实体间的关系.在网络表示形式下,人们需要设计专门的图算法存储和利用知识库,存在费时费力的缺点,并受到数据稀疏问题的困扰.最近,以深度学习为代表的表示学习技术受到广泛关注.表示学习旨在将研究对象的语义信息表示为稠密低维实值向量,知识表示学习则面向知识库中的实体和关系进行表示学习.该技术可以在低维空间中高效计算实体和关系的语义联系,有效解决数据稀疏问题,使知识获取、融合和推理的性能得到显著提升.介绍知识表示学习的最新进展,总结该技术面临的主要挑战和可能解决方案,并展望该技术的未来发展方向与前景.     

指节纹识别综述*

相比其它生物特征,指节纹具有特征丰富,采集设备价格低,易于结合手形、手指静脉及掌纹组成性能鲁棒的多模态识别系统等优点.文中首先介绍指节纹的定义、数据采集、预处理方法等,之后详细介绍各种指节纹识别算法及多模态识别方案.根据特征提取及匹配方法的不同,将指节纹识别算法分为6类:基于结构的算法、基于子空间学习的算法、基于编码的算法、基于纹理特征的算法、基于相关滤波器的算法和基于局部特征描述子的算法.回顾和总结各种算法的特点,展望未来指节纹识别的发展方向.     

基于特征优选和字典优化的组稀疏表示表情识别

针对在小样本人脸表情数据库上识别模型过拟合问题,文中提出基于特征优选和字典优化的组稀疏表示分类方法.首先提出特征优选准则,选择相同类级稀疏模式、不同类内稀疏模式的互补特征构建字典.然后对字典进行最大散度差优化学习,使字典在不失真重构特征的同时具有较高鉴别能力.最后联合优化后的字典进行组稀疏表示分类.在JAFFE、CK+...     

双人交互行为的稀疏表征方法*

提出一种双人交互行为的稀疏表征方法,融合体现全局变化的轨迹特征和突出区域运动的时空特征。首先,采用词袋模型得到轨迹特征的稀疏表示。然后,对提取的时空特征采用三层时空金字塔分解得到多层特征,并对其进行稀疏编码,利用多尺度Maxpooling算法融合得到局部稀疏特征。最后,将2种稀疏特征加权串联得到双人交互行为的稀疏表征。采用基于隐动态条件随机场的识别算法对文中提取的稀疏表征进行验证,通过实验证明其有效性。     

基于特征空间增强重放和偏差校正的类增量学习方法

网络不断学习新的知识时会遭受灾难性遗忘,增量学习方法可通过存储少量旧数据重放以实现增量学习的可塑性与稳定性的平衡.然而,存储旧任务的数据会有内存限制及隐私泄露的问题.针对该问题,文中提出基于特征空间增强重放和偏差校正的类增量学习方法,用于缓解灾难性遗忘.首先,每类存储一个中间层特征均值作为其代表的原型,并冻结低层特征提取网络,避免原型“漂移”.在增量学习阶段,存储的原型通过几何平移变换增强重放的方式维持先前任务的决策边界.然后,通过偏差校正为每个任务学习分类权重,进一步纠正方法分类偏向于新任务的问题.在4个基准数据集上的实验表明文中方法性能较优.     

视觉目标的识别及跟踪技术的研究

结合应用的需要,通过对一些传统算法的修改优化,提出完整的视觉目标的识别算法。该算法利用图像处理方法,对外框和其中特征点进行计算。并在目标跟踪技术上,提出了一种基于可预测的搜索窗口的方法,实验证明,这加快了目标跟踪算法的处理速度,算法能提供优秀的跟踪检测并实时处理。     

基于增强空谱特征网络的空间感知协同表示算法

高光谱图像具有高维度、带间相关性较高、样本数量较少等诸多问题,直接利用表示学习算法对高光谱图像进行分类会导致严重的维数灾难.对于高光谱图像,不是所有的光谱带都可用于特定的分类任务.因此,文中提出基于增强空谱特征网络的空间感知协同表示算法.依据高光谱图像内在的低维流形构建基于空谱特征的分层网络.利用训练的网络对高维数据进...     

人机交互中视觉语言的灰度轮廓权向量差分唇形特征模型

该文结合函数变形模型和灰度轮廓向量模型的特点,给出了一种维数少、有效性高的视觉语言特征—灰度轮廓权向量差分唇形特征模型。该特征融合了嘴唇图像的形状变化信息和灰度信息,能够较完善地描述嘴唇的变化。同时,得出了一种新的视觉特征提取算法。仿真结果表明,该算法与传统的函数变形模型相比,总的特征提取准确率提高了5个百分点,每个发音图像序列特征提取的准确率提高了1.6至9个百分点,每帧图像的特征提取时间由4.6495秒下降到0.4455秒。对“1”至“10”数字发音的嘴唇图像序列进行识别,获得了较高的识别率。因此,灰度轮廓权向量差分唇形特征是一种精炼、描述性强、适合于唇读识别的视觉语言特征,该算法能自动地完成模型的训练和视觉特征的提取,是一种有效的特征提取算法。     

基于字典学习的核稀疏表示人脸识别方法

受Metafaces方法的启发,提出一种基于字典学习方法的核稀疏表示方法并成功应用于人脸识别。首先,采用核技术将稀疏表示方法推广到高维空间得到核稀疏表示方法。其次,借鉴Metaface字典学习方法,进行字典学习得到一组核基向量构成核稀疏表示字典。最后,利用学习得到的核字典基重构样本,并根据样本与重构样本之间的残差最小原则对人脸图像进行分类。在AR、ORL和Yale人脸数据库上的实验表明该方法的良好识别性能。     

基于稀疏表示的多特征融合害虫图像识别

为提高害虫图像识别的准确率,针对不同害虫具有不同的颜色、形状、纹理的特点,提出一种将颜色、形状、纹理特征与稀疏表示相融合的害虫识别方法.该方法利用已标注的训练样本构造不同特征下的训练样本矩阵,通过求解样本的最优稀疏系数以实现害虫图像识别.由于相同样本通过不同特征训练字典求解的稀疏系数不同,进而识别结果也不同.因此,文中进一步通过设计不同特征下的识别分类器实现多特征的融合.在实验室环境与农田环境下的实验结果表明,相较于其他方法,该方法的害虫识别率获得较大的提高.