基于可变模板的文本倾斜检测

在对文本扫描输入的过程中，文本图像不可避免地会发生倾斜，倾斜校正将为图文分割、文字识别等后续处理工作创造良好的条件。基于可变模板技术，提出一种新的倾斜检测方法。在构造表征扫描文本的可变模板和定义合适的能量函数的基础上，采用遗传算法进行快速优化搜索。实验结果表明，该方法能够精确检测文本的倾斜角度，并且不受倾角大小和文字方向的影响，具有较强的抗噪声性和较快的收敛速度。     

一种基于变形模板匹配的人脸检测方法

提出一种新的基于变形模板匹配的人脸检测方法,通过极坐标投影降元处理建立一元新曲线变形模板,并构建了新能量公式进行新模板形变。该方法用于人脸检测系统中取得了较好的实验效果。     

基于遗传算法和模拟退火算法的TDOA定位技术

提出一种基于遗传算法与模拟退火算法的TDOA定位估计算法,该算法通过对求解定位坐标计算时的最大似然函数进行求解,实现了利用所有TDOA测量值对移动台的定位估计。该算法采用实数编码,自适应交叉率和变异率实现遗传算法的全局搜索,引入模拟退火的Boltzmann机制,解决遗传算法容易陷入局部最优的问题。实验结果表明,该算法定位精度高、收敛速度快。     

基于颜色和变形模板的实时人体检测

针对目前人体检测算法存在不能检测多角度人体目标以及实时性差等问题,提出了一种在静态图像中实时检测任意角度人体目标的算法。该算法分别利用目标颜色和轮廓两类特征构造两种检测器。颜色检测器首先进行基于面部肤色和头部发色的彩色分割,然后引入积分图像算法快速提取分割后的图像头部目标区域。轮廓检测器利用头肩轮廓形状的稳健性,用参数化变形模板对头肩轮廓建模,该模板由两个存在几何尺度和位置约束的椭圆构成,再定义两个不同计算复杂度的模板匹配策略对人体头肩部分进行分级检测。最后利用上述两种检测器构建一个级联检测系统,级联检测结构大大提高了算法的速度,使算法可以对分辨率为352×288的图像做30 fps的实时检测,实验结果表明,该算法是切实有效的。     

一种新的结合遗传算法的快速变形模板匹配算法

分析了图像处理中模板匹配技术计算量大的问题。在高精度的芯片焊点定位应用中,文章提出了一种新的结合遗传算法的快速变形模板匹配算法。该算法在应用中有很高的执行效率,而且还克服遗传算法应用的结果不确定性,通过变形模板匹配精确的计算出芯片与水平线夹角和芯片焊点相对位置。最后通过试验证明这种方法的高效性和准确性。     

基于模板匹配和遗传算法的人眼定位

文中提出了一种利用模板匹配与遗传算法相结合的人眼定位算法.根据人脸几何特征将人脸分为几个特征区域(眼睛、鼻子、嘴巴),在找到人眼区域后根据人眼几何特征,建立人眼特征模板及其能量函数,通过改变模型参数用遗传算法实现能量函数的全局最小化,使能量函数最小的模型参数即可描述人眼的特征,从而实现人脸特征的有效定位.同时还讨论了不同的能量函数在人眼定位过程中的地位和作用.可避免在能量函数寻优过程中的局部最小化的出现,较准确较快捷的确定人脸主要特征的位置.     

基于多尺度变形模板的目标检测与识别

在分析现有模板匹配算法存在问题的基础上，提出一种基于多尺度变形模板的新方法，它在已有的Snake算法基础上，加入了形态约束，并利用小波变换的多尺度特性，使得匹配过程在由粗至精的尺度上进行，从而使运算速度大大提高，对噪声的敏感程度也相应下降，而轮廓初始化是在较粗的尺度上，利用Hausdorff距离初步匹配得到的，漏警概率较低。实验结果与理论分析相吻合，验证了算法对多类目标适用，具有速度快，精度高和对图像畸变，噪声与遮挡不敏感的优点。     

基于自适应模板匹配的红外弱小目标检测

提出了一种红外弱小目标识别的新方法。从实际应用出发,考虑复杂的背景和大量的干扰噪声,找到了一种适合红外弱小目标识别的图像相似性度量方法。为提高此方法的稳定性,提出一种有效的自适应模板修正方案,并结合遗传算法提高匹配的速度。给出了算法实现的全过程,用实地拍摄的红外空中弱小目标图像进行了实验验证,得到了令人满意的结果。     

基于纹理分布和变形模板的面部特征提取

面部特征提取是面部感知的重要内容,同时也是特定人的3D人脸动画应用中所必须的前期工作.在一个多级人脸检测模块检测到人脸大致区域和尺寸的基础上,提出并实现了一种基于面部图像纹理分布特性和可变形模板的由粗到细的面部特征提取策略,旨在解决可变形模板对参数初值依赖性强和计算时间长的问题.该策略首先利用眼睛区域的谷特性和频率特性定位两个虹膜中心点位置,然后用积分投影确定唇部和鼻子区域的位置,在此基础上进行关键特征点的检测,从而可以得到预定义特征模板参数的良好初值,最后基于贪心算法的多阶段轮换优化算法来搜索一个极小点     

基于遗传算法的SAR图像道路网检测方法

提出了一种基于遗传算法的SAR图像道路网检测算法.该算法以道路在SAR图像中呈黑色直线状结构为基本出发点,首先检测线特征点以获取潜在道路点;接着利用基于每个连通区域上的Radon变换提取线基元;然后从图像上最长的线基元出发,以其为种子基元,在其周围确定一个搜索区域,用遗传算法选择与种子基元共线的线基元进行连接,并更新种子基元,直到完成所有的连接,得到候选道路段.为了使检测道路更准确,利用蛇模型调整道路段的位置,然后用道路的特征进行鉴别.最后检测道路的交叉点,完成整个道路网的检测.机载SAR图像的实验结果及定量分析均证明了该算法的有效性.     

遗传聚类算法在基于网络异常入侵检测中的应用

传统的入侵检测方法在面对多变的网络结构时缺乏可扩展性,而且在未知的攻击类型面前也缺乏适应性。因此,提出一种新的检测方法——基于遗传聚类的网络异常检测（NAIDGC）算法。对聚类中心采用二进制编码,把每一个点到它们各自的聚类中心的欧几里得距离的总和作为相似度量,通过遗传算法寻找聚类中心。计算机仿真结果显示了此算法对入侵检测是有效的。     

基于三维可变形模板的眼睛特征提取

眼睛特征提取在人脸感知的各种应用中有着非常重要的作用，为了解决人脸垂直旋转角度比较大时，眼睛特征提取的问题，提出了一种新的基于三维可变形模板的眼睛特征提取方法，此方法采用了两个新提出的技术，一个是人脸姿态估计策略用于估测人脸的垂直旋转方向，另一个就是三维可变形模板匹配技术用于具体提取眼睛的精确特征，实验表明该方法能够适应人脸图像垂直旋转角度的变化，获得很好的特征提取结果。     

基于神经网络租遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法。用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数。通过仿真实验表明该方法具有较高的实时性和有效性。     

基于神经网络和遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法.用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数.通过仿真实验表明该方法具有较高的实时性和有效性.     

基于3D激光雷达道路边缘实时检测算法的研究与实现

针对自然环境下无人驾驶车辆的道路边缘检测问题,提出一种基于3D激光雷达的实时道路边缘检测算法。对激光雷达的点云数据进行网格化处理,求出每个网格中的高度差,并针对道路边缘的高度特征,对网格数据进行阈值处理;再由近及远逐个提取左右道路边缘,利用最小二乘法对左右道路边缘网格进行曲线拟合平滑处理,得到左右道路边缘。实验结果表明,该道路边缘检测算法可靠性高,稳定性强,能够准确完成道路边缘检测,满足实时系统的要求。     

基于模糊控制及遗传算法的人工免疫入侵检测算法

针对反向选择算法在面对大量的网络通信数据或具有多个分离特征区间网络通信数据时的无效性,提出了基于模糊控制及遗传算法的人工免疫入侵检测算法,利用模糊控制原理对抗体进行浓缩,并通过遗传算法进化种群,从而使得抗体的数量得到控制且检测效率较高.     

基于遗传算法的DM-GA组合测试数据生成方法

测试数据生成是组合软件测试的重要部分,生成高质量的测试数据对于软件测试具有重要意义.针对两两组合测试数据生成问题,结合传统遗传算法,加入了精英策略和自适应变异概率,提出了DM-GA( dynamic mutation rates-genetic algorithm)算法,改善了传统遗传算法容易陷入局部最优以及收敛速度慢等不足,并取得了良好的效果.实验结果表明DM-GA算法可以作为一种较理想的两两组合测试数据生成方法.     

基于可变形部件模型的粒子滤波快速行人检测与跟踪

针对视频中的行人检测和跟踪问题,提出一种基于可变形部件模型的快速行人检测、改进粒子滤波的行人跟踪算法。在行人检测阶段,为了改善非刚体行人的检测精度,采用了混合多尺度可变形部件模型;同时为了加速行人底层特征的计算,采用了基于预测算法的快速特征金字塔计算行人特征,代替传统的计算图像特征金字塔的每一个尺度特征。在行人跟踪阶段,采用时变的状态空间模型和基于颜色梯度直方图的观测模型对检测到的行人进行跟踪。实验证明,改进的行人检测算法可以在性能损失忽略不计的条件下,大大提高检测速度,并且相对于传统的行人跟踪,改进的粒子滤波算法对行人这一非刚性目标能实现较好的跟踪。     

基于局部类别分析和遗传算法的查询优化算法

查询扩展是信息检索中优化查询的一种有效方法。针对信息检索中用户查询关键词与文档标引词不匹配的问题,提出一种基于局部类别分析和遗传算法的查询优化算法。该算法分两个阶段实现:第1阶段对用户提交的查询Qold进行扩展,采用基于局部类别分析的查询扩展方法选择查询扩展词构成新查询Qnew;第2阶段对新查询Qnew进行权重分配,采用遗传算法对扩展后的查询进行权重调整得到最优查询向量,再次对测试集中的文档进行二次检索。实验结果表明,该算法比单独使用局部上下文分析算法、局部类别分析算法均有更优的检索性能。