面向计算机与信息大类招生培养的知识结构剖析和设计

针对计算机与信息类专业大类招生及人才培养的教学客观需求,围绕面向计算机与信息大类招生培养的知识结构进行探讨。根据ACM、IEEE和我国教育部高等学校计算机科学与技术教学指导委员会发布的计算机专业规范,分析计算机与信息类专业大类培养的计算机学科知识结构,为计算机与信息类专业大类课程体系建设及创新型特色高素质人才培养提供科学依据。     

基于Hessian半监督特征选择的网络图像标注

针对半监督特征选择算法进行了研究,采用有标签图像和无标签图像的半监督特征选择方法来提升网络图像标注的性能。基于二阶Hessian能提出一个新的半监督特征选择方法,该方法具有更好的局部拓扑结构保持特性和推断能力,从而能够克服基于图拉普拉斯半监督学习方法的缺点。将所提出的半监督特征选择算法应用到网络图像标注任务中,在两个大规模网络图像数据库上进行了实验,结果表明Hessian半监督特征选择方法优于拉普拉斯半监督特征选择方法,适合大规模网络图像标注。     

基于频谱分析的Procrustes统计步态识别算法

在信息安全越加重要的现代社会,步态识别以其特有的优势作为一种身份识别手段,得到了很多关注.提出一种基于Procrustes均值形状的傅里叶频谱分析(FSAOPMS)的适用于多视角的步态识别方法.利用Procrustes统计形状分析方法将步态序列中人体轮廓的连续步态变化表示成一个紧致的Procrustes均值形状(PMS...     

IP多点组播视频的可靠扩展控制机制研究

针对IP多点组播视频控制信息组播传输的可靠扩展问题,将组播扩展性方案超立方体（hypercube)拓扑思想与组播可靠性方案反馈重发局部化（localization)思想用于控制机制,提出了一种基于超立方体拓扑的可靠扩展控制机制：将控制拓扑从1维树型映射为n维超立方体拓扑,运用超立方体结构几何特性将局部反馈重发恢复融入拓扑节点扩展中,实现了视频控制信息的有效可靠扩展。理论分析与实际测试表明：基于超立方体拓扑的控制机制有较好的可靠扩展性。     

偏微分方程约束下基于动态大小模块的图像修复模型

提出一种保持图像线性特征和纹理信息、并能应用于存在较大规模缺失信息区域的图像修复模型.该模型根据图像局部纹理特征强度动态地选择匹配模块的大小,使用切向等照度线强度数据项约束修复顺序.几何特征作用下的切向等照度线偏微分方程在边缘宽度约束下扩散,具有很好的线性特征保持性能;它具有形态学不变性,可以真实地修复自然场景图像.根据基于模块的修复模型的特点,使用欧氏距离作为模块相似度测量函数.针对模型引起的模块接缝效应,使用散度约束下总体变分插值法对修复结果进行无接缝效应处理,使得最终结果平滑.理论和实验证明了该模型在图像修复中的有效性.     

基于支持向量机的胶片缺陷检测算法

提出了一种基于支持向量机的胶片缺陷检测算法,该算法把胶片中的非缺陷区域和缺陷区域分别看作两种不同的纹理模式,应用机器学习理论的年轻分支——支持向量机对两类不同的样本采样学习．然后进行分类判断。实验蛄果表明,这种算法能够较好地实现胶片缺陷的检测分类,有着深入研究的价值。文中使用了两种不同的方法进行图像的特征提取,它们是主元分析法和离散余弦变换法,结果显示,不同的特征提取方法对训练分类的结果会产生一定影响。     

基于非线性扩散滤波的边缘检测和图像测量

提出了一种基于自适应非线性扩散方程滤波的边缘检测方法, 以提高图像测量的精度。首先对原始图像实施一种非线性扩散处理,即沿着等照度线(边缘)的梯度方向实施反向扩散以锐化边缘, 而相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像; 然后应用经典的微分算子来检测边缘。实验结果表明,相对于经典的边缘检测算子, 本算法得到了尖锐而平滑的单像素宽的图像边缘,较好地定位了边缘, 相对误差为0.03。当图像边缘模糊和存在附加噪声时, 测量结果将会受到很大影响。本方法较好地定位了边缘像素, 对于微小尺寸测量显示出它的优越性.     

曲率驱动的基于亥姆霍兹涡量方程的图像修复模型

图像修复模型根据已知区域信息自动修复目标区域,且保证修复后的图像满足人眼视觉系统的要求,目标区域轮廓自然.理论分析证明,流体力学中无粘亥姆霍兹涡量方程可以实现图像修复.根据曲线和曲面运动方程,使用曲率驱动亥姆霍兹修复模型中的等照度线传输方向.曲率是图像几何特征作用的结果,所以新模型可以很好地保持图像中的线性特征.图像中涡量为平滑程度的度量,二维图像域中涡量具有扩散性,对涡量方程的结果做各向异性扩散,使等照度线间的图像信息交互.亥姆霍兹涡量方程修复模型中的各个参数及扩散过程是涡量扩散性和耗散性以及图像几何特征作用的结果,扩散后的修复模型稳定且不存在错误的传输方向.理论和实验证明了曲率驱动的亥姆霍兹涡量方程模型在图像修复中的有效性.     

基于多尺度分析矩特征的人脸表情识别

Zernike不变矩具有对噪声不敏感,正交等特性,是表情的有效表征方法,高阶Zernike矩包含更多图像信息,对表情分类的作用更大.但是高阶矩的计算复杂度很大,很难达到快速表情识别的要求.本文利用小波变换对表情图像进行多尺度分析,从低频子图像中计算其Zernike矩作为判别特征进行表情识别.通过小波变换,一方面可以对图像降维,降低计算复杂度;另一方面,小波变换的去噪性能使得识别效果更好.实验表明,基于多尺度分析Zernike矩特征的方法优于单独使用小波变换或Zernike矩特征方法的识别效果.     

基于最小二乘互相关算法的图像定位匹配研究

提出了一种基于最小二乘互相关的图像定位匹配算法。该算法将图像互相关信息和最小二乘法结合实现图像定位匹配,匹配精度可以达到亚像素甚至1/100像素级,同时利用金字塔分层来提高定位匹配速度;通过本算法在印刷品质量自动化检测系统中的应用,验证了该算法的高精度与高速度特性。1