基于离散微粒群优化算法的SVM参数选择

支持向量机(SVM)的学习性能和泛化能力主要取决于参数选择,然而传统的优化算法难以解决此问题。文中通过支持向量的个数建立优化目标函数,采用微粒群优化(PSO)算法对其优化,寻找最优参数。PSO是一种新兴的基于群体智慧的进化算法。实验表明,微粒群优化算法是支持向量机参数选择的有效方法。     

基于双向耦合扩散的自适应图像插值

提出了一种自适应的双向耦合扩散算法:沿着等照度线(边缘)的梯度方向实施反向扩散以增强边缘,而相反地沿切线方向实施正向扩散以去除人工锯齿。为了消除这2个相反的扩散力彼此之间的冲突,将此算法分裂为一种耦合的格式;同时,为了保持图像特征,利用图像的方向导数局部地调整非线性扩散系数。最后将上述算法应用于图像插值。实验结果显示,相比于传统的图像插值算法和一些相关的偏微分方程模型,此图像插值算法可以显著地提高被插值图像的视觉质量。     

平行线约束下的视角无关步态识别算法

提出了一种满足一定约束条件的与视角无关的步态识别算法．首先给出了与视角无关步态特征的定义及约束条件,进而探讨了在单目平行线约束下空间点的坐标重建方法,利用相应的坐标转换因子可以从拍摄到的二维图像恢复出关键点的空间三维坐标．然后将人体建模成一个相互连接的三棍模型,利用这种坐标重建方法可以恢复出模型的参数,并定义了由模型参数表示的步态特征向量,即与视角无关的步态特征．理论推导和实验结果表明,这种方法在理想情况下能克服视角因素的影响．虽然得到的正确识别率不高,但它提供了多种视角交叉进行识别的可能性．     

基于MultiGen的虚拟场景真实感研究

虚拟校园是数字城市的缩影.以北京交通大学的真实校园场景为研究对象,采用模块化、层次结构和纹理映射技术相融合的方法,通过运用实时可视化三维建模软件系统MultiGen Greator进行建模,创建了较为逼真的校园虚拟场景模型,并从数据库结构和组成模型的面片数两方面对其进行了优化,最后利用仿真系统Vega实现了校园虚拟场景的驱动显示.对于校园虚拟现实系统关键技术的研究与实现成为完成逼真合理的大规模虚拟场景的基础.     

超分辨率图像处理的一种IBP算法实现

介绍了一种基于IBP的超分辨率图像的处理算法,并利用几幅较低分辨率的图像重建了一幅高分辨率图像。     

一种基于双曲正切函数的自适应图像放大算法

针对图像放大后出现边缘模糊的现象,论文考察了典型边缘的特征,利用图像的梯度信息和双曲正切函数的性质,提出了一种较好地拟合任意方向、陡度和幅度的边缘,因此能够保持边缘锐度的自适应图像放大算法。实验结果表明该算法的有效性。     

一种基于迭代映射和图像内容的自适应水印算法

提出了一种新颖的基于迭代映射和图像内容的自适应水印算法。该算法将图像分割为互不重叠的图像块,利用分形维数分析图像块内容,选出反映图像自身特征的边缘和纹理区域。再根据图像块内部以及相邻图像块之间的方差特性将所选的特征区域细分为边缘、弱纹理和强纹理。对选取的特征块进行离散余弦变换并将经过迭代映射置乱预处理的灰度数字水印以不同的强度自适应地嵌入到中频系数中。实验结果表明该算法透明性好,安全性高,对剪切、低通和高通滤波、添加噪声和纹理以及JPEG压缩等具有较强的顽健性。     

基于特征驱动的双向耦合扩散方程的图像去噪和边缘锐化

提出了一个新的能够同时去除图像噪声和锐化边缘的扩散方程模型。根据图像特征, 例如边缘, 纹理和局部细节, 这个特征驱动的双向耦合扩散模型沿着等照度线(边缘)的梯度方向从前向扩散转变为后向(逆)扩散; 而相反地沿切线方向实施前向扩散。为了消除前向力和后向力之间的冲突,将扩散方程分裂为一种耦合的形式; 同时为了保持图像特征,利用图像的方向导数局部地调整非线性扩散系数。实验结果显示, 本文算法能够在去除图像噪声的同时, 有力地增强图像的特征。     

改进的自适应灰度视频序列阴影检测方法

提出了一种自适应的阴影检测方法,去除了传统固定阈值阴影检测方法残留的阴影边缘,有效地改善了阴影检测效果。首先采用kmeans聚类、求前景灰度直方图峰值间平均值等方法得到自适应的阈值,在此基础上,计算满足阈值约束的前景像素点,将该点及其8邻域点都作为可去除的阴影点进行标记。最后,去除标记的阴影点及极小面积的前景区域。本文对已有的阴影检测算法进行了改进,加入了自适应的阈值计算方法并去除了原有算法检测后残留的阴影边缘,在对室内及室外视频序列进行的检测中都取得了较好的效果。