一种新的基于直线特征的摄像机自标定方法

通过引入场景的几何约束,提出了一种新的基于直线的摄像机自标定方法。利用射影几何中平行直线投影的交点与光心的连线平行于该平行直线的性质,给出了摄像机内参数的线性求解方法。只假设场景中存在垂直的平行直线,相对于文献［1］而言,其适用的情况更为广泛。实验结果验证了方法的有效性。     

基于变分的图像恢复算法及收敛性

提出了一种保持边缘的正则化图像恢复算法,该方法可有效地用于求解线性逆问题的非凸优化过程.通过对正则化函数及相应泛函性质的理论分析,得出了使泛函达到最小的正则化函数表达式;引入一个与原非凸泛函相应的二元泛函,将非凸优化问题转化为本质上的凸优化问题,采用松弛迭代算法获得非凸优化问题的局部极小解;证明了所提出的算法是全局收敛的.通过实验验证了算法的有效性.     

基于不同光照方向的子空间人脸识别方法

提出了一种方法，用于解决人脸识别问题中光照方向变化所带来的困难。首先建立对应不同光照方向的子空间，再确定测试样本所对应的子空间，然后在这个子空间中利用最近邻法进行匹配，达到识别的目的。利用SHIMON人脸数据库，分仅有光照变化和同时有视角变化和光照变化两种情况进行了实验，实验结果证明该方法是有效的。     

隐马尔可夫模型的一种有区分力的反向传播训练方法

研究隐马尔可夫模型(HMM)的一种有区分力的训练方法.在多层前向神经网络的框架中实现了HMM的前向概率计算.基于这一框架,利用偏导数的反向传播计算方法,通过梯度上升的优化过程来实现互信息的最大化,从而对HMM进行有区分力的训练.这一训练方法被称之为HMM的反向传播训练方法.此外,还设计了一个用以实现这一训练方法的在数值计算上具有强鲁棒性的算法.语音识别的实验结果证实了这一训练方法的优越性.     

严重噪声污染图像边缘的统计检测算法

提出了一种适用于受多种噪声严重污染图像的边缘检测算法。该算法包括边缘统计判决及边缘检测两部分。统计判别部分包括三大类１３种平行统计检验方法。利用顺序统计量，使之不仅适合于含有白噪声干扰图像的边缘判决，而且适合于含有脉冲噪声和椒盐噪声的图像区域，利用加权表决的方法检测出边缘，可以大大减少计算。实验结果表明，本算法是行之有效的。     

基于两级内容表征的数字图像内容保护算法

文中首先通过动态加权平均得到图像的象素级内容表征(Pixel-level Image Content Map,PICM),在此基础上,通过图像分割技术得到图像的区域级内容表征(Regional Image Content Map,RICM),并将表征图像RICM的Hu不变矩编码为内容7F-gF45息嵌入到原图像中,从而实现对原始图像的内容保护。实验结果表明,由于该两级内容表征方法及其矩特征的良好性能,算法对图像的非内容级图像操作(特别是仿射变换)具有很强的鲁棒性,且能够敏感的检测出对所保护图像的内容篡改。     

面向多媒体信息内容保护的特征水印技术

将数字水印技术应用于多媒体内容保护方面,提出了一种面向多媒体信息内容保护的通用算法框架,并给出了其核心技术——内容特征提取和评价的基本准则(即对非内容级操作鲁棒,对内容级操作敏感)。该算法完全基于多媒体信号的内容生成特征水印,进而将其不可见的隐藏于原始信号中,从而达到对原始信号进行内容保护的目的。在对受保护的信号进行内容窜改检测时,只需用同样的方法计算当前内容特征水印,并将其与所提取的嵌入水印相比较即可。由于该算法可以在不需任何额外信息的情况下对各种多媒体信号进行内容保护和窜改检测,因此具有较高的通用性和     

一种改进的活动轮廓图像分割技术

图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。针对传统的活动轮廓外力模型均存在一些难以克服的缺点，提出了一种改进的活动轮廓图像分割技术，并首先介绍了用活动轮廓进行目标分割的基本原理，即一条曲线在其内部能量和外部能量的共同作用下，可以移动到所期望的位置，并且当曲线到达目标位置的时候，活动曲线所具有的能量达到最小。在传统的活动轮廓中，外部能量通常由目标点的梯度势能场给出，但是由于梯度势能场存在着一些难以克服的缺点，即不能够很好地指导曲线的移动，为此，对其进行了改进，即采用一种梯度向量流场作为外部能量场的方法，从而有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点，并通过实验证明了该方法的有效性。     

一种改进的针对退化文本图像的二值化方法

在经典的Niblack方法的基础上提出了一种改进的针对退化文本图像的二值化方法,该方法仅在文本区域周围较小范围内进行局部阈值计算,在大大减少运算量的同时,克服了Niblack方法容易产生大量背景噪声的缺点,与另外一种同样基于Niblack的Sauvola方法相比较,对于低对比度的退化文本图像有更好的适应性。     

计算机图象处理与识别

早在本世纪初,人类为了用图片及时的传递世界各地发生的新闻事件,便开始了对图象传输技术的研究。然而图象处理技术的真正发展还是在本世纪六十年代以后。这一方面是受航天技术发展的刺激,另一方面也与作为图象处理之重要工具的数字计算机技术,以及各类数字化器和显示器的迅速发展分不开的。