基于形状和纹理的人脸自动识别

人脸识别技术在商业和法律上有广泛的应用前景，在安全监控中也大有用武之地。其主要任务是利用已有的人脸图像库，识别静止的或视频图像中的一张或多张人脸．实验首先提取人脸图像的形状和纹理特征，运用广义KL变换降低形状和纹理空间的维数，避开入脸识别小样本集的局限,同时，通过运用具有统计不相关性的最佳鉴别变换，来抽取人脸图像的有效鉴别特征．在包含960幅人脸图像的NUST603人脸图像库上进行识别实验，得到的识别错误率低于4％，且这种方法对人脸的姿态、表情等条件有一定的不敏感性．     

可靠性优化的一种新的算法

建立了可靠性冗余优化模型,提出了一种基于粒子群优化算法的可靠性优化的新方法,该方法结合了遗传算法的思想。实例结果表明,粒子群算法比模拟退火算法和遗传算法效果好。     

支票手写体汉字大写金额识别的非线性规范化

针对银行支票图像大写金额的无限制手写体汉字识别问题,进行了基于密度均衡原则的非线性规范化研究。提出了一种改进的非线性规范化方法．该方法定义的基于笔画间距和宽度的密度函数,不仅能较好地克服笔画变形的局部性、不规则性,而且能使同一字符内以及不同字符之间的笔画粗细趋于一致;同时,确定了图像中字符的有效区域,并据此改进了基于密度均衡原则的通用表达式,有效地解决了字符整体倾斜和单个笔画比较突出的问题,实验结果表明：该方法比其他同类方法效果更佳,可使银行支票图像的大写金额识别系统的识别正确率提高约1．5％。     

不变矩方法在区域匹配中的应用

提出了一种基于区域的立体匹配方法,该方法除了采用顺序性约束和惟一性约束外,根据外极线约束提出了外极带约束,采用比邻域约束更优越的相对位置约束,能有效地处理遮掩和区域变形情况下的双目立体匹配．在对多个候选匹配区域进行最佳匹配选择时,提出了重心距离和矩距离的概念,利用不变矩原理进行最佳候选区域选择．经实验证明,该方法是可行、有效的．     

基于遗传算法的自适应机动多目标跟踪算法

根据卡尔曼滤波器池思想。设计一组有不同初始滤波参数组成的具有并行关系的卡尔曼滤波器。通过浮点编码的遗传算法离线对这些滤波参数寻优,找到最佳滤波参数。仿真结果说明机动多目标跟踪的遗传算法具有较强的全局最优搜索能力,自适应好且跟踪精确度较高,这证实了此新方法在自适应机动多目标跟踪下的可应用性。     

基于奇异值特征和统计模型的人像识别算法

人像识别是模式识别领域中的一个前沿课题。目前多数研究者采用人脸的一维和二维几何特征来完成识别任务。人脸的几何特征抽取以及这些特性的有效性都面临着很多问题，至今人像识别的研究仍然处于较低的水平。作者证明了图象矩阵的奇异值特征矢量具备了代数上和几何上的不变性以及稳定性，提出用它作为识别人脸的代数特征。本文的人像识别算法是基于奇异值特征矢量建立Ｓａｍｍｏｎ最佳鉴别平面上的正态Ｂａｙｅｓ分类模型。在本文的     

管网系统计算机辅助分析的有力工具—抽象网系统

本文提出了一个适合各类具有网状结构的管网系统的数据表示模型－抽象网，并对抽象网结构，抽象网生成和抽象网计算进行较详细的研究。抽象网系统已应用于一中等规模城市的供水管网系统。     

两类新的基于T／S范数的模糊神经元模型及其应用

基于T范数和S范数提出了F1型和F2型两类神经元模型，并研究了它们的性质和应用(F1型灵敏性强而鲁棒性弱，而F2型神经元灵敏性弱而鲁棒性强)；给出了一个基于F1型神经元的广义AND／OR运算为T／S范数簇的充分必要条件；首先提出了弱界三角范数的概念，并发现F2型的一个特例模型能实现弱界三角范数，经分析，F1型更适合用于工业控制系统，而F2型更适合用于面向用语言描述知识的医学和人文社会领域的计算机应用系统，该文把一个由特殊的F2型神经元组成的神经网络用于模糊推理，发现该推理方法是Zadeh的CRI法的推广，且能满足假言推理，通过权值的调整，该推理法能满足若干推理原则的要求。     

基于相关窗口匹配的费用函数计算优化方法

通过分析基于窗口的匹配方法，给出一种匹配费用函数优化方法。该方法利用当前匹配点对的费用函数计算信息为下一个点对的匹配提供部分计算结果，以消除冗余计算，减小计算复杂度。实验通过几种经典的匹配方法对计算优化进行验证，结果证明该方法的有效性，且不会降低匹配精确度。     

应用权重直方图的DW-AdaBoost快速算法

提出一种改进的AdaBoost算法,提高人脸检测的训练速度,以及检测速度和精度.先将每个Haar-Like 特征下所有样本的特征值量化,然后据此分别计算出人脸和非人脸样本,再快速计算出简单分类器的阈值和偏置.分析样本特征值的分布特性,进一步提出了双阈值快速算法.在MIT-CBCL训练库上对算法进行了验证,结果显示基于权重直方图的双阈值AdaBoost算法-DW-AdaBoost的训练速度提高150多倍,收敛速度更快.在MIT CMU人脸测试库上进行了测试,结果表明该方法在检测精度和速度等方面都优于相应的单阈值方法.