基于数学形态学的图像序列分割

提出了一种适合于极低传输比特率视频编码应用，基于数学形态学的图像序列分割方法，为了适当地利用相领帧间的时间关系，提出了采用运动估计技术的时间递归形态分割方法。     

MPEG—4中的Profiles及适用场合

ＭＰＥＧ－４提供了极其丰富的工具集用于对音／视频对象编码。在实现ＭＰＥＧ－４标准时,可以根据应用领域的不同有选择地使用合适的视频、音频、图形和场景描述工具子集,这样可提高编解码器的工作效率。那些面向不同应用的工具子集就称为Ｐｒｏｆｉｌｅｓ（档次）,它们限定了一个解码器必须实现的工具集。描述了ＭＰＥＧ－４标准中的Ｐｒｏｆｉｌｅｓ及适用场合。     

形态重构算法及应用

本文首先定义了二值图像和灰度图像的形态重构。接着,着重描述了形态重构的实现问题。在简要回顾了经典的并行及串行算法,指出它们的共同缺点是在普通计算机上运行效率不高后,我们提出并实现了两种有效的形态重构算法。第一种算法基于标记图像区域峰顶的概念并采用了先进先出(FIFOP)队列的数据结构;第二种算法是利用第一种算法和串行算法各自优点的一种混合算法。模拟结果证实了算法的有效性。实践证明重构式形态滤波器不仅能达到化简图像的目的,而且能较好地保持图像的轮廓信息,所以应用于图像分割是很合适的。     

基于深度残差网络的人脸表情识别

针对深度卷积神经网络随着卷积层数增加而导致网络模型难以训练和性能退化等问题,提出了一种基于深度残差网络的人脸表情识别方法。该方法利用残差学习单元来改善深度卷积神经网络模型训练寻优的过程,减少模型收敛的时间开销。此外,为了提高网络模型的泛化能力,从KDEF和CK+两种表情数据集上选取表情图像样本组成混合数据集用以训练网络。在混合数据集上采用十折（10-fold）交叉验证方法进行了实验,比较了不同深度的带有残差学习单元的残差网络与不带残差学习单元的常规卷积神经网络的表情识别准确率。当采用74层的深度残差网络时,可以获得90.79%的平均识别准确率。实验结果表明采用残差学习单元构建的深度残差网络可以解决网络深度和模型收敛性之间的矛盾,并能提升表情识别的准确率。     

“数字电视原理”理论实践一体化教学研究

理论实践一体化逐渐成为高校工科专业教师教学的一种重要的教学方法,本文针对工科课程"数字电视原理"的教学,提出了"课程理论讲解→具体问题分析→编程实验和讲解→作用和效果演示→总结"理论实践一体化的五步教学模式,将教学模式从理论灌输教育转向更为务实的专业素质教育。本文以二值图像游程编码和解码重构为例,深入阐述了五步教学模式实现的具体过程和采取的举措,并对新的教学模式体制下的专任教师提出了具体的要求。     

基于VDSL的以太网接入技术

介绍了基于VDSL的以太网接入技术（EoVDSL)。它结合了VDSL技术和以太网技术的优点，还可以与EPON技术相结合，作为一种经济高效的宽带接入方案。     

基于SVM的新生儿疼痛表情识别

近十年来新生儿疼痛引起医护人员的广泛关注。由于新生儿不能自述疼痛的感受,疼痛评估成为新生儿科学中最具挑战性的一个难题。新生儿“疼痛面容”（蹙眉、挤眼、鼻唇沟加深、张口）被认为是最可靠的疼痛指标,且持续时间最长,因而被国际上常用的新生儿疼痛评估工具作为评估指标。然而,这些疼痛评估工具往往受到临床医护人员主观因素的影响。文中旨在解决上述问题,提出利用支持向量机（SVM）技术对新生儿疼痛与非疼痛面部表情进行分类识别。对210幅照片的表情图像进行了研究,比较了线性核函数SVM、多项式核函数SVM（d=2,3,4）以及径向基函数SVM等5种不同分类器的性能。实验结果表明,阶数d=3的多项式核函数SVM分类器的性能最佳,对疼痛和非疼痛表情分类的识别率达到93．33％,对疼痛与安静表情的分类识别率为94．17％,对疼痛与哭表情的分类识别率为83．13％,初步具备了在新生儿疼痛评估中的潜在应用价值。