基于假设检验及异常点剔除的稳健LS-SVM回归

提出一种稳健的LS-SVM回归算法。该算法建立在异常样本逐步剔除的框架上,每次循环中选择误差最大的样本加以考察,然后使用统计假设检验方法对其进行诊断。若样本被诊断为异常样本,则将其剔除,并重新训练LS-SVM,为下一轮的异常点诊断和剔除提供更准确的信息。同时为了减少运算复杂度,我们还将减量学习引入到算法的重新训练过程中,从而保证算法的附加复杂度不超过O(N³)。仿真数据集和实际数据集上的详细实验证实该算法的优越性,并提供一种使用该算法建立异常样本检测器的思路。     

基于Kinect角度测量的姿势识别算法

人体姿势识别在医疗康复等领域中有着重要的作用。为了提高姿势识别的准确率,提出了一种利用Kinect测量角度的人体姿势识别方法。首先,利用Kinect获取人体关节点的空间坐标。然后,通过两点法计算角度的大小并定义人体姿势库。最后,与姿势库进行角度匹配实现姿势识别。实验结果表明：此方法能够实时准确地识别人体姿势,并且可以通过组建不同的姿势库来识别更多的姿势。     

一种加强SSD小目标检测能力的Atrous滤波器设计

针对实时目标检测SSD（single shot multiBox detector）算法对小目标检测能力偏差的问题,提出了一种提高特征图分辨率的Atrous滤波器设计策略。改进算法在SSD网络结构的基础上,把第三、四层卷积层产生的特征图经过规范化后连接在一起,然后通过Atrous卷积运算提高这些特征图分辨率。这些特征图共同提供小目标的所需的特征。另外该SSD改进算法还加入SeLU（scaled exponential linear units）激活函数,并在数据预处理阶段设计了一套数据增广方法。实验表明,该改进算法框架相对于原SSD算法框架具有更高的检测精度、更优良的鲁棒性,以及在小目标检测上效果明显。     

修剪中值检测的自适应加权中值滤波算法

针对现有算法在噪声检测与噪声滤除性能上的缺陷,提出修剪中值检测的自适应加权中值滤波算法。算法利用噪声的灰度特征,根据灰度最值0和255检测噪声,再根据邻域像素的相关性以及在灰度上的近似性,做进一步的噪声检测。根据邻域像素之间的相关性随距离的增大而减小的特性,对邻域中的信号像素分别赋予不同的加权系数,取加权中值以滤除噪声。算法去噪的邻域大小,随噪声密度和分布自适应地变化。通过去噪图像的主观视觉效果以及客观的去噪性能指标PSNR(peak signal to noise ratio)和IEF(imageenhancement factor),仿真实验证明,所提出的算法相对于现有的算法具有更好的去噪性能,特别对于滤除高密度噪声,具有显著的优越性。     

面向ADHD的利用HTC Vive采集手部运动数据的可行性研究

虚拟现实技术在辅助注意力缺陷伴多动障碍(ADHD)的客观诊断中取得了一定成效;为了分析ADHD患者与正常儿童在虚拟环境中手部交互的运动差异,需要追踪被试的手部运动并对其进行测量;消费级虚拟现实系统HTC Vive配有手持控制器,具有运动捕捉功能;然而目前临床上还未将手持控制器用于人体手部运动追踪,因此尝试探讨手持控制器用于追踪人体手部运动的可行性,并设计了两个实验;实验一评估HTC Vive系统追踪手持控制器静置时的位置和旋转精度,分析系统的随机误差;实验二评估系统追踪手持控制器的平移和旋转精度;实验一测量得出:手持控制器静置时在X、Y、Z轴的位置抖动误差均小于0.25 mm,旋转抖动误差均小于0.05°;进而采用艾伦方差方法对实测数据进行分析,得到系统量化噪声、零偏不稳定性、速率斜坡等主要误差项系数;实验二测量得出:手持控制器绕X、Y、Z轴的旋转误差均小于0.35°,沿X、Y、Z轴的平移误差均小于3 mm;实验结果表明:HTC Vive系统可用于采集人体的手部运动数据,为辅助ADHD患者的客观诊断提供了可靠的基础支持。     

基于AdaBoost和帧间特征的人数统计

视频监控中出入口人数统计的难点在于人流密集时对每个人体的准确分割。通过学习的方法得到人头检测的分类器,并在垂直拍摄图像中提取人头候选区域,以分离相互靠近的人体目标,进而根据人头的运动特征剔除静止误检区域,根据误检目标检测频率低及其响应位置不连续的特征剔除动态误检区域。最后提出一种简易可行的过线跟踪方案以完成计数。实验中对各种复杂情况的过线视频进行测试,正确率能够达到95%以上。与传统方法相比,本文方法解决了多人过线或搬货物过线时传统方法难以准确完成的行人分割和计数,更适于实际情况的人数统计。     

图像Contourlet域快速置乱算法

探讨了Contourlet变换域的图像视觉信息的置乱掩蔽问题,提出了一种基于零树编码结构的快速置乱算法。算法使用高效混沌映射构造置乱矩阵,对Contourlet系数矩阵进行子树间置乱,以减少系数置乱所带来的对编码效率的影响。实验结果表明该置乱算法效率高,并能有效实现对图像视觉内容的掩蔽。     

消除椒盐噪声的基于纹理特征的决策滤波

图像中椒盐噪声的有效去除,取决于噪声检测和噪声灰度估测的准确性,但现有的滤波算法在噪声检测和噪声灰度估测上的准确性不高。因此,提出了基于图像纹理特征的决策滤波算法。算法根据椒盐噪声的灰度最值特征和独立性,以及图像纹理的特征进行噪声检测,将噪声与信号像素准确地区分开。算法根据纹理中像素灰度的平滑变化特征,将邻域中的信号像素进行分组,然后基于相关性与正态概率分布的意义,取与邻域均值最接近的分组的中值作为噪声像素的估测值。实验的结果证明,所提出的算法检测噪声更加准确,其去噪结果对应的峰值信噪比(PSNR)比现有的算法平均提高1.9 dB以上,图像增强因子(IEF)比现有的算法平均提高119以上。因此,相对于现有的算法,所提出的算法在去噪性能上具有显著的优越性。     

基于结点间距离统计的无向无权图同构判别

按照同构图的定义判断两个图是否同构,最坏情况下其时间复杂度是O(N!),当结点数N比较大时,计算速度非常慢,针对该问题,提出一种通过统计结点间距离和按照距离分层,计算同层结点间的关联边数以及关联结点数来研究图中各结点差异的算法,该算法可以给出两个图的结点间可能的对应关系.如果两个图的结点距离数组及对应结点的层结点关联数组不能一一对应,其时间复杂度仅为O(N4),否则,根据结点间可能的对应关系,避免遍历所有结点序号的交换,计算量可以成倍地下降.