联合外形响应的深度目标追踪器

针对追踪器使用卷积网络提取出来的特征模板进行目标位置匹配时，易产生响应噪声的问题，本文提出一种联合外形响应和卷积响应的深度目标追踪方法。在当前帧中，由前一帧提供的目标信息先分别提取卷积特征和外形信息，然后获得相应的卷积位置响应和外形位置响应；最后利用外形位置响应对卷积位置响应进行修正，从而有效地抑制响应噪声。实验表明:这种方法具有较高的位置精度，能够提高目标跟踪的准确性。     

基于测地线的超像素谱聚类彩色图像分割

在图像分割中谱聚类算法得到了广泛的应用,但传统谱聚类算法易受到彩色图像大小和相似性测度的影响,导致计算量大和分割精度低的问题。为了解决这两个问题,提出一种新的基于超像素集测地线特征的谱聚类分割算法。该方法通过对彩色图像进行预分割得到超像素集,并以超像素集为基础构造加权图,利用测地线距离特征和颜色特征构造权值矩阵,最后应用NJW（Ng-Jordan-Weiss）算法得到最终的分割结果。对比实验结果表明该算法在分割精度和计算复杂度上都有较大改善。     

基于一种改进的类内散布矩阵的核鉴别分析法

基于核的非线性判别方法及算法的研究近年来得到广泛的研究。在这些方法中,一个主要的缺点是对L类判别问题,判别向量最多只有[L-1]个。定义一种改进的核类间散布矩阵,并对两类问题给出改进的核鉴别分析法,该方法克服了以上缺陷。试验结果表明所提出的方法与其他方法相比具有很好的识别性能。     

一种鲁棒的时空上下文快速跟踪算法

为解决时空上下文快速跟踪算法在目标处于复杂背景及被遮挡情况下容易产生漂移的问题,提出了一种鲁棒的时空上下文快速跟踪算法,通过引入Kalman滤波器,对当前帧中的目标在下一帧中的位置进行估计和预测,并将其作为下一帧时空上下文快速跟踪算法的迭代起点。对不同视频序列的跟踪结果表明,与时空上下文快速跟踪算法和多示例学习跟踪算法相比,提出的算法在目标被遮挡及复杂背景情况下能够更准确地跟踪到目标,并且满足实时性要求。     

基于可变步长关键帧提取的网络视频拷贝检索

为快速有效地检测网络中的拷贝视频,针对现有关键帧提取算法时间复杂度高、关键帧不具有代表性的缺点,提出一种可变步长提取关键帧提取方法。根据视频变化连续性特点,用相似的两近邻帧代表它们之间的视频片段;该方法首先选取关键帧中的核心区域与受影响较小的边缘区域,对不同的区域取权值并通过转换距离度量分块灰度顺序特征(OM)来判断两帧间相似度;然后利用滑动窗口来查找最大相似匹配,从而检测出查询视频中的拷贝片段。在网络数据和MUSCLE-VCD-2007数据上的实验结果表明,该方法相对于现有的基于OM特征拷贝检测法而言,其鲁棒性更强,检测效率更高。     

极小化类内散布度的大间距非线性鉴别分析

提出了一种新的非线性鉴别分析算法——极小化类内散布的大间距非线性鉴别分析。该算法的主要思想是将原始样本映射到更高维的空间中,利用核技术对传统的大间距分类算法进行改进,在新的高维空间中利用再生核技术寻找核鉴别矢量,使得在这个新的空间中核类内散度尽可能的小。在ORL人脸数据库上进行实验,分析了识别率及识别时间,结果表明该方法具有一定优势。     

人脸识别中基于核的子空间鉴别分析

尽管基于Fisher准则的线性鉴别分析被公认为特征抽取的有效方法之一，并被成功地用于人脸识别，但是由于光照变化、人脸表情和姿势变化，实际上的人脸图像分布是十分复杂的，因此，抽取非线性鉴别特征显得十分必要。为了能利用非线性鉴别特征进行人脸识别，提出了一种基于核的子空间鉴别分析方法。该方法首先利用核函数技术将原始样本隐式地映射到高维（甚至无穷维）特征空间；然后在高维特征空间里，利用再生核理论来建立基于广义Fisher准则的两个等价模型；最后利用正交补空间方法求得最优鉴别矢量来进行人脸识别。在ORL和NUST603两个人脸数据库上，对该方法进行了鉴别性能实验，得到了识别率分别为94％和99．58％的实验结果，这表明该方法与核组合方法的识别结果相当，且明显优于KPCA和Kernel fisherfaces方法的识别结果。     

有分离的调整和移走时间的三台机流水作业问题

以最小化最大延误为目标函数,讨论了三台机器的流水作业问题,其中每个工件的操作由"调整"步、"加工"步以及"移走"步组成,而工件的调整和移走时间都与加工时间相分离,同一个工件的"调整"步和"移走"步在三台机器上可以重叠,但"加工"步不能重叠,并且第一台机器上没有空闲时间,工件一旦开始加工就不允许中断.给出了该问题的一些支配关系,并由此构造了一个近似算法.     

两目标最优图像鉴别分析及其在人脸识别中的应用

考虑样本为图像矩阵的图像鉴别分析问题,将Foley—Sammon鉴别分析问题转化为一类带约束条件的两目标优化问题,给出了有效投影向量的概念．利用多目标优化的必要条件,得到有效投影向量应满足的条件,它为广义特征方程的最大特征值所对应的特征向量,从而得到了求有效投影向量集的方法,其中类内散布矩阵不必是非奇异的．实验结果表明：该方法节省了特征抽取的时间,并且识别性能要优于其他方法．