基于改进CycleGan模型和区域分割的表情动画合成

针对现有人脸表情合成大多依赖于数据源驱动,且存在生成效率低、真实感差的问题,提出一种基于改进CycleGan模型和区域分割的表情动画合成新方法。新方法可实时地合成新表情动画,且具有较好的稳定性和鲁棒性。所提方法在传统CycleGan模型的循环一致损失函数中构造新的协方差约束条件,可有效避免新表情图像生成时出现的色彩异常和模糊不清等现象;提出分区域训练的思想,用Dlib人脸识别数据库对人脸图像进行关键点检测,通过检测到的关键特征点将源域和目标域的人脸分割成左眼、右眼、嘴部和剩余人脸部分共4个区域块,并利用改进的CycleGan模型对每块区域单独进行训练;最后将训练结果加权融合成最终的新表情图像。分区域训练进一步增强了表情合成的真实感。实验数据来自英国萨里大学的语音视觉情感(SAVEE)数据库,在Tensorflow框架下,用python 3.4软件进行实验结果的展示。实验表明,新方法无需数据源驱动,可直接在源人脸动画序列上实时地生成真实、自然的新表情序列,且对于语音视频可保证新面部表情序列与源音频同步。     

基于小波域的图像噪声估计新方法

提出一种基于小波域区域分割的估计图像噪声的新疗法。该方法利用图像的小波高频系数,在提出图像平滑区域的基础上,准确地估计图像高斯噪声的标准方差、由于考虑了图像的局部信息,因此该方法优于传统的估计方法。用于多幅实验图像的结果表明：在图像受噪声比较小或图像含高频信息较丰富时,该方法比传统疗法更准确。     

基于区域分割的深度图象表述与压缩

研究并实现了一种精确的基于区域分割的深度图象表述算法。首先将深度图象的曲率特性和边缘特性结合起来进行初步分割；然后在对区域进行可变阶曲面拟合的基础上进行区域生长３及区域合并，从而在精确分割的同时，实现了区域的曲面表述。     

基于边界码的非Manhattan格式下的文本图象的自动区域分割方法

随着网络和通信技术的发展，电子图书馆逐渐发展为信息检索和资料提供的重要途径。非Ｍａｎｈａｔｔａｎ格式的排版方式因具有形式自由，富于变化的特点而得到越来越广的应用，但是对于非Ｍａｎｈａｔｔａｎ格式的文本图象的自动区域分割的研究还只是停留在实验的水平，迫切需求一种快速实用的自动区域分割法方法提高电子图书馆的文献录入速度 。     

基于区域分割的低覆盖点云配准算法

针对低覆盖点云配准的时间复杂度高、收敛速度缓慢以及对应点匹配易错等问题,提出一种基于区域分割的点云配准算法。首先,利用体积积分不变量计算点云上点的凹凸性,并提取凹凸特征点集;然后,采用基于混合流形谱聚类的分割算法对特征点集进行区域分割,并采用基于奇异值分解（SVD）的迭代最近点（ICP）算法对区域进行配准,从而实现点云的精确配准。实验结果表明,所提算法通过区域分割可以大幅提高点云区域的覆盖率,并且无需迭代即可计算刚体变换的最佳旋转矩阵,其配准精度比已有算法提高了10%以上,配准时间降低了20%以上。因此,所提算法是一种精度高、速度快的低覆盖点云配准算法。     

基于面积稳定性与形状属性的杆状区域分割*

针对不同光学环境下模糊图像和复杂形状交叠图像中目标区域的分割问题,研究了基于属性形态学分析的杆状区域的滤波和提取方法。应用连通域的面积稳定性和形状属性特征对模糊边界的杆状目标进行滤波,连通域变换中的面积稳定性有效控制粘连细胞等大区域的形成,而形状属性以个体模板目标有效规约连通域的生长和修剪。实验表明：组合属性形态学方法有效地排除了非杆状物等背景干扰,有效分割出的目标像素达90%左右,识别出的目标区域达96%。该方法有效提高了用连通域表示的特定形状区域的分割精度和鲁棒性。     

基于图像内容的沥青路面病害区域分割算法

针对CCD采集的沥青路面病害图像分辨率过高且含信息的有效区域占比少的问题,提出一种基于图像内容的沥青路面病害图像区域分割算法,以剔除路面图像中的无效区域.首先通过预处理和病害提取过程将原图像处理成包含病害特征的二值图像;然后通过计算整幅图像中含信息像素的上下比和左右比,得到初始化遍历方向,并统计各行（或列）的含信息像素总数;最后从初始化遍历方向开始遍历并丢弃含信息量最少的行（或列）,最终得到分割后的图像.为验证算法的有效性与合理性,采用图像信息熵作为算法评价标准与传统算法进行对比分析.实验结果表明：本文算法在有效降低图像分辨率的前提下能很好的保留病害目标信息,提升图像信息熵.