基于混合t聚类的鲁棒非刚体点匹配

针对非刚体形状控制点匹配中存在的对应性和有偏性问题,提出一个基于混合t聚类的鲁棒点匹配模型。该模型结合了混合t分布聚类和薄片样条匹配各自的优点,混合t聚类充分利用t分布的小样本和较大尾迹优势取得局部聚类的鲁棒性,并可方便地引入新的成员分布概率建模局外点,解决全局的鲁棒性;薄片样条能完全分解非刚体映射的仿射和非仿射变换。实验证明,利用确定性退火和EM(期望最大化)迭代技术,对模型中的鲁棒聚类和非刚体点匹配进行联合优化,可以有效解决非刚体点匹配的对应性和有偏性问题;通过在退火过程中应用一个模型选择准则,可以进一步提高匹配的精度,对比结果证实了该模型的鲁棒性。     

一种新的鲁棒子空间建模方法

针对传统子空间建模技术中存在的两个难点问题,即对训练数据中的噪音或局外点非常敏感和基于批处理方式的大尺度高维样本模型学习计算非常费时,提出了一种新的鲁棒子空间建模方法.该方法先利用基于双平方函数的鲁棒估计,基于梯度下降的学习规则和M-估计器来同时学习和估计线性模型的初始参数,自动分级检测出初始训练样本集中的样本级局外点和样本中的信号级局外点;然后利用鲁棒的增量学习来更新参数,获得可靠的子空间模型.实验证明,这种新的鲁棒子空间建模方法能有效处理不同类型的噪音数据,在学习亮度子空间模型时能有效解决亮度明显变化、遮挡、噪音污染等敏感问题,并且具有较快的学习速度.     

基于改进颜色张量的照度不变轮廓检测

针对传统视觉低级特征检测中存在的忽略利用颜色信息来区分亮度相同而颜色不同的特征、忽略利用照度信息来剔除对特征检测的干扰和单一类型的边缘或角点检测不符合人类感观上对轮廓边界的完整描述等问题,文中提出了一种新的基于改进颜色张量的照度不变轮廓特征检测方法。该方法先利用一种新的非线性滤波器改进基于高斯内核的颜色张量,增强具有相反方向颜色通道的信息,再结合照度准不变模型得到改进的照度准不变颜色张量,排除照度信息,然后应用由张量技术实质派生出的边缘和角点测度进行联合特征检测,最终得到照度准不变轮廓特征。同时,文中还从理论上建立了改进的颜色张量和张量选举这一流行的模式识别技术之间的联系。实验结果证实了文中方法的有效性和鲁棒性。     

基于有限混合多变量t分布的鲁棒聚类算法

在用混合模型聚类时,聚类数据中存在局外点是非常困难的问题。为了提高混合拟合的鲁棒性,本文用混合t模型替代混合高斯模型,来拟合含有背景噪音的多变量多高斯分布数据;提出了两个求解混合t模型的修改版期望最大化（EM）算法,并将它们与模型选择准则集成在一起,应用一个组合规则成分灭绝策略选择聚类成分数,得到两个对应的鲁棒聚类算法。对含有背景噪音的多个高斯成分进行不同聚类算法的大量实验表明,本文的鲁棒聚类算法能自动选择最佳的聚类成分数,相对于混合高斯模型的聚类方法,鲁棒性增强很多;相对于传统求解混合t模型（EM／ECM）的聚类方法,能有效避免其严重依赖初始值和易收敛至参数空间边界的缺点,具有较强的鲁棒性和较快的收敛速度。