视频人脸识别中基于聚类中心LLE的特征相似性融合方法

针对大部分现有视频人脸识别方法通常仅利用代表性范例或图像集而较少研究有效融合的问题,提出了一种基于聚类中心特征相似性融合方法。首先,使用局部线性嵌入从原始数据空间学习低维嵌入,并利用STHAC算法将投影划分为LLE特征空间聚类;然后,从基于局部外观的聚类中得到特征相似性,在贝叶斯最大后验概率分类框架中对范例点和聚类子空间进行相关相似性匹配;最后,借助于范例重要性概率完成人脸的识别。在视频人脸数据集CMU Mobo、Honda/UCSD和ChokePoint上的实验验证了所提方法的有效性,实验结果表明,相比几种传统的方法,所提方法取得了较高的识别精度和较低的计算复杂度。     

联合特征值和特征子空间投影的信源数估计

高分辨空间谱估计算法中信源数的准确估计是必要前提.文中结合矩阵重构和特征子空间投影方法,提出一种适用于弹载阵列系统的信源数估计算法.将阵列阵元分成相同的2组,求得这2组阵元接收数据的互协方差矩阵并重构信源数估计矩阵,对重构的矩阵特征分解,联合特征子空间投影和特征值加权的方法构造判决函数来估计信源数.理论分析与仿真结果表明:重构矩阵的信号子空间特征值呈平方倍增大,噪声功率得到抑制;算法有效提高了少量快拍数据和低信噪比条件下信源数估计的正确率.     

一种改进的PCP(principal components' pursuit)方法

Principal components’pursuit(PCP)是一种低秩矩阵+稀疏矩阵恢复的有效方法,本文利用低秩矩阵的局部子空间估计,提出了一种改进的PCP方法,并证明其正确性.结果发现该方法确实比传统PCP方法对初始参数的依赖性小.最后仿真实验结果与PCP和ReP roC S的结果比较,说明在低秩矩阵的局部子空间估计准确的前提下,改进的PCP方法更具优越性.     

基于核主成分分析和子空间分类的边缘检测方法

针对传统边缘检测方法对噪声敏感的问题,提出了一种基于核主成分分析和子空间分类的边缘检测方法,建立了统一的图像特征表达模型.首先结合其它边缘检测方法进行采样并将采样结果投影到特征空间,然后将核主成分分析得到的特征向量组成特征空间的一个子空间,最后将子空间分类法推广到特征空间来对数据进行分类.实验结果表明,该方法增强了对噪声的鲁棒性,能适应小样本训练,其边缘检测效果明显优于经典算子、主成分分析和非线性主成分分析方法.     

基于样本的等距特征映射的行为分析方法

针对运动捕捉数据分析和应用的效率要求,提出了一种基于样本-Isomap的行为分析方法.通过计算运动数据中样本帧的距离矩阵得到样本嵌入空间的特征向量,用其近似表示嵌入空间的特征向量,然后在该空间上计算非样本帧的投影,得到非样本帧的近似流形嵌入.结果表明当样本帧的选取比例在10%时可以近似得到整个运动数据的低维流形嵌入,且处理效率比原方法提高10倍以上.应用该算法对高维运动捕捉数据进行降维,能够提高运动捕捉数据分析和应用的效率.     

基于Bootstrap技术的相干信源数估计

针对信号源相干的问题,采用空间平滑技术对信号源去相关得到等效协方差矩阵,提出2种信源数检测的方法,一种是基于等效协方差矩阵特征值的一系列假设检验,另一种是将等效阵列信号协方差矩阵分别投影到信号的特征子空间和噪声的特征子空间,以特征空间投影为基础的假设检验。数据的分布未知,并且应用Bootstrap方法估计零假设下提出的检测统计量的分布。通过信噪比(RSN)、快拍数、角度分辨率变化等情况下的仿真,验证所提方法的有效性。研究结果表明:所提算法在低信噪比及小样本数量的情况下,性能比其他算法的性能好。     

动力系统实测数据相空间重构的改进方法

应用本征值分解技术对动力系统实测数据嵌入空间矩阵的本征值进行了计算,提出了具体计算嵌入空间矩阵本征值及其本征向量的改进计算方法,以及嵌入空间矩阵基的改进选取方法,并将所得到的动力系统实测混沌数据向已正交化、单位化了的本征向量上投影,从而完成了动力系统实测混沌数据的相空间重构工作。     

基于非下采样轮廓波的图像检索

提出一种基于非下采样轮廓波的图像检索方法.首先对图像进行预处理;然后利用非下采样轮廓波的平移不变特性,将像素点分为强边缘、弱边缘和噪声点三类;最后忽略噪声点,提取强边缘和弱边缘的各个子带的均值和方差等作为特征进行检索.实验结果显示,与轮廓波等方法相比,该方法具有更高的鲁棒性、检索效率更高且特征维数低.     

基于LBP预处理和子图像特征采样的人脸识别

针对随机子空间方法对人脸图像的局部变化鲁棒性较差、多次随机采样时间开销较大、采用固定采样率等问题,提出了一种结合LBP预处理和子图像特征采样的人脸识别方法.首先对人脸图像进行LBP预处理,得到LBP纹理图像;然后对LBP纹理图像进行子图像划分;最后结合随机子空间方法对子图像进行随机特征采样,训练基分类器,并进行集成.同时,结合多尺度分析进行分层随机采样(Stratified-RS),该方法将多次随机采样进行分层,每层使用不同的采样率,进而得到了具有不同维数的特征子集,减少了提取的特征总数,结合级联集成可以进一步增强基分类器之间的差异性.在ORL,Yale,Extended Yale B和CMU PIE这4个人脸数据库上进行了试验.结果表明,所提出方法在提高随机子空间方法运行效率的同时也能保持较好的识别精度.     

利用极化敏感阵列特性的信源数估计技术研究

针对极化敏感阵列多参数联合估计中的信源数估计问题,提出一种基于去特征处理的信源数估计方法。首先,对极化敏感阵列接收数据矢量的协方差矩阵进行特征分解,得到的特征值的个数为阵元数的2倍,将求得的特征值降序排列,其中后半部分小特征值对应的特征矢量张成的子空间包含于噪声子空间,利用这一特点构造投影矩阵;其次,通过去特征处理,重构新的协方差矩阵,求这些新协方差矩阵在投影矩阵上的投影;最后,根据投影结果构造判决函数,估计信源数。研究结果表明:入射角间隔和极化状态角间隔对算法估计性能有影响。通过与盖氏圆盘法的对比实验验证算法的有效性。     

基于改进泊松碟采样的地震数据重构

测量矩阵是压缩感知中一个重要的因素,不同的测量矩阵在不同的条件下重构出的效果会不一样,而且在整个重构过程中起着重要的作用。地震勘探中由于实际情况的影响使得压缩感知中测量矩阵的使用有所限制。针对地震勘探实际情况,结合jitter采样和泊松碟采样的优点,提出了一种改进的泊松碟采样方法,泊松碟采样并没有受到规则网格的约束,这里改进的泊松碟采样是基于规则网格的条件,结合jitter方式,避免了对空间采样点的浪费和克服了间距过大的缺点,同时提高了采样效率,针对野外的实际情况可以调节检波器的布置位置。目前,在一些领域,如图像重构、信号处理等,高斯随机测量矩阵都得到了广泛应用并且其重构效果都很好,但在地震勘探中,由于受到现有检波器的限制,高斯随机测量矩阵并不符合地震勘探的条件。这里,模拟数据和实验数据都表明改进的泊松碟采样方式能够和广泛应用的高斯随机测量矩阵一样取得较好的重构效果,并且代替高斯随机测量矩阵在地震勘探中取得实际应用。     

抽样间距和投影数对卷积滤波法图像重建质量的影响

利用卷积反投影算法对图像进行重建时，要降低成本，提高成像效率，就必须选取合理的抽样间距和投影数，作者在分析抽样间距和投影数对图像重建质量影响时发现，在噪音比较大的情况下，抽样间距过小，会使重建图像的质量下降，而投影数的变化对重建图像质量的影响则相对较小。     

基于双字典自适应学习算法的低采样率CT重建

在医疗诊断中,稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建,会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量,提出了双字典自适应学习算法,参照Sparse-Land模型的双字典学习框架,将K-SVD算法与双字典学习算法框架相结合得到补全投影数据,利用FBP算法进行重建得到高质量的重建图像.实验结果表明,在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD双字典学习算法,并且此方法有效提高了CT图像重建在低采样率时的性能.     

断层轮廓的双三次非均匀B样条曲面重构

针对断层图像数据,提出了一种曲面重构的方法.依据曲率特征首先提取各层特征点,对其重采样使每行(列)获得统一的采样点数;再对采样点插值得到非均匀双三次B样条曲面;最后,在一定控制精度下对曲面依据距离特征进行节点插入,通过最小二乘逼近法算出新的控制顶点,从而得到误差在容许范围内的逼近曲面.根据断层轮廓的特点,本算法综合运用了周期B样条和非周期B样条,讨论了封闭曲面和非封闭曲面的计算方法.另外插值和逼近的结合应用使该算法更快速、实用.     

投影自表示无监督极限学习机

无监督极限学习机在投影过程中保持原始高维空间中的稀疏或近邻结构,样本在高维空间中存在冗余信息,原始的数据结构不一定适应于投影后的低维特征空间.为此,结合无监督极限学习机和子空间聚类的自表示学习,提出投影自表示无监督极限学习机模型.该模型是面向聚类的特征提取方法,在投影过程中学习自表示子空间结构,从而使无监督极限学习机提取的特征自适应于聚类任务.在IRIS数据集、 6个基因表达和2个医学影像高维数据集上进行实验,结果表明该模型和算法是有效的.     

PET断层重建中动态射线追踪算法的实现

迭代重建算法已成为PET的标准重建方法,其系统响应矩阵实现图像空间和投影空间之间的映射关系,是迭代重建算法的关键.面向list-mode断层重建,以优化Siddon算法为基础,实现了一种敏捷的正交距离射线追踪方法,实时计算系统响应矩阵,生成近似高斯形的LOR线,有效建模了探测器响应函数.结果表明该算法在重建精度和效率之间达到较好的平衡,满足了list-mode断层重建的需求.     

基于圆域上多项式逼近的图像重建算法

以Marr算法为基础, 给出了圆域D上图像重建的一种 基于二元多项式逼近的加速算法. 加速后算法的计算量为O(Nlg N), 当N较大时, 新算法的运行时间远小于原算法的运行时间. 同时, 与传统图像重建算法〖CD2〗滤波反投影算法（FBP）相比, 基于多项式逼近加速算法重建的图像质量优于前者. 仿真实验验证了此算法的有效性.     

基于全局-局部保持投影的稀疏降维方法

该文提出了一种基于全局-局部结构保持的稀疏投影模型(GLSPP).通过对投影数据进行线性重构来保持数据的全局结构,从而保留投影数据的全局信息.通过约束重构系数矩阵与相似性矩阵的相似性来保持全局保持数据和局部保持投影数据的一致性.同时,对重构系数矩阵和相似性矩阵进行稀疏约束,保留主要信息,以减少冗余信息的干扰.在公开的4个人脸与物体数据集上的实验结果显示:该方法具有较高的分类准确率.