基于Contourlet变换的三维人耳提取

提出一种基于Contourlet变换的三维人耳提取方法.Contourler变换不仅可以提取图像的内在几何信息,而且能将这种信息分解到多个尺度的不同方向上.通过统计耳朵轮廓在Contotourlet变换域不同子带不同位置上系数的分布概率,可构建耳朵概率模型.利用这个模型,把非人耳轮廓边缘过滤掉,只留下耳朵边缘,再计算这些边缘的凸壳,便可实现三维人耳的精确提取.实验结果表明,使用该方法可以较好地提取出三维人耳,同时取得了较好的人耳识别效果.     

基于贝赛尔曲面的三维人脸特征点定位方法

三维人脸识别技术中,人脸特征点的精确定位和匹配对后期的人脸识别起了极为关键的作用,为此提出了一种新的三维人脸特征点定位方法,利用矩阵特征分解求解每个特征点的基准平面,进而可用贝塞尔曲面来表达特征点附近的局部三维表面结构,对不同复杂结构的表面可用不同的精度描述,采用局部搜索和全局形状模型的约束相结合得到三维人脸特征点的精确定位.对三维人脸的特征点进行定位的实验结果证明,该方法比其他基于曲率分析的方法具有更精确的定位精度.     

一种基于非降采样Contourlet变换的遥感图像融合方法

给出了一种非降采样Contourlet变换和HIS变换相结合的遥感图像融合算法.非降采样Contourlet变换是一种平移不变的小波变换方法,且具有良好的方向选择性,其对图像做多分辨率分析得到的高频子带,有效地表达了图像中的细节特征信息.结合HIS变换,非降采样Contourlet变换将细节注入到多光谱图像得到的融合图像,不但具有较高的空间分辨率,而且有效保持了多光谱图像的光谱特征.实际的SPOT全色图像和TM多光谱波段融合结果表明,所提议方法的性能优于目前广泛使用的小波域方法如离散小波变换和A Trous小波变换以及Contourlet变换等融合方法.     

新疆不同积温带甜菜含糖率差异性的分析

根据新疆甜菜主产区的不同气候条件，将新疆甜菜主产区划分为一、二、三积温带，积温范围依次为3400～3700℃、3100～3400℃、2700～3100℃。分析1999～2005年连续7年的全疆含糖率资料，结果表明，不同积温带的气候因素对甜菜含糖率变化有较大影响；不同积温带的甜菜含糖率基本遵循低积温带高于高积温带的规律而变化。     

基于鲁棒估计的遥感图像融合方法

提出一种基于鲁棒估计的遥感图像融合方法.该方法首先建立了高分辨率的多光谱图像到低分辨率的多光谱图像和高分辨率的全色图像之间的观测模型,然后在最大后验概率框架下引入鲁棒估计以增强估计的鲁棒性,最后利用阶段非凸和逐次超松弛方法实现了低分辨率的多光谱图像和高分辨率的全色图像之间的融合.鲁棒估计的引入,大大减小了观测噪声对融合结果的影响,而且省去了目标函数中的正则项,使得融合过程更加简单方便.以QuickBird卫星数据为例的实验结果表明,与其他几种常见方法相比,本方法不仅能够提高多光谱图像的空间分辨率,对光谱信息的保持也具有更好的效果.     

GVF场的多层细胞神经网络实现及其在图像分割中的应用

提出了利用多层细胞神经网络实现梯度矢量流GVF场的方法,并与扩展、细化的细胞神经网络(CNN)相结合来实现动态轮廓的图像分割．细胞神经网络具有并行运算的能力,可解决传统串行算法复杂性大,不能实时处理的问题,并克服了梯度场作为CNN的外力驱动方法的局部最小问题。在图像处理过程中,外部图像由GVF信息引导,最后收敛到所期望的目标位置。结果表明,该方法在不同的输入图像条件下均获得了比Vilarino提出的方法更好的分割结果,并具有实时处理速度。     

一种基于频带选择的视觉注意计算方法

视觉注意力的研究对计算机视觉的发展有很大的帮助.然而,绝大多数的现有模型仅能处理某一类型的数据或只针对特定的应用.事实上,不论场景中物体的尺寸大小如何,人类都能够正确无误地察觉到.本文基于生物学在视网膜上非经典感受野的发现,从频域的角度出发,提出一种新的自底向上的计算模型.显著图可以通过模拟扩展的感受野的思想而得到,主要由两步组成:首先利用Gabor小波将输入图像分解成一系列特征图,它们对应于整个频率域的不同频带;其次,挑选出其中的一些作为最优频带以生成显著图,以此来模拟感受野的调节.实验结果表明,本文所提出的算法无论是对于心理学图像还是包含了任意尺寸目标的自然图像,在显著性的预测上都优于现有其他算法.除此之外,感受野模型以及Gabor小波的生物特性使得模型具有一定的鲁棒性.     

带约束的卷积语音信号频域盲分离方法

在实际的室内环境中,多通道的语音混合是一个卷积混合信号,在频域利用ICA进行分离时,不同频点上分解出的源信号的次序不确定,需要用后处理方法确定源的对应关系。提出了一种利用波达方向(DOA)作为约束条件的频域盲源分离方法,可以在线地解决频域中的次序不确定性,并且不需要已知传感器及源信号位置等先验知识。仿真结果表明,该方法能够有效地分离卷积混合语音信号,比现有相关的方法更精确。