基于高斯矢量场的多尺度水平集图像分割算法

针对主动轮廓模型的弱边界和运算复杂度高等缺点,提出一种有效的解决算法,该算法引入高斯矢量场(GVF),扩大边界力的作用范围,同时综合区域信息,有效解决弱边界问题;并运用多尺度LevelSet方法提高算法的运算速度.实验表明,所提出算法不仅分割效果好,而且具有抗噪性能强和运算速度快的特点.     

培养工科院校学生适应市场经济的思考

围绕市场经济对人才素质的新要求，本文力图从提高认识水平、建立合理的知识体系、完善必要的能力结构等方面进行论述，以促进工科院校人才培养迅速适应形势的需要。     

网络爬虫的图像美学质量数据库及其美学评价系统设计

本文提出了一种基于网络爬虫建立图像美学数据库并评价图像美学的方法. 首先使用网络爬虫获取数据库图像，然后提取图像的美学特征，进行美学评价. 本方法提取的美学特征涉及了全局和区域特征两方面，因此在特征提取之前需要使用功率谱斜度的方法分离图像的主题、 背景区域.实验结果表明，本方法可以较好地抓取并且分析网络图像，并且评价方法与人类的主观感知有很好的一致性，能准确地反映人类的美学鉴赏系统.     

综合区域和边界信息的图像自适应分割技术

针对分水岭图像分割算法中的过分割问题,提出了一种综合区域和边界信息的解决技术．该技术主要利用区域和边界的综合信息,对分水岭算法处理后的过分割区域进行聚合．在基于区域和边界信息的聚合过程中,借鉴人眼视觉模型的韦伯感知原理,针对区域的不同亮度环境,自适应地选取动态的聚合阈值;并根据强弱边界属性调节聚合阈值,以鼓励对象内区域聚合和避免对象之间的区域聚合．试验结果表明,这种技术对分水岭算法中的过分割有较好的改善．     

加强毕业生教育 多为社会输送合格人才

社会主义现代化建设的新形势,对高校人才的培养提出了新要求。本文力图从加强毕业生的教育入手,探索工科院校主动适应经济建设和社会发展需要的人才培养之路。     

DTCNN的人脸识别算法的Map-Reduce并行化实现研究

传统人脸识别算法都采用基于特征提取的解决方案，所以有效的特征需要很强的先验知识和丰富的工程经验.本文引入深度平 铺卷积神经网络（deep tiled convolutional neural networks，DTCNN），利用深度平铺卷积神经网络的特征学习能力来实现 人脸识别，可是由于深度平铺卷积神经网络的运算复杂度高，并且在处理海量数据时会出现训练时间过长，内存占用大等问题.为此本 文提出一种Map-Reduce并行化的DTCNN算法.实验表明，深度平铺卷积神经网络能够获得比传统经典人脸识别更好的性能，而 Map-Reduce的引入又极大地减少了大数据集下的系统训练时间.