光学运动捕捉散乱数据处理的一种方法

阐述了一种适用于被动式光学人体运动捕捉散乱数据处理的方法,该方法基于模版匹配的原理,根据人体标示的特征点的局部相对刚性结构以及整体拓扑结构关系,利用刚性结构匹配、运动轨迹追踪、拓扑结构校验实现散乱数据的处理,从而得到人体运动参数及骨架拓扑结构。该方法解决了追踪算法在特征点重合时的追踪出错问题,处理方法经优化后数据处理过程能够满足运动捕捉的实时性要求,具备错误自动检测和纠正能力,处理过程无须人工干涉。     

基于多重分形谱的图像索引方法研究

讨论了图像多重分形谱的计算方法及简化算法,对图像多重分形谱的一些特性进行了概括,利用简化 算法求得的多重分形谱数据对图像进行索引,给出了一些改进方案用于进一步研究。     

粘贴DNA计算机模型(Ⅰ): 理论

粘贴模型(sticker models)是目前DNA计算机模型中的一种主要模型之一. 该模型采用单、双链混合型DNA分子进行编码, 具有在生物操作过程中不需要DNA链的延伸、不需要生物酶的作用以及DNA链可重复使用等优点. 因而受到不同学科学者的关注与兴趣. 对此模型分理论、应用两个部分进行了比较系统地论述, 理论部分的具体内容是: 首先比较系统地介绍了粘贴计算的经典模型的有关基本理论; 其次讨论了在粘贴模型与形式语言基础上建立起来的一种抽象的计算模型——粘贴系统; 第三, 对粘贴模型进行了推广和进一步的完善, 提出两种在应用上更为广泛、理论上进一步完善的模型: 一个是所谓的k-进制粘贴模型, 另一个是所谓的全信息粘贴DNA计算模型.     

基于级联可分离空洞残差U-Net的肝脏肿瘤分割

计算机辅助肝脏肿瘤分割可减少医生工作量,提高手术成功率,因而具有重要的临床诊疗价值。为获得精确的肝脏肿瘤自动分割结果,该文结合医学影像分割领域近年新兴的U-Net模块提出了基于级联可分离空洞残差U-Net（cascaded separable and dilated residualU-Net,CSDResU-Net）的肝脏肿瘤分割方法。CSDResU-Net采用了级联操作,解决了因肿瘤在整幅图像中占比小而造成的肿瘤分割数据不平衡问题;通过在分割网络中整合残差单元、深度可分离卷积和空洞卷积,能够增加卷积核感受野并快速提取更具判别性的肝脏肿瘤图像特征,从而提高肝脏肿瘤分割精度。在国际医学图像计算和计算机辅助干预协会肝脏肿瘤分割数据库上的实验结果表明,CSDResU-Net比基线方法的Dice系数指标提升了1.3%,同时发现空洞率对分割网络的性能表现影响较大。     

一种有效的光学运动捕捉数据处理方法

提出一种适用于被动式光学人体运动捕捉散乱数据处理方法.该方法基于光学人体运动捕捉散乱数据的时空信息,提出了时空搜索数据处理算法.由于光学运动数据采集频率高,运动数据的前后帧之间在时间轴上成平滑线性关系,人体骨架关系的约束使得各帧数据在空间位置上遵循一定的拓扑关系.时空搜索数据处理算法合理地利用了运动数据时间轴上的线性关系和空间位置上的拓扑关系作为约束条件,有效地对三维运动数据进行了预测和跟踪,并对噪声数据进行去噪处理,对缺失运动数据提出基于刚体的补点算法,进行合理的补缺.该方法在处理过程中无需人工干预,并能满足实时性要求.     

一种新颖的基于NMF的人脸识别方法

提出了一种新颖的基于非负矩阵分解(NMF)进行人脸识别的方法,读方法首先对人脸图像作NMF得到由人脸基图像组成的子空间矩阵及其对应的系数矩阵,然后将其重构获得NMF重构人脸图像,进而从原始图像中减去重构图像以获取残差图像.最后对残差图像作局部非负矩阵分解(LNMF)以提取其非负子空间及其系数矩阵,并将两次得到的系数矩阵混合,根据最近邻原则进行识别.在ORL标准人脸数据库上的实验表明,该方法具有更好的识别率.     

基于位置的灰度图像分形索引方法

为了更好地综合利用Hilbert序列方法与树状表示方法,研究了一种基于位置的图像分形索引方法(IFA),在结构上IFA索引方法类似于二叉树结构,节点代表着各个子区域的灰度之和,充分地体现了图像各部分的灰度重量特征,有利于图像的语义提取、分类检索识别等。改进这种方法,把n×n图像用n×n个节点进行分层表示,做到存储即索引。给出了该索引表示结构中的子序列 (2r到 2r 1 -1)化为r阶Hilbert序列的方法和图像上点的IFA序列的查找算法。最后,讨论了该方法的应用,提出了需要进一步研究的 2个猜想。     

粘贴DNA计算机模型(Ⅱ): 应用

经典的粘贴DNA计算模型采用单、双链混合型DNA分子编码, 其生物操作具有无需DNA链的延伸、无需生物酶以及DNA链可重复使用等优点, 已经受到不同学科学者的关注. 在经典模型的基础上, 进行一定的扩展与完善, 必对DNA计算机的研究有良好的贡献. 基于此, 对粘贴DNA计算机模型进行了较为深入的研究: (1) 提出了基于粘贴模型的矩阵表达模型; (2) 对经典粘贴模型应用于图与组合优化等方面的研究成果给予综述, 诸如集合覆盖问题、图的顶点覆盖问题、图的Hamilton路与圈问题、图的团与独立集问题、图的生成树与Steiner树问题等; (3) 给出了基于粘贴模型的图的同构问题的算法.     

链码描述图象的快速恢复研究

给出一种新的链码描述图象的快速恢复算法，在对已有图象恢复算法的不足之处及对链码结构所具有的特点进行充分分析的基础上，算法将区域的链码描述转换成应用广泛的表结构表示，避免了传统图象恢复算法中的奇异性处理问题，提高了图象恢复速度，并可对多彩色图象进行处理。该算法在内点测试、集合演算中得以推广应用。     

基于ICA多特征融合的人脸识别

提出了一种基于特征融合的人脸识别方法.该方法首先对预处理后的人脸图像进行全局特征及局部分量的提取,分别采用离散余弦交换(DCT)提取包含图像大量信息的低频部分特征和奇异值分解(SVD)抽取图像的代数特征作为图像的全局特征,采用非负矩阵分解(NMF)提取图像的局部分量特征,然后将此两类特征以独立成份分析(ICA)进行融合,获取用于人脸识别的特征向量.在本文的实验中,我们将此特征向量应用于支持向量机(SVM)进行分类训练及识别测试,并获得较好的结果.