一种Log—Gabor滤波器结合多分辨率分析的虹膜识别方法

为提高虹膜识别算法的性能,提出了一种采用虹膜纹理全局信息的识别方法--全局信息识别法(IRBGT).该方法使用下采样运算得到不同分辨率下的虹膜图像,然后通过不同方向尺度的Log-Gabor滤波器组提取虹膜纹理的全局特征.最后,运用加权最小海明距离对生成的虹膜特征码进行匹配.与传统的Gabor虹膜识别方法相比,IRBGT方法在虹膜识别时更多地考虑了全局信息的可辨识力,能够降低等错误率和相同错误接收率下的错误拒绝率.对CASIA和UBIRIS虹膜库的测试结果表明,相比传统的Gabor虹膜识别方法,IRBGT方法在错误接受率为0.01%和0.1 %时使错误拒绝率分别减小了0.54%±0.2%和0.35%±0.15%,使等错误率降低了约0.2%.     

一般相关噪声下线性系统定区间平滑估计算法

针对机动目标跟踪中固定区间平滑估计算法对噪声相关性考虑不完全的问题,提出了一种具有一般相关过程噪声与量测噪声的离散线性系统最优固定区间平滑估计算法.该算法通过将固定区间内全部量测进行集中式扩维,并对误差传递进行分析,从而精确给出了误差间的相关性,在线性无偏最小方差意义下对系统状态进行递推估计.与不考虑相关性的卡尔曼平滑算法以及仅考虑量测相关性的正、逆向滤波融合平滑估计算法相比,新算法在噪声的高斯分布假设下是最优的,且随噪声相关性增强其优越性越明显.仿真结果表明,在相关系数为0.36时,新算法的位置跟踪均方根误差比不考虑相关性和仅考虑量测相关性的平滑估计算法可降低38%.     

基于矩阵分析的一种不确定性推理的数据融合方法

采用不确定性推理的矩阵分析方法，建立了用于目标识别的多传感器数据融合的数学模型。该模型综合了来自多种不同传感器的基于正态分布的检测数据，通过定义相关系数矩了来获取基本可信度分配值矩阵。提出了一种多传感器信息融合的新算法，该算法依靠可信度的积累，通过多级递推融合可获得目标状态基于全局信息的融合估计值。实例分析表明：基于融合后的识别结果较各传感器单独决策的结果性能优化，具有较强的容错性和有效性，并且不确定值较融合前平均下降了74%，从而可精确快速地控制工业生产。     

一种适合漫反射表面从明暗恢复形状的快速算法

针对使用朗伯反射模型描述漫反射表面的形状恢复算法存在较大误差的问题,提出了一种基于Oren-Nayar反射模型的从明暗恢复形状的快速算法(FSFS-ON).首先假定摄像机采用正交投影,其方向与光源方向一致,建立适合漫反射表面的图像辐照度方程,然后将该方程转化为包含物体深度信息的Eikonal偏微分方程,使用单调迎风Godunov Hamiltonian函数和fast marching方法逼近该微分方程的黏性解,进而得到物体表面的三维形状.合成花瓶图像的实验结果表明:与同类算法相比,FSFS-ON算法所需的CPU运行时间有较大幅度的减少;与基于朗伯反射模型的算法相比,FSFS-ON算法恢复三维形状高度的均方根误差降低了35.04%.     

一种从明暗恢复形状的快速黏性解算法

针对传统的从明暗恢复形状(SFS)算法存在误差大、耗时长的问题,提出了一种SFS的快速黏性解算法(PSFS-FVS).首先假定物体表面反射模型为朗伯模型,建立透视投影下的图像辐照度方程,然后将该方程转化为包含物体表面深度信息的静态Hamilton-Jacobi偏微分方程,使用非线性规划原理逼近该微分方程的黏性解,进而得到物体表面的三维形状.合成花瓶图像的实验结果表明:与Prados-Faugeras算法相比,PSFS-FVS算法在相同迭代次数时,恢复三维形状高度的平均相对误差降低了8.7%;在相同的误差条件下,所需的CPU运行时间减少了23.5%.实际人脸图像的三维形状恢复结果表明,PSFS-FVS算法在恢复局部细节信息时更加准确有效.     

基于视觉特性的多尺度对比度塔图像融合及性能评价

针对同一场景可见光与红外图像的融合问题，提出了一种新的多尺度对比度塔图像融合方法．该方法利用对比度金字塔数据结构得到图像的多分辨序列，采用基于视觉特性的融合算子在图像的相应各级上融合源图像的细节，再通过金字塔逆变换重构出最终融合图像．这种图像处理方法具自适应性，不随各自输入图像的灰度特性而改变，同时增强了融合图像的对比度，产生了较好的视觉处理效果．对熵、交叉熵和互信息3种量化评价标准的进一步分析表明，该方法比传统的Laplacian金字塔、比率低通金字塔和小波变换融合方法的性能更加优化，其中熵提高了0．5％～3％，交叉熵降低了13％～78％，互信息提高了1．8％～8．4％，评价结果与目视效果吻合良好．     

多Agent系统形式化建模方法研究

简要总结了多Agent系统（MAS）形式化建模方法的研究现状;以面向对象Petri网（OPN）和π演算为基础,给出了一种直观的MAS体系结构模型（Multi-Agent Systems Architecture Model,MASAM）。OPN可以形象地描述MAS的初始化结构及动态行为,而π演算可以刻画MAS的动态演化;另外,可以利用Petri网和π演算的相关分析方法和支持工具分析和验证系统模型,在系统开发早期发现并避免体系结构级的错误。