基于马尔科夫随机场模型的多视角异质多模图像的目标检测

研究复杂背景中不同视角的不同光质图像中的特定目标检测问题。利用马尔可夫随机场模型,提出了一个基于地面区域匹配和空间约束关系的目标检测方法。在可见光俯视参考图像和红外光侧视观测图像的实验数据集上的检测结果表明,区域匹配能够有效提高召回率,而空间约束能够有效降低虚警率,获得了比一般异质光图像检测中基于边缘的方法更好的检测结果。该方法降低了不同视角带来的影响,同时能够克服图像间光质不同带来的检测困难,能够有效处理复杂背景下不同光质图像的匹配及其中目标的准确检测定位。     

谈西洋油画的意境

通过对中外绘画的比较研究,认为意境不是中国传统文化的专利,在西洋油画艺术中同样存在意境美的追求.     

基于边缘的字符串定位算法

为了对强干扰噪声图像中的字符串进行实时的检测定位,该文提出了一种基于边缘的字符串定位算法,它引入了边缘密度图和边缘连接强度两个新的概念。该算法首先通过对边缘密度图进行投影分析进行自顶向下的粗定位,然后在此基础上利用垂直边缘的连接强度进行自底向上的精确定位。新算法有效地克服了噪声的影响,运算复杂度低,因而能够实现对强干扰噪声图像中的字符串的实时定位。采用该算法对集成电路芯片图像中的编号字符串进行定位,实验结果证明其在处理强干扰噪声图像时是有效的。     

基于概率图模型技术的柱面全景图生成算法

为解决复杂场景下的全景图生成问题,应用了基于概率图模型的图像匹配技术,提出了一套完整的柱面全景图生成算法。采用动态阈值法对从图像中提取的H arris角点进行初步筛选,并结合图模型算法进行精确匹配,通过对匹配后特征点的迭代投影获得摄相机焦距,对原始图像进行柱面投影并融合。该算法具有对光照不敏感和全局最优化的特性,对图像噪声和特征点提取不准确有强健的承受能力,并有效地降低了计算复杂度,使算法更具有实用性。实验结果表明:能够对存在人车移动噪声和相机几何畸变的复杂场景正确合成360°全景图。     

基于层次型支持向量机的人脸检测

复杂背景中的人脸检测可广泛应用于人脸识别、人机交互等方面。但目前大部分人脸检测方法中存在分类器训练困难和检测计算量大等问题。提出了一种基于层次型支持向量机的正面直立人脸检测方法,在这两方面作了改进。这种结构的分类器由一个线性支持向量机组合和一个非线性支持向量机组成,由前者在保证检测率的情况下快速排除掉图像中绝大部分非人脸区域,后者对人脸候选区域进行进一步确认。在卡内基梅隆CMU等数据库上的实验证明了这种方法不仅具有较高的检测率和较低的误检率,而且具有较小的计算量。     

基于笔划合并和动态规划的联机汉字切分算法

联机手写汉字识别已从单字识别走向多字,乃至整篇文档的识别,字符的正确切分很大程度上决定了系统的性能.为了提高系统对整页文档的切分识别性能,该文提出了一种联机手写汉字的切分算法.通过基于规则的笔划合并将单个笔划合并成字符块,在此基础上,采用动态规划算法,利用字符块的长宽比、大小、间距以及识别信息,寻找出最优的切分路径.同时,对于手写汉字的任意性,提出了一种对汉字外接矩形框进行裁减的调整算法,使外接框并不包含整个汉字.实验证明,该文所提出的算法对于字数较多的多行样本以及存在字符相互粘连的情况,都有着很好的效果.     

鉴别局部特征分析及其在人脸识别中的应用

由于传统的鉴别主分量分析(DKL)算法中,主分量分析(PCA)基于全局特征,难以提取人脸的局部特性,该文提出鉴别局部特征分析算法.该算法中,局部特征分析(LFA)代替PCA作为线性鉴别分析(LDA)的前端.一方面,LFA在保留大部分全局信息的同时提取局部特征.另一方面,它为信号提供一种有效的低维表示,增强LDA在小样本问题中的数值稳定和推广性能.文中结合开集模式的人脸认证领域,在PoliceFace、OCRLab人脸库和它们的组合库上对新算法和DKL算法进行实验比较.实验表明,通过结合LFA和LDA,新算法明显降低认证错误率在PoliceFace库上,等错误点错误率降低43.10%;在OCRLab库上错误率降低25.87%;在组合库上错误率降低33.16%.     

运用竞争反样本的人脸认证算法

为了在认证中增强类间可鉴别性,通过引入竞争反样本,提出一种新的人脸认证算法.算法中,测试人脸不仅与所声明客户人脸进行匹配比对,同时也与各竞争反样本逐一计算匹配分值.所有分值综合起来,形成最终认证决策.设计最近邻反样本决策、全体反样本决策、最近邻域反样本决策等3种方案,并结合开集模式的人脸认证领域分别在多个人脸库、不同特征和不同分类器上进行实验和比较.在该文的测试中,新算法的3种方案与原有基于相似度的认证算法相比,错误率依次平均降低25.13%、30.24%、30.97%.     

一适用于超多类手写汉字识别的新改型Adaboost算法

提出一种适用于超多类手写汉字识别的新改型Adaboost算法,采用基于描述性模型的多类分类器（modified quadratic discriminant function,MQDF）作为Adaboost基元分类器,可直接进行多类分类,无需将多类问题转化为多个两类问题处理,其训练复杂度大大低于已有的多类Adaboost算法。算法提出根据广义置信度更新样本权重,实验证明这种算法适用于大规模多类分类问题。为了降低算法的识别复杂度,提出从所有训练后得到的Adaboost基元分类器组中选择一个最优的基元分类器作为最终分类器的方法进行删减。在HCL2000及THOCR-HCD数据集上进行实验证明,所提改型Adaboost算法提高了识别率的有效性,该算法的相对错误率比现有最优算法分别下降了14.3 %,8.1 %和19.5 %。     

基于云模型的驾驶员驾驶状态评估方法

为了满足智能车辆辅助驾驶系统对驾驶员状态监测的要求,提出了一种以云模型理论为基础的评估机动车辆驾驶员驾驶状态的方法。介绍了云模型定义、云模型的3个数字特征和云发生器。通过云模型对实际道路上采集的驾驶员不同驾驶状态下的视频录像进行了建模和比较。在清华大学室外移动机器人平台THM R-V上进行了简单实验,实验结果表明,该方法可以识别驾驶员的异常驾驶行为并且给出报警信息。