基于协方差矩阵表示的图像集匹配

提出了一种图像集合匹配方法,该方法通过协方差矩阵对图像集合建模,利用对称正定的非奇异协方差矩阵构成黎曼流形上的子空间,将图像集的匹配转化为黎曼流形上的点的匹配问题.在ETH80和Honda UCSD数据库分别进行了基于图像集合的对象识别和人脸识别实验,分别达到96%和95.9%的识别率.     

基于二维主成分分析的高光谱遥感图像降维

提出一种以高光谱图像分析为目标的基于二维主成分分析的高光谱遥感图像的降维方法。通过多变量线性变换对高光谱数据进行特征提取,应用二维主成分分析的方法对高光谱遥感图像进行降维。对AVIRIS图像应用二维主成分分析的方法,可将能量主要集中在少数几个特征值中,这就为降维提供了可能。计算机仿真结果表明,该算法计算量小,方差小,峰值信噪比(PSNR)、分类准确性均显著提高,MSE有所下降。     

改进Kinect手部行为识别系统的研究

针对Kinect自带的动作模板库无法判断人体多种动作组合行为以及不同位置含义不同的问题,本文以人体手部行为为例,设立4种位置下4种基础手部动作,提出了在屏幕坐标系下构建运动特征模板,并提出建立一种DTW-NBC模型,将动态时间规整(Dynamic time warping, DTW)与朴素贝叶斯分类(Naive bayes classification, NBC)相结合进行模板训练与匹配,并对上述任意两种基础动作组合产生的行为在不同位置的发生进行识别。实验证明,该方法有效地区分了在不同位置相同的手势行为,改善了Kinect对同时发生的复合动作进行识别精确度较低的缺点,识别率达到88.6%,具备良好的稳健性和有效性。     

改进FAST和FREAK的图像匹配算法

针对FREAK算法在图像匹配和压缩过程中的效率低以及失真问题,提出一种改进FAST和FREAK的图像匹配算法。首先,通过改进的FAST提取图像特征点,在提取的特征点范围内构建降维尺度空间金字塔,从而提高原图的匹配速率和卷积过程中的计算效率。其次,基于每个特征点构建低维特征描述,进而确定改进FREAK算法的主方向,以提高运算速率和图像匹配的鲁棒性。最后,通过汉明距离进行图像特征匹配。仿真实验结果表明,该算法能够有效解决多次压缩传输所造成失真的图像的低匹配率问题。     

基于三轴加速度传感器人体姿态识别的特征选择

为解决人体运动模式识别中姿态分类问题,详细研究了人体姿态识别的特征选择.通过统计三轴加速度传感器的x轴、y轴、z轴等信号,获得标准差、偏度和峰度等117种特征.将Fisher score、relief-F和Chi square 3种算法与层次分类方法相结合选择出特征子集,采用支持向量机对动作进行分类.实验表明,利用3种特征选择算法所选择出的特征集有助于较高精度地识别站立、坐和躺3种静态动作以及走、上楼、下楼3种动态动作,且有利于后续进行低复杂度在线识别方法研究.     

基于Higuchi分析的武术运动员姿势平衡性评估方法

为了准确评估武术运动员对特定动作姿势控制的平衡性,提出了一种基于Higuchi分形维数分析的平衡性评估方法 .首先,通过力测试平台获得运动员做出特定动作时的足底压力中心(COP)数据,构建一个时间序列.然后,通过Higuchi算法计算该时间序列在自前而后和自内而外两个方向上的分形维数(FD).最后,根据分形维数值来评估动作姿态的平衡性.专业和业余运动员的对比实验结果表明,该方法比传统方法能更准确地反映动作的平衡性.     

结合地理参数的航拍视频实时拼接算法

针对现有航拍视频拼接算法存在的计算速度慢及累积误差大等问题,提出一种结合地理参数的航拍视频实时拼接算法.根据地理参数对相机运动模型进行分解,完成视频帧间的实时配准.估计视频每帧的主运动方向,并对现有单一主方向的流形拼接算法进行改进,将其拓展到任意方向.依据地理坐标局部修正拼接条带,保证拼接图像与真实地理位置一一映射,减少累积误差.仿真与真实航拍视频的拼接结果证明了该算法的准确性和准实时性,对640×480像素视频的拼接速度达到25帧/s.     

LLE方法在图像检索中的应用

在基于内容的图像检索中,图像特征的维数往往随着图像特征描述的详尽而剧烈的增加,在建立图像库时高维特征的存储空间度以及度量图像之间相似性的运算复杂度都将非常高.采取一个颜色均匀性谓词对图像进行多层分解来提取图像的颜色特征,在此基础上与LLE算法相结合对图像的高维特征进行降维.实验表明,该相关算法具有较好的性能.     

对旋转和平移鲁棒的序列图像拼接算法

受分辨率和视角范围的限制,普通的图像获取设备通常无法拍摄到较大场景的图
像,而图像拼接技术可对获取的若干幅小视角场景的图像进行配准和融合得到一幅宽视角的
全景图像. 为此,设计了一种序列图像拼接系统. 针对近似仅存在二维平移的待拼接图像,采
取平移鲁棒的实时序列图像拼接方案,以傅里叶变换的相位相关法为基础进行拼接. 针对待
拼接图像间同时存在旋转和平移的情况,采取了基于Harris特征点检测的旋转和平移鲁棒的
序列图像拼接方案. 实验结果表明,所设计的平移鲁棒序列图像拼接方案能够实时拼接近似存
在二维平移关系的序列图像,但无法处理旋转;而旋转和平移鲁棒的序列图像拼接方案可在
线下非实时地处理同时存在平移和旋转仿射变换的序列图像拼接.     

三维可视化在经典优化算法中的应用

三维可视化(科学可视化)已经成为现代科学研究的重要课题之一,多维函数问题在现实生活中层出不穷,将多维函数问题进行降维从而应用在三维可视化中就成为解决多维问题重要的一步.这个过程最主要的就是要求通过适当的降维方法将大量的多维数据降到人们能够利用或者方便处理的程度.根据规划中目标函数的线性性,线性降维算法和非线性降维算法已经成为解决多维函数问题的主要方法,将通过经典优化算法将非线性无约束规划问题进行降维,从而使该类多维问题在三维图像中实现可视化.     

非紧流形上抛物方程的椭圆型梯度估计

给出完备非紧黎曼流形M上的抛物方程ut=△u＋Xu＋hu的正解的全局梯度估计,该估计与M的维数n无关.这里X是任意非零C 1向量场;h是定义在M×（0,＋∞）上的非负函数,对于自变量x是C 1函数.作为应用,我们将给出该方程的解的Harnack估计.     

基于运动历史图像与卷积神经网络的行为识别

针对人体行为识别难于兼顾速度与精度的问题,提出了一种结合运动历史图像(MHI)与卷积神经网络的行为识别算法.该算法首先从原始视频序列中计算MHI,不仅减少了待处理的信息量,还提取了行为识别中的关键时空信息;接着以MHI作为输入,搭建了深度卷积神经网络,可以更好地表达时空信息;最后利用随机梯度下降法与dropout策略训练网络,实现行为类别分类.对比不同卷积神经网络训练与测试实验,该算法在Weizmann行为识别数据集上取得了95%的平均识别率,相较于未改进的网络结构提升了1.2%;对于持续时间为1.6s的行为动作,该算法的识别时间为1.56s.实验结果表明,所提算法在维持较高识别准确率的同时,实现了人体行为的在线实时识别与分类.     

常曲率空间的带有平坦法丛的子流形

本文通过对于子流形的第二基本形式的长度平方的Laplacian的讨论,得到了常曲率黎曼流形中带有平坦法丛的子流形为全脐点子流形的一个充分条件。并利用该条件将M.Okumura得到的结果推广到任意常曲率流形的情形。     

基于(2D)~2PCA的受限玻尔兹曼机图像分类算法及其并行化实现

为解决受限玻尔兹曼机(restricted Boltzman machine,RBM)理论对高分辨率图像分类的时间复杂度高的问题,提出了一种基于双向二维主成分分析(two-way 2-dimension principal component analysis,(2D)~2PCA)的RBM图像分类算法.该算法首先应用(2D)~2PCA对待处理图像在X和Z两个方向上进行降维处理,从而提取出图像的主成分,将主成分作为RBM网络可见层的输入数据,应用对比散度算法训练构建玻尔兹曼机网络,达到对图像进行分类的目的.该算法有效解决了RBM处理高分辨率图像时网络训练速度慢,甚至整个网络训练状态无法收敛的问题.通过在Hadoop并行数据处理平台的实验表明:该算法不仅能有效提高处理高分辨率图像的速度,而且具备良好的并行性,在具有4台处理机的并行集群下,其加速比达到了3.13.     

用于侧扫声纳图像边缘检测的改进Canny算子

摘要： 针对侧扫声纳图像斑点噪声强的特点,提出一种改进的Canny算子进行边缘检测. 根据斑点噪声的乘性模型和瑞利分布特性,在非下采样Contourlet变换域进行局部自适应降斑. 该方法在有效抑制斑点噪声的同时可较好地保护边缘,避免了Canny算子造成的边缘模糊. 计算降斑后图像的梯度值分布,对梯度幅值进行非极大值抑制得到极大值点. 将梯度模的极大值点分成强边缘点、弱边缘点与非边缘点3 类,基于类间方差最大自适应确定区分3 类的双阈值,经双阈值处理与弱边缘连接得到边缘图. 对模拟声纳图像和实际声纳图像的边缘检测结果表明,较之Canny算子和小波模极大等边缘检测方法,该方法具有边缘检测完整、定位准确、伪边缘点较少等优点.     

基于分步降维HOG-LBP特征的行人头部分类算法

传统的基于PCA-HOG特征的行人头部分类算法存在降维后的子空间鉴别性不足的问题.为此,提出一种基于分步降维HOG-LBP特征的行人头部分类算法.首先,利用样本类别标签构建2类样本的HOG特征集合,在这2类特征集合中分别执行PCA降维,然后将所得的特征与LBP纹理特征进行级联得到最终的头部描述算子,最后通过训练SVM分类器对实际样本集进行分类.实验结果表明,与传统PCA降维方法相比,该方法可有效提高行人头部的分类性能.     

主成分分析在高光谱遥感图像降维中的应用

高光谱遥感图像的高数据维给图像进一步处理带来了困难,为了解决这一问题,本文提出了主成分分析的降维方法.根据原始数据协方差阵的特征值和特征向量,可以计算各个波段对给定主成分的贡献率,对重要主成分贡献率的和直接反应了波段信息量的大小,实验证明,该方法效果较好,且计算量小.     

基于张量投票的道路表面裂缝检测

以车载LiDAR数据为对象,提出一种基于多尺度张量投票技术的道路表面裂缝提取方法. 首先沿行车路线从剖面图中提取道路路坎,通过行车轨迹线约束提取道路数据. 再根据强度和距离信息将道路数据转换成二维特征图像,采用多尺度张量投票法增强特征图像的裂缝信息提取道路表面裂缝. 利用点云数据和道路影像数据进行实验验证,结果表明该方法抗噪能力强,裂缝检测质量高.     

基于强化学习的多模态场景人体危险行为识别方法

在多模态场景下,常规人体危险行为识别方法对人体危险行为的识别精度较低,于是提出了基于强化学习的多模态场景人体危险行为识别方法。首先根据强化学习的特征提取算法获取多模态场景人体危险行为特征集,其次基于强化学习数据决策提取多模态场景人体危险行为,构建人体危险行为模糊识别模型。最后将上述人体危险行为特征子集代入模型,计算不同感官下危险行为的隶属度,实现多模态场景人体危险行为的识别。实验结果表明：该方法对危险行为的识别准确率较高,其识别延迟时间低于300 ms。     

基于自适应流形的图像拼接

目前图像拼接(Mosaics)在许多领域有着广泛应用.传统的拼接技术是选取一幅参考图像,其它的图像都同参考图像对齐、融合成全景图.该方法由于积累误差的存在会造成拼接后的图像扭曲和失真现象较严重,而且重叠区域大,相邻图像融合效果不理想.为了克服传统方法的缺点,本文提出了基于自适应流形的图像Mo-saics,该方法是从视频序列中提取条形图,然后向自适应的流形再投影完成全景图的拼接.