基于肺部先验知识的电阻抗成像重构算法

为获取人体肺部组织分布,结合人体肺部组织的结构特征,运用大型有限元仿真软件COMSOL,根据CT肺部扫描图像构建人体肺部模型,同时结合人体组织和器官电导率分布参数等信息,并考虑肺部先验知识,采用共轭梯度算法重建被测场电导率分布图像．仿真实验表明,灵敏场均匀性指标由基于圆形场域的34．218减少到基于肺部模型灵敏场域的15．568,灵敏场的均匀性得到明显改善,且重构图像具有较高的分辨率和图像质量．     

基于先验知识和形态学膨胀的车牌定位算法

提出了一种基于先验知识和形态学膨胀的车牌定位算法,该算法首先提取图像的垂直边缘,然后利用形态学膨胀算法得到车牌候选区域,最后根据先验知识定位车牌区域,测试表明该算法在交通卡口场景中可有效定位车牌,定位准确率达97%。     

基于分割理论的三维模型检索算法

提出了基于分割理论的三维模型检索算法,在利用分割算法获取模型部件集合的基础上,提取表征模型部件全局分布和表征模型局部形状的两类特征,并综合计算不同模型间的相似性,从而获得模型间总的相似程度.实验结果表明该检索算法能够获得更精确的检索效果.     

一种改进的三维模型特征提取算法

改进了一种基于正视图描述符的特征提取算法,该方法克服了Shih方法对于模型大角度旋转的敏感性。实验结果表明：改进后的方法不仅具有很好的查全率与查准率,并且对坐标系旋转变换具有较好的鲁棒性。     

基于先验知识的强化学习系统

针对强化学习算法收敛速度慢的主要原因为强化学习算法所用模型通常都假设系统参数未知、先验知识未知，由此造成该算法从没有任何基础开始搜索最优策略，搜索范围大的问题，提出将强化学习系统建立在先验知识的基础上，既有效利用了前人的工作成果，又加快了算法的收敛速度．通过解决电梯群控问题验证了所提出系统的合理性和有效性．     

三维模型检索技术综述

本文介绍了当前三维模型检索技术的研究现状，综述了三维模型检索技术，简要介绍了三维模型检索界面和三维模型检索系统，并对该技术领域的未来发展进行了展望。     

具有先验知识的前馈网络规划模型在海水腐蚀预测中的应用

应用具有先验知识的前馈网络模型研究海水环境与材料（钢）腐蚀之间对应关系,结果表明该模型能够很好揭示材料海水腐蚀规律,提高了预测准确度。     

基于形状加权的三维模型特征提取算法

提出了一种基于形状加权的三维模型特征提取算法,同时考虑采样点与中心点间的距离,以及采样点所在三角面片面积大小,构建直方图获取特征描述符.该算法能够充分利用模型表面信息,提取步骤简单,时间消耗少.实验证明,利用本文算法得到的特征描述符进行检索,查全率和查准率都有明显提高.     

基于先验的贝叶斯先验选择方法

在一个参数的可选先验类中选择一个合理的先验问题,类似于从参数空间中估计一个恰当参数的问题.基于这一观点,利用贝叶斯分析的后验分布理论,先得出先验的后验分布计算方法,再根据先验的后验分布确定出合理的先验,从而建立了一个基于先验的贝叶斯先验选择方法,它是ML-Ⅱ先验的一个拓广.     

一种基于先验知识约束的车牌字符分割新算法

车牌字符分割是车牌自动识别系统的三大核心技术之一,字符分割是字符识别的基础;针对传统的基于连通域分割字符算法计算量大、处理时间长的不足之处,在此提出了一种改进的算法,充分利用先验知识进行字符粗分割,在此基础上再利用连通域法最终实现字符完整分割,同时利用先验知识改进了传统的迭代法求二值化阈值算法,减少了迭代次数;实验表明:在此提出的字符分割算法在准确提取了车牌字符的前提下,大大缩短了处理时间,满足了实时性要求。     

基于联合不变矩形状特征的商标图像检索

针对商标图像结构越来越复杂的特点,提出了一种基于联合不变矩形状特征的商标图像检索方法。首先利用最佳阈值分割和形态学腐蚀运算的轮廓提取进行精确边缘检测;然后计算16个联合不变矩组成图像的特征向量;最后对特征向量高斯归一化,用欧氏距离度量图像间的相似性,构建了一个基于形状特征的自动图像检索系统。实验结果表明,该方法具有一定的可行性和有效性,所构建的系统具有实用意义。     

改进的特征选择算法在形状分析中的应用

文章介绍了粗糙集的发展现状和相关概念,指出特征选择是运用粗糙集理论进行数据挖掘中最重要的一个环节;利用已求得的正区域和限制正域使处理数据的范围不断缩小从而减少求约简的时间,最后通过对形状进行知识约简,验证了用这个方法进行形状分析是可行的。     

融合特征筛选策略的双塔网络鞋印检索算法

鞋印图像识别是计算机视觉在公安一线工作中的一项重要应用。当前公安侦查工作中鞋印图像无法进行精准识别的问题制约了工作效率与质量的提高,归纳起来主要是囿于鞋印现场提取的复杂情况、鞋印花纹图样的复杂特征以及鞋印图像的残缺不全。针对残缺鞋印,为了进一步提高残缺鞋印检索结果,设计了一种融合特征筛选的双塔网络鞋印检索算法。一方面,在网络中引入分区策略,将鞋印图像分为足掌区和足跟区用两个特征网络分别提取图像特征进行融合;另一方面,选择融合ResNet网络和Transformer网络的新型卷积神经网络convNeXt网络作为骨干网络,加入注意力机制模块,提取最后一层卷积特征后用不同的特征筛选方法去除鞋印图像中的无关特征,最后拼接展开成为特征描述符进行相似度计算。在训练阶段,优化学习策略,将其作为完整的图像分类网络进行训练。实验结果表明,本文选取的网络模型优于其他卷积神经网络,在CSS-200和FID-300两个鞋印数据集上取得了较高的准确率。     

计算机辅助投射条纹系统在三维形状测量中的应用

叙述了计算机辅助投射条纹系统在三维物体形状测量中的应用 ,提出了引入虚参考平面的方法 ,为形状测量的实用化创造了良好的环境。该系统采用计算机生成和视频投影仪投射条纹 ,为提高形状测量精度 ,引入了相移技术 ,从而使得测量过程快速、方便。为进一步提高精度 ,还采用了自动参数确定方法 ,即结合对已知尺寸物体进行的标定实验 ,在设定调整范围和步长的基础上根据测量结果对部分参数进行自动调整。文中还就其它提高精度的方法进行了研究 ,并例举了多个测量实例 ,误差小于 0 .5 % ,最后讨论了系统的应用途径。实验表明 ,该方法是一种可行的三维形状测量技术     

2-D shape completion with shape priors

We propose new techniques for 2-D shape/contour completion, which is one of the important research topics related to shape analysis and computer vision, e.g. the detection of incomplete objects due to occlusion and noises. The purpose of shape completion is to find the optimal curve segments that fill the missing contour parts, so as to acquire the best estimation of the original complete object shapes. Unlike the previous work using local smoothness or minimum curvature priors, we solve the problem under a Bayesian formulation taking advantage of global shape prior knowledge. With the priors, our methods are expert in recovering significant shape structures and dealing with large occlusion cases. There are two different priors adopted in this paper: (i) A generic prior model that prefers minimal global shape transformation (including non-rigid deformation and affine transformation with respect to a reference object shape) of the recovered complete shape; and (ii) a class-specific shape prior model learned from training examples of an object category, which prefers the reconstructed shape to follow the learned shape variation models of the category. Efficient contour completion algorithms are suggested corresponding to the two types of priors. Our experimental results demonstrate the advantage of the proposed shape completion approaches compared to the existing techniques, especially for objects with complex structure under severe occlusion.     

多标记学习的嵌入式特征选择

维数约减是数据挖掘领域的关键技术.传统的降维方法主要解决单标记学习问题.由于多标记学习问题的复杂性,多标记降维方法很少.直接应用未监督的降维方法到多标记学习中,忽略了类标信息.而通过分解多标记问题为单标记问题,应用现有的有监督降维方法到多标记学习中,忽略了类标间的关系.现有的多标记有监督的降维方法是基于依赖最大化的维数约简(multi-label dimensionalityreduction via depen dence maximization,MDDM),它是一种特征抽取的方法.目前还没有多标记的特征选择方法.因为在多标记学习中如何评估特征,是一个很有挑战性的问题.本文提出一个嵌入式的特征选择方法MEFS(multi-label embedded feature selection),其中采用预报风险准则作为特征的评价准则.在公开评测的yahoo网页分类数据集上进行了两个实验:(1)分析多标记学习的性能指标对特征评估的影响;(2)比较MEFS与MDDM,PCA(主成份分析),LPP(局部保留投影)的降维效果,实验显示MEFS的性能优于新近提出的MDDM等一些流行的多标记降维方法.     

Integrating color and spatial feature for content-based image retrieval

In this paper, we present a novel and efficient scheme for extracting, indexing and retrieving color images. Our motivation was to reduce the space overhead of partition-based approaches taking advantage of the fact that only a relatively low number of distinct values of a particular visual feature is present in most images. To extract color feature and build indices into our image database we take into consideration factors such as human color perception and perceptual range, and the image is partitioned into a set of regions by using a simple classifying scheme. The compact color feature vector and the spatial color histogram, which are extracted from the seqmented image region, are used for representing the color and spatial information in the image. We have also developed the region-based distance measures to compare the similarity of two images. Extensive tests on a large image collection were conducted to demonstrate the effectiveness of the proposed approach.     

基于颜色和空间特征的图像检索

提出一种新的基于颜色和空间特征的图像检索算法。首先,将检索图像转换为HSV颜色空间并进行量化,提取环形颜色空间信息熵作为颜色空间分布特征。其次,计算每个像素点的多邻域的量化颜色值的一、二阶中心矩,利用各阶统计矩的信息熵来表征图像颜色的局部空间特征。最后,对特征向量进行高斯归一化,采用特征向量的L1-norm距离计算彩色图像的相似度并进行图像检索。试验结果表明该方法比CDE和Geostat算法具有较好的检索效果。     

基于信道特性的中继选择协作通信方法研究

根据信道统计特性,研究了放大转发(amplify-and-forward,AF)协作中继网络中的中继选择协作通信方法.首先分析指出在等功率条件下,当信噪比小于某个门限时,选择单个中继节点进行转发(pre-select single relay AF,SAF)比所有节点都转发(all relays AF,AAF)的中断概率小.基于此信噪比门限提出一种中继选择协作通信方法,并且指出这种选择方法使得SAF的中断概率最小;然后结合功率分配提出了一种使中断概率最小化的最优中继选择协作通信方法;最后为了降低复杂度,提出了一种次优中继选择协作通信方法.仿真结果表明,这种次优方法和最优中继选择协作通信方法相比,性能相近.