基于感知度量的分形编码

传统的分形编码利用最小均方差准则（ＭＭＳＥ）来度量图象子块的变换匹配，未能充分利用人眼的视觉特征。本文提出了基于人眼视觉模型的分形编码方案。算法中，按视觉上的差异对图象子块进行分类；由“视觉最相似”的准则确定最佳匹配的域块，为此，相似匹配转换到ＤＣＴ域进行，导出了图象块的相似匹配在ＤＣＴ域的形式；算法进一步通过自适应误差校正来消除解码图象中的方块效应。解码图象的视觉质量有了明显的改善。实验结果证实了算法的有效性。     

Variation-based approach to image segmentation Variation-based approach to image segmentation

A new approach to image segmentation is presented using a variation framework. Regarding the edge points as interpolating points and minimizing an energy functional to interpolate a smooth threshold surface it carries out the image segmentation. In order to preserve the edge information of the original image in the threshold surface, without unduly sharping the edge of the image, a non-convex energy functional is adopted. A relaxation algorithm with the property of global convergence, for solving the optimization problem, is proposed by introducing a binary energy. As a result the non-convex optimization problem is transformed into a series of convex optimization problems, and the problem of slow convergence or nonconvergence is solved. The presented method is also tested experimentally. Finally the method of determining the parameters in optimizing is also explored.     

面向不确定性环境的自动驾驶运动规划：机遇与挑战

运动规划算法作为自动驾驶系统中的重要研究内容,愈发受到研究者们关注.然而目前多数算法仅考虑在确定性结构化环境中的应用,忽视动态交通环境中潜在的不确定性因素.文中面向不确定性环境,将运动规划算法总结为两类：部分可观测马尔可夫决策过程(POMDP)和概率占用栅格图(POGM),从理论基础、求解算法、实际应用三方面进行介绍.基于当前置信状态,POMDP计算使未来折扣奖励最大的策略.POGM使用概率表征对应栅格上的占用情况,衡量车流动态变化的可能性,良好表征不确定性情况.最后,总结不确定性环境中当前运动规划问题面临的主要挑战和未来可能的研究方向.     

基于SFM算法的三维人脸模型重建

提出了一种根据两幅正面人脸图像和一幅侧面图像重建人脸三维模型的算法，该算法主要包括4个步骤：寻找匹配点；采用SFM算法计算出特征点的三维坐标，并组成稀疏的三维网格结构；采用分步紧支撑径向基函数进行三维插值，得到三维模型；最后根据多分辨图像拼接算法生成纹理图像并将其映射到三维模型上，从而增强真实感，与其它算法相比，该算法最大的不同之处在于匹配点的寻找，匹配点的准确与否直接影响SFM算法结果的正确性，许多寻找匹配点的算法如角点匹配算法，在处理人脸图像时得到的结果并不稳定，这是因为人脸图像上包含了许多低纹理和重复纹理区域，大多数算法将代表人脸结构基本特征的基准模型运用在重建过程的最后一步，通过三维逼近运算，得到最终的重建模型，而该算法将反映人脸共性特征的几何对称性和规律性运用到匹配点的寻找中，能够快速准确地找出SFM算法需要的匹配点，用户使用普通照相机拍摄到的图像经本算法的处理后就可以得到相应的三维人脸结构。     

基于一类集合算子的图象去噪方法及其快速实现

为了保留图象结构特征 ,消除图象中的脉冲型噪声 ,给出并讨论了一种基于单调集合算子的图象去噪方法 .该方法首先把原图象分解为一簇水平集 ,然后利用特定集合算子 ,对水平集进行滤波处理 ,最后用处理后的水平集重建图象 .该图象去噪方法同传统的中值滤波、高斯滤波相比 ,具有保形、保对比度的特点 .另外 ,为了提高图象去噪方法的效率 ,提出了一种基于 Heap数据结构的快速算法 ,此算法的效率要明显地高于逐次取阈值的方法 .实验结果表明 ,单调集合滤波算子 ,在去除脉冲噪声和保持图象结构与对比度方面具有独特的性能 ,同时给出的快速算法也是可行的     

线性不确定时滞系统的可靠保性能鲁棒控制

研究了含有故障执行器的线性不确定时滞系统的可靠保性能鲁棒控制问题.执行器故 障模型概括了执行器正常、执行器部分退化和执行器完全失效三种情况,系统的性能函数是带 有故障输入项的积分二次函数.利用Lyapunov稳定理论及矩阵不等式方法,得到了系统存在可 靠保性能鲁棒控制器的代数矩阵不等式(AMI)形式的充分条件和控制器的设计方法,给出了系 统的一个可保性能的表达式.基于LMI方法,给出了AMI的一个求解算法.一个数值例子说明 结论的可行性.     

啤酒瓶凸形字符的提取及识别方法研究

通过辨认啤酒瓶上的“B”字和日期标志，对满足规范的啤酒瓶加以回收利用．这项工作目前由人手工完成,费时费力．本文提出了一种用计算机提取啤酒瓶“B”字和日期标志并进行识别的方法，代替手工操作，有效地降低了成本和提高了效率．文章首先对系统做了简介，然后对拍到的图像作预处理，接下来用一种基于分裂合并思想的分割方法将字符从图像中分割出来，并采用基于地形结构的方法提取字符的笔划，最后用多层BP神经网络对字符进行识别．试验结果表明：该方法能比较有效的识别啤酒瓶中的“B”字和日期，对于污损不是特别严重的酒瓶．识别时间小于0．15秒／个．分捡正确判断率约为97％．     

用于动态序列合成的基于核密度估计的隐马尔科夫模型

提出了一种用于动态序列合成的统计模型－基于核密度估计的隐马尔可夫模型，给定一个输入动态序列，该模型可以自动产生被控的输出动态序列，文中提出的模型是一种以非参数化概率密度估计作为观测模型的隐马尔可夫模型，该模型对输入和受控输出序列的联合概率分布进行建模，并利用基于核函数的概率密度估计来学习联合概率分布的细节信息，文中详细地讨论了该模型的学习和合成算法，并利用该模型实现了一个虚拟指挥系统，即给定一段音乐，系统可以自动生成相关的乐队指挥动作，该文利用该系统对不同风格和节拍的音乐做了实验，实验结果验证了算法的有效性。     

利用C++Builder进行视频捕捉

介绍了在C＋＋Builder编程环境下进行视频捕捉的两种方法：一种是利用Windows系统中的VideoforWindows函数库；另一种是借助于一些现成的视频捕捉组件进行视频开发。详细介绍了VideoforWindows下进行视频开发的原理及流程，并分别给出了这两种方法的示例。     

用于图像分割的并行自适应层次化网络模型

本文提出了一种新的用于图象分割的并行自适应层次化网络模型,该网络模型由并行局 部特征提取与区域生成层、自适应统计聚类层和依据全局分布特性引导的决策层组成.各层 次间的通讯由网络的协作机制来实现.该网络通过自适应非参数聚类方法,将局部灰度特征与 全局随机场分布特征相结合,实现了非监督的图象分割.文中给出了该模型应用于室外自然 景物的分割结果.实验表明,即使在自然景物环境变化的情况下,也能得到正确的分割结果.