基于神经网络和层次SVM的多姿态人脸识别

提出了一种基于神经网络和层次支持向量机的多姿态人脸识别方法。该方法在训练阶段先利用神经网络把姿态人脸图像特征向准标准人脸图像特征映射，再根据聚类结果来训练支持向量机。识别阶段是利用神经网络变换得到待识别图像所对应的准标准图像的特征，再让层次支持向量机初步判断待识别图像最可能所属的人，最后利用否定算法对待识别的人脸图像进行确认。实验表明该算法效果较佳。     

数字图像处理选修课教学改革研究

分析了数字图像处理课程的教学难点,结合选修课的特点,从激发学生兴趣、改进教学方法与手段、加强实践教学和改革考核评价方式等方面进行了深入细致地探讨。教学效果表明,这些措施有效提高了学生学习的兴趣和参与科研的积极性,加深了对理论知识的理解,提高了解决实际问题的能力,收到了较好的效果。     

基于CDIO创新模式的软件工程教学改革研究与实践

目前,线上和线下混合式教学已成为一种发展趋势,作为应用型人才培养为主体的工商类院校计算机专业,软件工程课程的教学改革刻不容缓.本文主要针对湖南工商大学计算机专业软件工程的教学模式现状和存在的主要问题,提出基于CDIO工程教育创新模式的课程改革措施并实施.     

数据同化框架下红外与可见光图像的可控融合

针对现有图像融合方法的规则不易根据融合图像的后续使用要求进行自适应调整,并且各种方法的优点不易综合的问题,提出一种数据同化框架下的基于粒子群优化(PSD)和差分进化(DE)算法的融合方法。该方法把比率低通金字塔变换作为数据同化系统的模型算子,把非下采样的Contourlet变换(NSCT,nonsubsampled contourlet transform)作为观测算子,根据后续处理对图像各个属性指标值的依赖程度构造目标函数,再利用PSD和DE的混合算法来优化目标函数从而获取合适的影像。两组实验从视觉效果和定量指标两方面验证了方法的有效性。     

解决动态多中心问题的自学习差异进化算法

为解决动态环境下的多中心优化问题,提出自学习差异进化算法。通过评估特定个体检测到环境变化,自学习算子将群体引至新的环境,并保持群体的拓扑结构不变,以继续当前的进化趋势。采用邻域搜索机制加快算法的收敛速度,引入随机个体迁入机制增加群体多样性。实验以周期动态函数为测试对象,比较自学习差异进化算法与部分智能优化算法的性能,结果表明,新算法有更快的收敛速度和更好的环境适应能力。     

型砂中用几种粘结剂有什么好处?

[问]在型砂中单独使用陶土、白坭、糖浆等一种作为粘结剂容易产生什么坏处?在陶土,白坭中的氧化铝(Al2O3)、总的氧化物是多少才可以利用?     

基于Contourlet视觉模型和奇异值分解的图像质量评价

针对基于像素值的图像质量评价方法忽视图像结构信息和需要完全参考图像等问题,提出了一种基于Contourlet域奇异值分解CW-SVD,部分参考图像质量评价方法(contourlet weighted singular value decomposition)。在Contourlet域中,利用奇异值向量对图像结构的表征能力,结合人眼视觉敏感性确定每个子带的视觉权重,得到每个子带的评价测度,再综合得出图像的最终评价指标。实验表明,该方法应用于4种类型的降质图像质量评价时,比峰值信噪比(PSNR、MSSIM)等算法具有更好的稳定性和更好的主客观评价一致性。     

基于粒子群优化算法的多聚焦图像融合

现有融合方法的融合规则不能根据图像的后续使用目的进行自适应调整,不同融合方法的优点也不易综合,为解决这些缺点,提出一种基于粒子群优化算法的融合方法.该方法首先把利用DBSS(2,2)离散小波变换和梯度金字塔融合方法分别产生的图像一起作为初始粒子,然后根据后续处理的要求来构造由多个图像评价指标的加权和所组成的目标函数,再利用粒子群优化算法来优化目标函数从而获取最终的结果图像.两组实验从主观视觉和定量评价指标(标准方差、平均梯度、熵、空间频率,相关系数、均方交叉熵等)两方面证明了该方法的有效性.     

基于数据同化和粒子群优化算法的遥感影像融合

针对现有的基于色彩空间变换、基于统计以及基于多尺度分析等融合模型的建立主要依赖于经验,其参数选取存在主观性,基本上不能根据融合图像的后续使用目的进行自适应调整的问题,该文提出了一种基于数据同化和粒子群算法的遥感影像融合框架。此框架根据后续处理对影像各个属性指标值的依赖程度确定各个属性指标的权重,构造由影像各个属性评价指标的加权和所组成的目标函数,再利用粒子群算法优化目标函数从而获取合适的影像。一组实验以熵、平均梯度、标准方差、空间频率和结构相似性等定量指标验证了该框架的有效性。     

模糊区域级MRF方法在城镇自动识别中的应用

针对遥感影像中城镇区域内外的自然地物难以区分,城镇区域不易完整识别的问题,提出一种对象级模糊MRF识别方法.该方法首先通过光谱信息和空间梯度分析得到城镇种子点（人造地物顶部点和阴影点）;然后由均值漂移算法过分割影像;再对过分割区域建立MRF,在迭代过程中用MRF的条件概率矩阵代替模糊C均值聚类算法的隶属度矩阵,并保持包含种子点的区域类别不变,从而实现城镇识别.对于QuickBird和Ikonos遥感影像,该模型能够兼顾城镇区域自动识别过程中的随机性与模糊性,很好地利用了空间相关信息,有效识别出了城镇区域.