基于掌上电脑的地下水自动监测系统软件的研究

本文介绍了一种基于掌上电脑的地下水自动监测系统软件的研究。系统采用掌上电脑作为数据采集的上位机,具有体积小、功耗低、成本低、操作方便、功能强大等特点。使用了操作系统WindowsMobile、软件开发环境VisualStudio.NET2003、软件框架.NETCompactFramework、开发语言C#,软件实现了数据采集、文件管理,分析显示等功能。并采用RS232串行通讯作为掌上电脑与监测仪的通讯接口,利用多线程设计来完成串行端口的通讯。采用标准化、基于文本的XML方式存储数据。在开发软件时利用P/Invoke服务,托管代码可以调用在动态链接库中实现的非托管函数。本软件充分考虑了掌上电脑的特点,采用简洁的窗口界面,具有操作简单,功能强大,并在实际工作中已取得很好的使用效果。     

基于核的半监督的局部保留投影降维方法

为能有效捕捉数据的非线性特征,特提出一种新的非线性数据降维算法——核半监督局部保留投影(KSSLPP)。该方法利用标记样本的标记信息及所有训练样本的结构重新定义了类间相似度和类内相似度,然后将原始数据映射到高维核空间,在核空间中最大化类间分离度,最小化类内分离度。该方法在核空间保持了数据的局部结构和全局结构,以及数据的标签信息。在Olivetti人脸库和UCI数据库中的对比实验验证了该算法的有效性。     

基于非线性滤波的万有引力边缘检测方法

将非线性滤波算子融入到万有引力边缘检测算法中,提出了一种新的边缘检测方法。通过计算图像中每个像素点的非线性梯度值,构造以该梯度值为自变量的归一化函数,用该函数值代替中心像素点灰度值对图像进行万有引力边缘检测。实验结果表明,同传统的边缘检测算法相比,此方法不仅边缘定位准确,而且对于各种噪声图像也具有良好的边缘检测效果。     

基于人类视觉系统和离散小波变换的彩色图像水印

为了扩大数字水印的适用范围,提出一种基于人类视觉系统（HVS）和离散小波变换(DWT)的彩色图像数字水印算法。首先利用混沌加密算法把一个有意义的二值图像加密成水印;然后将彩色图像从RGB色彩空间转换到YCbCr空间,提取Y分量,对Y分量进行一级离散小波变换;最后求出低频分量LL1的视觉掩蔽值,根据视觉掩蔽值,将水印嵌入到彩色图像的Y分量的低频小波系数域上。实验结果表明,该算法具有较好的不可见性和鲁棒性。与以往的基于YCbCr颜色空间的算法相比,该算法具有更好的不可见性和鲁棒性。     

局部非参数子空间分析在人脸识别中的应用

提出了一种局部非参数子空间分析算法（Local Nonparametric Subspace Analysis,LNSA）,将其应用在人脸识别中。LNSA算法结合了非参数子空间算法（Nonparametric Subspace Analysis,NSA）与局部保留投影算法（Locality Preserving Projection,LPP）。它利用LPP算法中的相似度矩阵重构NSA的类内散度矩阵,使得在最大化类间散度矩阵的同时保留了类的局部结构。在ORL人脸库和XM2VTS人脸库上作了实验并证明LNSA方法要优于其他方法。     

基于条件正定核的SVM人脸识别

为提高人脸识别分类器的能力,采用了一种改进的可用于核学习方法的核函数—条件正定核函数。条件正定核函数一般不满足Mercer条件,但可以在核空间中计算样本间的距离,突出样本间的特征差异。对ORL、YALE、ESSEX三个标准人脸数据库进行仿真实验,结果表明基于条件正定核的SVM人脸识别算法在训练时间没有降低的情况下,与其他核函数法相比识别率有较大提高,并且当类别数增加时算法表现出较强的鲁棒性。     

GLRAM与LDA相结合的人脸识别

提出了一种GLRAM（矩阵的广义低秩逼近）与LDA（线性判别分析）相结合的人脸识别方法。首先利用GLRAM方法获得人脸图像的有效特征,然后通过LDA对获得的特征进行进一步的降维并获得最佳分类特征。这样使得抽取特征的判断能力得到了显著增强。实验结果表明,该算法在较短的时间内取得了较高的识别率,效果优于单独运用GLRAM方法和LDA方法。     

基于局部保持投影的鲁棒稀疏子空间学习

传统的子空间学习算法包含投影学习和分类两个过程,但是这两个过程分离,且对离群点较敏感,可能导致算法无法获得整体最优解。为此,提出了一种基于局部保持投影的鲁棒稀疏子空间学习算法。该算法将特征学习和分类模型相结合,使学习得到的子空间特征更具有判别性;利用L2,1范数的行稀疏性质,剔除冗余特征,同时在算法模型中考虑数据样本的局部关系来提高对离群点的鲁棒性;最后采用交替迭代方法来求解该模型。在不同数据集上的实验结果表明该算法具有较好的识别效果。     

基于向量排序的图像边缘提取方法

在传统的图像边缘提取的过程中,往往只是注重像素点的灰度值,忽视了相邻像素点间的灰度跃变的方向信息,从而导致了得到的图像边缘的连接性不好,而且缺失了许多重要的细节.结合向量排序统计提出了一种新的边缘提取的方法,利用该方法分别得到图像R,G,B三分量的边缘强度,同时应用非极大抑制和自适应阈值对所得图像边缘进行处理,最后将处理后的三分量边缘信息融合,得到了最终的边缘图像.实验结果表明,该方法很好的保证了图像边缘的连续性和准确性.     

基于纹理方向的图像修复算法

在使用基于样本的纹理合成技术的图像修复算法中,搜索纹理的匹配块时,利用纹理的方向特性,可以将搜索过程约束到沿着纹理的方向进行。在Criminisi A的算法基础上,加入了确定纹理方向过程,优化了纹理块的优先权和大小的计算方法。实验结果表明,该方法在处理强方向性的纹理图像的修复时有很好的效果,明显地提高了计算效率。