常见三维场景中水面特效的模拟

针对常见三维场景中水面特效真实感与实时性较难平衡的现状,提出了一种基于Gerstner波模型的水面特效模拟方法。对振幅添加了随机扰动,使得波动更具有变化;在将叠加后Gerstner波分为大波与小波的基础上,通过改变不同类型波的参数可方便地控制波形;最后引入反射率与透明度以适应不同的环境与水体。实验结果表明,新的模型不仅呈现出更加真实的水面特效,而且得到了比较理想的渲染速度。     

基于零空间核判别分析的人脸识别

提取有效特征对高维数据的模式分类起着关键作用.零空间线性判别分析(null-space linear discriminant analysis,NLDA)在数据降维和特征提取上表现出较好的性能,但是该方法本质上仍是一种线性方法.为有效提取数据的非线性特征,提出了零空间核判别分析算法(null-space kernel discriminant analysis,NKDA)并将其应用于人脸识别.利用核函数将原始样本隐式地映射到高维特征空间后,采用一次瘦QR分解求核类内散布矩阵的零空间鉴别矢量集,最后再进行一次Cholesky分解求得具正交性的核空间鉴别矢量集.与NLDA相比,NKDA具有更好的识别性能且在大样本情况下也能应用.另外,基于NKDA,提出了增量NKDA算法,当增加新的训练样本时能正确地更新NKDA鉴别矢量集.在ORL库、Yale库和PIE子库上的实验结果表明了算法的有效性和效率,在有效降维的同时能进一步提高鉴别能力.     

基于Cam加权距离的增量拉普拉斯方法

提出一种基于Cam加权距离的增量拉普拉斯方法。对原始数据进行拉普拉斯降维,采用Cam加权距离获得每个添加样本的近邻,由其近邻重构出降维后的插入点,更新近邻发生改变的样本点低维数据。实验结果表明,该方法在数据降维与人脸表情分类方面有较好的效果。     

一种双向2DLPP算法及其在人脸识别中的应用

为了提高人脸识别方法对光照、姿态等外部因素的鲁棒性,本文在二维局部保持投影(2DLPP)算法的基础上进行改进,提出的一种双向2DLPP算法。与2DLPP算法不同的是,在求得行方向投影矩阵后,再求列方向的投影矩阵,得到图像的双向特征矩阵,以达到将样本降维的目的。实验结果表明,该方法具有较高的识别率对光照和姿态的变化具有一定的鲁棒性。     

一种非参数核函数鉴别分析法及其在人脸识别中的应用

核判别分析(KDA)算法仅考虑c-1个判别特征,且计算类间离散度矩阵时需使用所有的训练样本,而一些有利于分类的边界结构未能被提取。为此,提出了一种非参数非线性(核)鉴别分析方法,其在计算特征空间中的类间散布矩阵时引入一个权值函数,从而能提取有利于分类的边界结构。仿真试验表明,新方法在识别性能上优于已有的一些方法,且避免了使用繁琐的矩阵奇异值分解理论,有一定的实用价值。     

基于图像轮廓的三维重建方法

根据平面镜成像原理,提出了一种基于单幅图像的侧影轮廓线可见外壳重建方法。利用成角度平面镜装置模拟实现多相机同时拍摄,对图像中各轮廓线之间极线几何关系的分析得到对应的相机参数,实现目标物体的三维重建。实验结果表明,该方法简单有效,不需要通过实验室条件下的特殊仪器进行标定即可实现目标物体的三维重建,具有一定的实用价值。     

人脸识别中PCA方法的推广

主成分分析(PrincipalComponentAnalysis,PCA)是公认的特征抽取的最为重要的工具之一,目前仍然被广泛地应用在人脸等图像识别领域。基于PCA,该文提出了分块PCA的人脸识别方法。分块PCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵利用PCA进行鉴别分析。其特点是能有效地抽取图像的局部特征,对人脸表情和光照条件变化较大的图像表现尤为突出。与PCA方法相比,由于使用子图像矩阵,分块PCA可以避免使用奇异值分解理论,过程简便。此外,PCA是分块PCA的特殊情况。在Yale和NUST603人脸库上的试验结果表明,所提出的方法在识别性能上明显优于经典的PCA方法,识别率可以分别提高6.7和4个百分点。     

数字媒体技术专业课程与实践教学模式探究

根据教育部颁布的《普通高等学校本科专业目录和专业介绍(2012年)》,结合江南大学数字媒体技术专业的办学宗旨和经验,介绍该专业在课程设置和实践教学等方面的成功做法。     

分块类增广PCA及其在人脸识别中的应用

提出一种分块类增广PCA方法并应用于人脸识别中。对原始图像矩阵进行分块，对各个分块子图像施行自适应的CAPCA方法进行特征提取，将提取到的特征依次整合，从而达到降维的目的。该方法不仅能有效提取图像的局部特征，而且能适应不同的光照条件。实验结果表明，该方法在识别性能上优于CAPCA方法和分块PCA方法。     

基于双阈值非线性导数的边缘检测算子

文中提出了一种基于双阈值非线性导数算子的边缘检测方法.首先计算灰度图像的左右导数,然后通过设置双阈值对左右导数进行调整以保留有意义的边缘信息,最后合并左右导数得到图像梯度.阈值能控制平滑噪声能力,阈值能确保检测出单像素宽度的线边缘,而非线性导数计划可解决定位错位性的问题.实验结果表明,同传统的离散梯度算子相比,此算子不仅计算简单灵活,检测精度高,而且在没有平滑图像噪声的情况下得到了良好的边缘图像和信噪比.