LBP与鉴别模式结合的热红外人脸识别

为了提取具有鉴别能力的红外人脸图像局部结构特征,提出一种基于LBP(local binary pattern)鉴别模式的红外人脸识别方法。传统的LBP均匀模式,提取自然图像中占主导地位的信息用于识别,但占主导地位的信息不一定是最适合识别的。为了提取有效的鉴别模式特征,基于监督学习的思想,在LBP模式下引入可分性标准,对不同LBP模式进行有效的模式选择,从而抽取适合识别的鉴别模式。最后,为了利用人脸的空间位置信息,结合分块和直方图技术得到最后的识别特征。实验结果表明,本文鉴别模式可以提取更适合识别的特征,识别性能优于传统的基于均匀模式的LBP方法。     

高动态范围成像(英文)

我们经常见到的场景都具有很高的动态范围,使得相机拍出的照片与真实的场景有差别。为了更好地抓取真实的场景,提出一种新技术——高动态范围成像(HDRI)。本文介绍了如何从多次曝光中生成高动态范围图像,讨论了开发一个实用高动态范围成像系统面对的问题,最后,简单介绍了我们的系统所具有的功能和技术。     

基于血流图DCT域PCA和FLD的红外人脸识别

基于图像压缩思想及实际应用的考虑,提出一种基于血流图DCT域PCA和FLD相结合的红外人脸识别方法.根据生理学知识及生物力学的原理,把人脸的温谱图转换成血流图,通过DCT变换对人脸图像进行压缩,使变换域的能量集中在低频分量附近,从而减小了数据量,用主成分分析(PCA)和Fisher线性辨别分析(FLD)来提取人脸特征,通过三近邻分类器得到最终的识别结果.实验结果表明,本文的方法可以节省大量的存储空间和减小算法运算时间,并且在小样本集的情况下,也能取得较好的识别性能.     

基于血流图的小波域分块DCT + FLD红外人脸识别方法

为了从生物特征角度同时结合人脸的局部特征和整体特征提高红外人脸的识别性能,提出了一种基于血流图的小波域分块DCT+FLD(Fisher线性判别)红外人脸识别方法.首先利用血流模型把温谱图转换成血流图,然后用小波变换对人脸血流图像做两级小波分解,再对低频子带进行分块并对每个分块进行DCT变换,提取部分变换后的系数作为子块的特征值,对这些子块的特征值构成的组合特征值从整体上做Fisher线性分析,得到特征子空间,最后根据欧氏距离和三阶近邻分类器进行识别,得到最终的识别结果.实验表明,同基于传统PCA+FLD,DCT+FLD以及DWT+PCA+FLD方法相比,所提出的方法得到了更好的识别效果.     

基于弱显著图的实时热红外图像行人检测

针对现有热红外图像行人检测方法在精度和速度方面存在的问题,提出一种基于弱显著图的实时行人检测方法。该方法以轻量级LFFD（Light and Fast Face Detector）网络为基础,由两级改进网络即SD-LFFD（Saliency Detection-LFFD）和SF-LFFD（Saliency Fusion-LFFD）组成,首先以热红外图像作为输入经SD-LFFD网络产生初步行人检测结果和行人区域弱显著图,接着将该弱显著图与原热红外图像结合“点亮”潜在行人区域并经SF-LFFD网络产生新的行人检测结果,最后将两级改进网络的行人检测结果融合得到最终结果。在数据集CVC-09和CVC-14上实验结果表明,该方法与现有轻量级神经网络相比行人检测的平均精确率有大幅提升,且在有限硬件资源下可实现实时检测。     

分散滑模控制理论在自主式潜水器（AUV）控制中的应用

对自主式潜水器（ＡＵＶ）水动力模型进行了近似处理，利用改进的变结构滑模控制方法设计了ＡＵＶ控制系统，仿真表明模型处理合理，控制系统能克服模型强耦合和严重非线性，效果好，且系统鲁棒性强。     

基于血流图和小波包域傅立叶变换的红外人脸识别方法

提出了一种基于血流图和小波包域傅立叶变换的红外人脸识别方法.该方法首先利用血流模型把温谱图转换成血流图,然后将人脸血流图进行3级小波包分解,得到一棵小波包分解树,选取其中识别率最高的若干个结点分别进行傅立叶变换,得到每个结点的特征矩阵,再通过欧氏距离和三阶近邻分类器得到各选中结点的识别结果.最后将这些结果进行融合,得到最终的识别结果.同传统的PCA,DWT PCA以及频谱脸等方法相比,所提出的方法更能充分利用人脸图像的有用判别信息,并得到更好的识别效果.     

秩约束的快速鲁棒主成分分析算法及应用

鲁棒主成分分析被广泛应用于计算机视觉领域，然而现有鲁棒主成分分析方法难以针对各种场景准确分离出低秩信息，而且计算成本高导致算法的实时性不足.针对这两个问题，本文提出了一种新型鲁棒主成分分析算法.一方面基于先验秩信息提出了低秩约束改进模型，提高算法在不同场景中的泛化性能；另一方面引入了黎曼优化理论，将目标矩阵投影到低维子空间上求解，减少算法的运算复杂度.各种实验结果表明，与现有算法相比，改进算法在速度上有非常大的优势，同时能够保证稳定的恢复能力.