基于模糊神经网络的人脸识别方法研究

人脸识别是模式识别研究领域的重要课题，具有广阔的应用前景。本文提出了基于模糊神经网络的人脸识别方法。首先用最优鉴别分析方法提取人脸的最优鉴别矢量集，构成特征空间，然后在特征空间中设计模糊神经网络分类器。在ORL人脸图象库上的实验结果表明了该方法的有效性。     

基于分块互信息和量子粒子群算法的图像配准

多模图像的配准是图像融合等图像处理需要先行解决的问题.本文提出了一种基于分块互信息和量子粒子群的配准方法,在配准中利用分块互信息值为相似性测度,并用量子粒子群算法求解配准所需的空间变换参数.实验表明:该方法能够避免陷入局部极小值而且速度得到明显改善,其运用于多模图像配准,可以得到理想的效果.     

利用CPDH和动态规划算法的形状检索

用形状轮廓上点的坐标位置相对于形状重心位置的分布关系描述形状,提出一种极坐标下形状轮廓点分布直方图描述符(contour points distribution histogram),该描述符不仅符合人眼的视觉直观感受、计算简单,而且其本质上具有缩放和平移不变性。用动态规划算法(dynamic programming algorithm)来度量轮廓点分布直方图之间的距离,部分解决了轮廓点分布直方图对于旋转不变性的要求。在多个形状图像数据库中的实验结果表明,该方法在单目标封闭轮廓的形状图像检索中取得了良好效果。     

基于模块化2DPCA和CSKDA的人脸验证

针对客户相关的核判别分析（CSKDA）对图像列向量进行处理数据维数大、计算复杂,对图像整体处理没有考虑到局部特征等缺点,提出M2DPCA和CSKDA结合的方法。新方法对二维数据进行分块后采用2DPCA抽取局部特征,施行CSKDA,不仅考虑了类内、类间的差异,而且可以较好地描述不同个体人脸间的差异性。在XM2VTS和ORL人脸库上的实验结果表明,该方法在验证效果上优于CSKDA方法。     

基于CHNN的机动多目标跟踪算法及其参数特性研究

关于密集多回波环境下机动多目标跟踪,因其JPDA问题计算量出现的组合爆炸的现象,从而导致实时跟踪效果极差的问题.引入能解决组合优化问题的连续型Hopfield神经网络方法,来减少其计算量,并结合改进的模拟退火算法来优化网络收敛性和全局最优问题.其中,在已知网络能量函数下,对应的网络参数对网络性能产生了直接影响.因此,在实验的基础上,对神经网络参数进行分析研究,并充分证实了该方法解决JPDA问题的有效性,并给出了相应的积极结论.     

多尺度模糊加权角点检测新算法研究

为了提高图像角点检测的准确度和降低噪声对检测效果的影响,将多尺度思想和模糊理论引入到角点检测过程中,在建立了像素点属于角点的隶属度函数的基础上提出一种多尺度模糊加权角点检测新算法.首先将原始图像使用高斯核函数进行变换生成一组响应图像,并将其进行加权叠加得到原始图像的平均角点响应值;再选取合适的阚值进行相关处理得到最终的角点.实验结果表明,该算法不但抗噪性能较好,而且提取出来的角点也较准确.     

基于MCD和局部线性高斯模型的视频跟踪粒子滤波算法

为了提高粒子传播过程中状态空间的质量和视频跟踪算法的精度,提出了一种基于MCD和局部线性高斯模型的粒子滤波算法,这种MCD方法摒弃了传统的像素匹配贡献均等的方式,而是采用像素点间的邻近度作为相似性度量.由于该方法所获得的相关曲面更尖锐,且匹配置信度更高,而局部线性高斯模型则可使得在粒子传播过程中能使用最佳的重要函数,因此两者结合能够实现最佳粒子滤波.由于MCD方法的鲁棒性,从而使得跟踪算法对环境的适应能力和稳定性得到提高.两个仿真实验的结果说明,该算法是可行的与优越的.     

基于Contourlet域主成分分析的SAR图像去噪

相干斑噪声是合成孔径雷达图像所固有的,并且严重降低了图像的可编译性,影响了后续图像分割,特征提取,目标分类和识别等工作.因此,SAR图像的相干斑去除问题一直是SAR图像应用研究的重要问题之一.针对SAR图像噪声去除问题,提出了一种基于Contourlet多尺度分解域主成分分析的SAR图像去噪新方法,并且简要归纳了已有的SAR图像去噪方法.方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用主成分分析方法进行能量保持,用重构图像来进行子带去噪,最后通过Contourlet逆变换得到去噪之后的图像.在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征,且信噪比也较高.     

基于代数特征与粗糙集相结合的特征提取方法

对特征抽取方法进行了研究,提出一种新的特征抽取方法,克服了Roman W等提出的特征抽取方法中缺乏鉴别信息的缺点。通过对高维的人脸数据用PCA和LDA降维,利用粗糙集理论中的属性约简算法进行进一步的维数压缩。实验结果表明,该方法具有良好的性能。     

基于正交试验的前围板拉延成形工艺参数优化

针对某车型前围板的拉延成形工序进行研究,采用正交试验进行试验方案设计。以最大减薄率φ1和起皱评价函数φ2作为优化目标函数,压边力F、摩擦系数μ和凹模下压速度v作为影响因素进行多目标优化,最终得到最优参数组合:F=600 k N、μ=0.125、v=15 mm·s~(-1)。通过在工厂实际试模中检验,能够获得合格的零件。将数值模拟结果和实际试模进行对比,发现数值模拟结果和实际试模一致,零件无拉裂缺陷,零件局部起皱,起皱区域主要位于切边线以外。试验表明,将数值模拟和正交试验相结合可以有效对冲压成形工艺参数进行优化。