具有规则度约束的红外图像多层阈值分割方法

针对红外图像的噪声和模糊边缘给红外图像的分割和目标检测带来的困难,为了得到边缘连续的目标区域,提出了一种具有规则度约束的多层最佳阈值图像分割方法,在根据灰度对图像进行多阈值的初始分割的基础上,通过各个区域的规则度等参数对分割区域进行过滤处理,消除过分割区域,降低因为过度分割造成的目标识别困难,实验结果表明,该算法具有良好的效果和实用价值,不仅用于红外图像,也可以应用于自然光图像的分割。     

一种基于Gabor滤波器的车型识别方法

提出一种快速、实用的基于Gabor滤波器的车型识别方法。该方法包括车辆分割、特征提取和模板匹配3个阶段。首先在车辆分割阶段,采用基于对数密度的背景消减法,降低光照变化带来的影响;其次提出一种新的非均匀采样策略,提取Gabor特征;最后应用模板匹配的方法对车型进行识别。和传统方法相比,该方法能够有效降低Gabor滤波器的计算量和存储空间,同时又使识别率和鲁棒性得到明显增强。实验数据亦表明了该方法的可行性和有效性。     

基于主分量特征与独立分量特征的人脸识别实验

PCA是一种基于二阶统计的最小均方误差意义上的最优维数压缩技术,PCA方法所抽取特征的各分量之间是统计不相关的。ICA方法使用数据的二阶和高阶信息抽取数据的独立分量特征。在人脸图象识别的实际应用中,PCA与ICA方法各有胜负。PCA方法抽取出的主分量特征与ICA方法抽取出的独立分量特征是对原数据的两类不同描述,并设计出一个基于这两类特征的分类器组合方案;联合使用这两类特征,实验得出的人脸识别结果显示,基于分类器组合方案的识别结果优于单独使用PCA特征或ICA特征的单分类器方法。     

规则摄动时模糊蕴涵算子对模糊推理的鲁棒性的影响

列举了模糊规则发生摄动的常见情形,建立了一般性的模糊推理算法对规则摄动的鲁棒性的概念;就多重、链式和多维模糊推理情形,重点研究了一般性的模糊蕴涵算子对几个重要的模糊推理算法的这种鲁棒性的影响,并分别给出了相应的充分必要条件;初步尝试了通过一定的摄动制约来改善这种鲁棒性;同时指出了很多现有的模糊蕴涵算子使得所讨论的这些推理算法拥有好的鲁棒性,此时,即使规则中的隶属度有适度的粗糙或摄动,推理仍是可行的、安全的．文中工作对模糊系统的分析、模糊蕴涵算子的选择以及规则获取过程有一定的指导意义．     

基于扩展粗糙集模型的集值不完备信息系统决策研究

在客观世界中信息系统往往是不完备的。该文将粗糙集模型经过扩展后应用于属性值为集合值的不完备信息系统,给出了几种不同的上下近似集定义,着重建立和分析了一种不完备决策表,研究了对应的粗糙集模型扩展后的属性约简的方法,并根据约简生成了决策规则。     

r-SVR中参数r与输入噪声间线性反比关系的仿真研究

为研究r范数-支持向量回归机r-SVR的鲁棒性,验证r-SVR中参数r与输入噪声方差之间的近似反比线性关系,对r-SVR进行了仿真.推导出了作为仿真的依据的r-SVR的解的形式和对其进行求解的牛顿迭代公式.仿真结果显示：输入噪声为高斯分布时,r-SVR中参数r与输入噪声方差之间存在近似线性反比关系;这一关系曲线随着信噪比增加而斜率减小、整个曲线下移.这一结果印证和丰富了现前的理论推导结果,为在已知输入高斯噪声方差时合理地选择r提供了更可信的依据.     

基于模块2DPCA的人脸识别方法

提出了模块2DPCA（two-dimensional principal component analysis）的人脸识别方法。模块2DPCA方法先对图像矩阵进行分块，将分块得到的子图像矩阵直接用于构造总体散布矩阵，然后利用总体散布矩阵的特征向量进行图像特征抽取。与基于图像向量的鉴别方法（比如PCA）相比，该方法在特征抽取之前不需要将子图像矩阵转化为图像向量，能快速地降低鉴别特征的维数，可以完全避免使用矩阵的奇异值分解，特征抽取方便；此外，模块2DPCA是2DPCA的推广。在ORL和NUST603人脸库上的试验结果表明，模块2DPCA方法在识别性能上优于PCA，比2DPCA更具有鲁棒性。