自主探测系统的Bayes递推估计策略

探测系统被动地接爱外界的测量信息是不够的,因此方式获得的数据是不完备的,由此揄得出的结论在一定程度上具有不确定性,是不能接受的,为获得可靠的信息,常采用多传感器的数据融合或装备自主传感器的方法,文中将Bayes递推估计策略应用于自主探测系统,使其能最逼真的再再所关心的探测对象。     

新的非线性鉴别特征抽取方法及人脸识别

在非线性空间中采用新的最大散度差鉴别准则,提出了一种新的核最大散度差鉴别分析方法.该方法不仅有效地抽取了人脸图像的非线性鉴别特征,而且从根本上避免了以往核Fisher鉴别分析中训练样本总数较多时,通常存在的核散布矩阵奇异的问题,计算复杂度大大降低,识别速度有了明显的提高.在ORL人脸数据库上的实验结果验证了该算法的有效性.     

矢量量化压缩图像中的安全隐写方法

提出一种用于矢量量化压缩图像的安全数据隐藏方案.为降低数据嵌入引入的失真,以码字间的矢量均方差为优化指标,采用遗传算法实现码本的优化分割,并提出基于码本分割的数据嵌入算法.采用基于自适应算术熵解码的数据映射方法,实现了嵌入前后统计特性的保持.实验结果表明,所提出的算法在容量、失真水平和安全性方面具有较好的综合性能.     

表格型票据中框线检测与去除算法

字符笔画与表格线的粘连或交叠是表格型票据中普遍存在的现象,严重影响了后期票据自动识别处理的性能.现有方法大多基于二值图像,未能充分利用灰度图中的框线特征.基于票据图像中的框线特征,提出一种表格型票据预处理中的框线检测与去除算法,首先充分利用票据灰度图像的特点准确地检测出框线,再采用一种连通链结构描述叠加后的框线区域,然后对交叠进行判断和标记,根据标记保留字符笔划去除框线干扰.经过实际银行支票图像测试证明了算法的有效性和鲁棒性.     

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DDCT与TCSVD的人脸特征提取与识别算法

提出一种基于分块离散余弦变换(DCT)与奇异值分解阈值压缩(TCSVD)的人脸特征提取与识别算法。该算法对人脸图像进行分块DCT变换,根据图像块位置和能量分布选择不同的DCT高低频分量构建特征矩阵,通过对每个图像块的特征矩阵进行SVD阈值压缩和特征组合来构建人脸鉴别特征,并利用分类器进行特征分类与识别。AR人脸库上的实验结果验证了该算法的有效性。     

核子类凸包样本选择方法及其SVM应用

提出一种基于核函数方法的类内训练样本选择方法——核子类凸包样本选择法,并将其用于支持向量机。该样本选择方法通过迭代方法,逐一选择了那些经映射后“距离已选样本”,并将其映射、生成“凸包最远的样本”。实验结果表明,该方法选择的少量样本使支持向量机获得了较高的识别比率,减少了存储需求,提高了分类速度。     

结合水平集方法和PL主曲线分析的重叠细胞检测

提出了一种重叠细胞检测的新方法,该方法针对细胞图像处理中因细胞重叠而引起的过分割与欠分割现象这一难点,引入基于Mumford-Shah模型的水平集方法得到细胞的初始轮廓,采用EP（erosion-propagation）和PL主曲线相结合的图像分析方法得到目标的精确轮廓线。使用基于目标形状的图像配准方法和基于目标轮廓的分段特征分类器完成重叠细胞的检测。应用该方法对600张随机抽取的细胞图像中9374个细胞进行检测,实验正确率为91.83%,结果表明该方法能够有效地判断细胞是否重叠和重叠类型,为后续分割工作提供依据。     

基于多LCS和人工势场法的机器人行为控制

基于遗传算法的早熟收敛、局部最优解、占据较大的存储空间等缺陷,提出了一种基于多LCS和人工势场法的机器人行为控制方法,设计了特殊的适应度函数。不同算法的仿真实验结果表明多LCS和人工势场法相结合用于机器人行为控制是收敛的,很大程度上改善了遗传算法的早熟收敛和收敛速度慢等问题。     

局部相位相关用于图像亚像素级配准技术研究

提出了一种基于局部相位相关的高效和鲁棒的亚像素级图像配准方法。通过传统的相位相关算法估计出初始平移参数后,在初始位置的引导下对互相关功率谱进行上采样矩阵Fourier变换,实现了图像局部相位相关,得到图像间亚像素级平移参数。实验结果表明,算法配准精度较高,且对随机噪声和光照变化具有较强的鲁棒性。