利用贝叶斯结构模型的复杂形状建筑物提取

现有的建筑物轮廓提取方法在处理非矩形的复杂形状建筑物时存在局限性,为克服这一缺点,提出一种航拍图像复杂形状建筑物轮廓的提取方法.针对复杂形状建筑物结构不规则的特点,提出一种贝叶斯结构模型.该模型以概率的形式表示建筑物边缘之间的连接关系;并引入Boosting决策树方法,综合考虑建筑物边缘周围的颜色和纹理等多种图像信息,增强了模型的鲁棒性.另外,设计了一种长度归一化的能量函数来描述建筑物轮廓,并运用图优化算法全局寻优,实现对建筑物轮廓的提取.实验结果表明,该方法能有效地提取多种复杂形状建筑物的轮廓.     

人脸活动单元自动识别研究综述

人脸活动单元(action units,AU)的自动识别能应用于行为科学、人机交互、安全、医疗诊断等众多领域,近年来得到了广泛关注.文中阐述了AU自动识别的基本概念、一般过程及其主要特征提取和分类方法,介绍了具有AU编码的代表性人脸表情数据库,并对单个AU与AU组合的识别、AU强度与AU动态性分析的研究现状进行了评述.最后总结了目前AU自动识别研究中存在的主要难点,并展望了其发展方向.     

CHRIS 高光谱图像森林类型分类方法比较研究

以长白山为试验区,选择CHRIS/PROBA高光谱零度角遥感数据,在对其进行预处理的基础上,通过应用最大似然法(MLC)、最小距离法、支持向量机法(SVM)和光谱角填图法(SAM)等几种常用的高光谱遥感分类方法对影像进行森林类型分类。利用混淆矩阵对分类结果进行验证,结果显示:在高光谱遥感森林类型分类中,SVM总体分类精度最高,为84.60％;其次是MLC,为 83.53％,最小距离法73.81％,SAM 56.49％。Kappa系数从高到底为:SVM 0.78,MLC 0.77,最小距离法0.68,SAM 0.52。经过比较分析,得出SVM分类方法精度最高,这表明该方法用于高光谱遥感森林分类中的实用性和优越性。     

复杂地形下自动提取多暗像元的TM影像大气纠正方法

复杂地形条件下气溶胶的空间分布变化较大,用单一的气溶胶实测参数或单一的暗像元进行大气纠正都难以获得好的效果,手动选取暗像元还受限于专业人员的经验。通过程序自动提取图像中的浓密植被像元以及位于山区阴影的植被像元作为暗像元,使得暗像元均匀分布于图像的各个区域、各个海拔,更好地模拟复杂地形下的大气状况。根据辐射传输模型,利用迭代、插值等方法获取TM1和TM3波段光学厚度,进而推算成像时刻的气溶胶波长指数及混浊度系数,从而得到各个波段的大气光学厚度以实现大气纠正。     

高等院校在社区经济建设中的作用与运作

本文以高等院校为联系纽带,将其置身于经济欠发达地区的大环境中,探讨信息网的作用、建立与运作,政府的政策引导,招商引资与高校学生的创业,职高学生的就业有机结合,通过"教研结合,校企合一"的办学模式以及开放教科研设备、开展各种培训等方式,将高校与各界各业联系起来,使之成为中心城市的联络、辐射中心,为贫困地区如何发挥高职院校的作用提供新思路。     

基于改进的免疫克隆支持向量机网页分类研究

网页分类是为了解决网络信息过载问题而延伸的一个热门研究领域,同时支持向量机以其出色的学习能力,在解决高维问题时表现出了特定的优势。本文在研究支持向量机和标准的免疫克隆优化算法的基础上,提出了一种改进的免疫克隆和支持向量机相结合的分类算法。标准算法中由于通过对抗体编码中某些位进行随机取反来实现抗体变异,造成搜索能力不强。该方法针对上述不足,将记忆单元和普通单元区分开来,对记忆单元定义自适应概率,从而加强在当前最优解邻域内的搜索能力,加快寻求全局最优解的速度。实验结果表明,该改进算法较其他算法具有更好的参数选择效果和更高的选择效率,是一种具有较高准确率和效率的网页分类方法。     

FLV文件解析及其在网站中的应用

Flash Video作为一种最流行的视频格式,具有压缩率高、解码快、图像质量好的特点。本文研究FLV文件结构及各个字段的具体含义,并在此基础上详细介绍两种开源播放器在网站上的使用方法。     

一个单词提取系统的设计和实现

根据英语教材编著、英语教学和考试出题中需抽取特定词库中单词的需要,设计和完成一个英文单词提取系统,解决对特定词库英语单词的自动抽取问题,具有较强的实用意义。     

基于组合特征的集装箱箱号识别法

为准确、高效地识别集装箱箱号,提出一种基于组合特征实现箱号识别的方法。对分割好的字符二值图像预处理后提取孔洞特征、凹凸特征、跳变特征、笔画特征等,利用树形分类器进行分类识别,并结合箱号自身的校验规则进行验证、识别。该方法不需要对字符图像做复杂的细化处理,提高了运算速度,避免了细化造成的字符畸变。实验结果表明,该方法平均箱号正确识别率可以达到93%,每箱号(11个字符)平均识别时间为0.065s。     

背景提取和水平集相结合的运动目标轮廓提取方法

提出一种基于背景提取和水平集的方法来进行运动目标的检测和轮廓提取。首先,通过一种改进的背景提取法将视频序列中的背景提取出来,然后通过结合背景差分结果和帧间差分结果检验出运动目标的运动区域,以检验出的运动区域的外接矩形为初始曲线,应用一种无需初始化的水平集的方法进行运动目标轮廓的提取。仿真实验表明,该方法能够实时有效地对运动目标轮廓进行提取。