基于笔画曲率特征的笔迹鉴别方法

现有的手写汉字脱机笔迹鉴别方法存在只能针对特定字符或需要大量样本字符等问题,为此提出一种基于笔画曲率特征的笔迹鉴别方法。首先运用数学形态学对采集的笔迹图像进行预处理,在横、竖、撇、捺四个方向提取具有代表性的笔画骨架,然后对笔画骨架进行圆的重构,提取四个方向笔画圆的曲率作为特征值组成笔迹特征矩,根据待鉴别的笔迹特征矩与数据库中笔迹特征矩向量夹角相似性度量结果对样本做出判断。实验结果表明该文方法对于待鉴别样本字符的内容没有要求,样本字符数量要求低、应用范围广、鲁棒性强。     

基于NSCT和仿生模式的人脸图像识别方法

针对现有的人脸图像识别算法准确度不高的问题,提出了一种基于非下采样Contourlet变换(NSCT)和仿生模式的人脸图像识别的方法。对人脸图像进行NSCT分解,并将分解后的各系数矩阵转化为能量特征,利用仿生模式识别算法实现对人脸图像的识别。使用UMSIT、Yale和ORL人脸库进行实验,且设计了无拒识和有拒识两组方案,实验结果表明:与传统方法相比,利用基于非下采样Contourlet变换和仿生模式的人脸图像识别的方法能够获得更高的正确率,而有拒识的方案能够获得更好的综合性能。     

结合位姿约束与轨迹寻优的人体姿态估计

基于混合部件模型的人体姿态估计方法忽视了人体结构的对称位姿约束关系,从而导致对称部件容易被重复检测、人体姿态估计准确率较低,为此,提出一种基于位姿约束与轨迹寻优的姿态估计新方法。首先估计人体单部件和对称部件在单帧图像中的多个合理位置,利用对称部件之间的位姿约束关系构建标识部件。然后根据单部件和标识部件各自的目标优化函数,通过动态规划算法反复迭代获得初始轨迹候选集,再结合轨迹的全局特征剔除检测得分较低的运动轨迹。最后引入树形合约模型,联系时空上下文信息,准确求解出视频序列光滑且兼容的最优轨迹。在N-best、Outdoor Pose和Scene数据集中的实验结果表明,对于存在背景复杂、运动模糊、部件遮挡等问题的视频序列中,该方法平均姿态估计准确率达87%以上,有效减少了对称部件的误判,提高了视频中人体姿态估计的准确率。     

空间约束FCM与MRF结合的侧扫声呐图像分割算法

针对侧扫声呐图像斑点噪声强、目标分割困难的问题,提出了一种基于空间约束的快速模糊C均值聚类(SCFFCM)与马尔可夫随机场(MRF)相结合的分割算法。为克服噪声干扰,该算法首先基于贝叶斯最大后验概率理论在非下采样Contourlet变换域去除声呐图像中的强斑点噪声;然后为加快分割速度,提出SCFFCM算法,该算法用于给出一个较好的初始分割;接着由初始分割计算MRF模型的约束场,再根据图像邻域内灰度波动情况自适应更新结合权值,进而求解得到FCM模糊场与MRF约束场的联合场,并基于最大概率准则得到分割结果;最后,采用形态学去除分割结果中的孤立噪点,并完成孔洞填充。对仿真及实际的侧扫声呐图像的分割实验结果表明,所提算法较FCM和现有的一些FCM改进算法有更强的抗噪能力、更高的分割精度以及更快的运算速度。