部分遮挡目标的稳健局部特征点提取方法

部分遮挡目标的特征提取是目标检测中的难点问题。针对这一问题,提出一种基于稳健性度量统计分析的部分遮挡目标稳健局部特征点提取方法,该方法建立在目标图像训练集的局部特征点逐步提纯基础上。它首先对目标在不同条件下获取的图像集分别应用SIFT提取相应局部特征点;然后基于统计分析对局部特征点进行粗提取,再通过计算置信度进一步筛选出较稳健的局部特征点;最后分析局部特征点的空间分布等因素提取出最稳健的局部特征点集。实验结果表明,该方法耗时仅为SIFT检测算法的30%,并且保证了检测精度。     

一种新的基于多特征的图像自动配准技术*

提出了一种新的基于多特征的图像自动配准技术。该方法使用不变矩对图像中的区域进行匹配,然后利用匹配区域的区域标记寻找大尺度上的特征点作为控制点进行初始配准,进而在此基础上指导改进链码的方法对开放边缘进行二次配准。最后根据所得到的控制点构成的超定方程组利用最小二乘拟合的方法得到配准参数。经过实验证明该算法能够达到亚像素级的配准精度,并且适用于不同传感器图像以及同传感器同波段或不同波段图像之间的精确配准。     

一种新的基于多特征的图像自动配准技术

提出了一种新的基于多特征的图像自动配准技术。该方法使用不变矩对图像中的区域进行匹配,然后利用匹配区域的区域标记寻找大尺度上的特征点作为控制点进行初始配准,进而在此基础上指导改进链码的方法对开放边缘进行二次配准。最后根据所得到的控制点构成的超定方程组利用最小二乘拟合的方法得到配准参数。经过实验证明该算法能够达到亚像素级的配准精度,并且适用于不同传感器图像以及同传感器同波段或不同波段图像之间的精确配准。     

一种改进的FastICA算法及其应用

独立分量分析是基于信号高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已经广泛应用到语音信号处理、图像处理及信息通信等方面。目前应用较多的快速独立分量分析（FastICA）利用了牛顿迭代法原理,具有较快的收敛速度,但对初始值的选择比较敏感。为克服其缺点,改进其优化学习算法,在牛顿迭代方向增加一维搜索,使改进后的算法的收敛性不依赖于初始值的选择。将改进的FastICA算法应用到运动目标检测中,取得稳定性较强的结果。     

一种基于自适应权值灰关联分析的毫米波/红外融合识别方法

本文提出了一种基于自适应权值灰关联分析和DS理论的毫米波/红外融合目标识别方法。首先对单个传感器提取的特征计算灰关联度作为基本概率赋值,再用DS理论进行融合得到识别结果。在灰关联度计算中,本文提出了使用熵值分析法自适应确定不同特征的权值,提高了系统性能。基于实测数据的实验结果验证了本文的有效性。     

基于单视图的多姿态人脸识别算法

针对基于多视图的多姿态人脸识别方法的缺陷，即需要对每个人脸拍摄多个视图为前提条件，提出了基于单视图的多姿态人脸识别技术，首先基于二元高次多项式函数最小二乘拟合方法由单视图通过变形生成多姿态人脸图像，然后基于该单视图和生成的多姿态图像进行多姿态人脸识别。实验结果表明该文算法识别的正确率远高于经典算法。     

图像匹配技术综述

图像匹配是图像处理技术中的重要研究内容。本文介绍了图像匹配技术的要素,对匹配算法的分类以及匹配性能评价指标,并且将各方法进行了分析与比较,指出其各自的优势与不足。同时,进一步探讨了图像匹配算法中有待研究的方向。     

基于单视图的多姿态人脸图像生成技术研究

该文提出了一种基于单视图或小样本的多姿态人脸图像生成技术,它首先利用一个特征点集表示人脸,然后基于二元高次多项式函数最小二乘方法对人脸各姿态之间的特征点集坐标变化进行拟合,形成全局的变形域,最后由单视图通过变形映射生成多姿态人脸图像。实验结果表明,利用单视图和生成的多姿态图像进行多姿态人脸识别,正确率得到大大提高,证明该文人脸图像生成技术十分有效。     

人脸特征自适应选取技术

如何选取并提取稳定可靠的人脸特征是人脸识别技术中迫切需要解决的问题，文中在对现有特征提取方法的优缺点进行详细分析的基础上，提出人脸特征自适应选取算法框架，详细论述了如何建立并提取人脸特征自适应选取的准则，该算法在100多幅人脸图像实验中效果理想。     

一种改善彩色图象质量的模型—分析与设计

从图象采集设备上所获得的原始真彩色因图象包含许多降低图象质量的因素，因此在显示前必须对图象进行质量提高的处理。基于这种想法，我们设计了一个用于改善图象质量的模型，该模型除了利用经典的对比度增强和边缘增经，还采用一种依赖边缘点灰度特征的对比度增强技术。本文将详细分析这些技术。