一种基于与或图表示的多风格肖像画自动生成方法

提出了一种基于与或图表示的多风格肖像画自动生成方法.与或图表示是一种分层次的产生式模型,能够分离肖像画的结构和风格并解释其多样性.采用这种模型,该方法能够从一幅正面的人脸图像自动地产生出一系列不同风格的肖像画.该方法将肖像画分解成各个部分,每一部分都对应许多子模板,这些子模板作为肖像画与或图中的叶子结点.而肖像画与或图就像一个"母模板"能够产生出大量的由子模板组合而成有效的新肖像画.该方法受益于多个不同风格的模板库,改变模板库的风格就能方便地更改生成肖像画的风格.文中所提供的例子表明了该方法的有效性.     

神经模糊网络特征选择

基于人工神经网络的特征选择算法一般可以看作是剪枝算法的一个特例:通过剪枝输入节点,计算网络输出对该输入节点对应特征的敏感性.但这些方法往往要求首先对数据做归一化的工作,这可能会改变原数据具备的对分类很重要的某些性质.神经模糊网络是具有自学习能力的模糊推理系统,本文将其与基于隶属度空间的剪枝技术结合起来提出新的特征选择算法.其特点是隶属度函数是自适应学习的,且学习过程在特征选择之前完成.分别对自然数据和人工数据进行实验,并与其它方法相比,结果证明该算法是有效的.     

基于图语法的视觉知识表达与标注图像数据库*

莲花山数据集采用与或图作为视觉知识模型,实现对客观世界中视觉模式的多层次表达,从而将多种标注任务统一到图像语法模型框架下。配套数据库通过两层模型分别管理视觉模型与标注数据,提供了灵活方便的数据导入、管理、查阅、输出功能,这是其他数据集所不具备的。最后给出基于该数据集标注结果的内容检索实验,该算法加入到标注工具中,作为一种自动功能用于辅助加速人工标注过程。     

图象过渡区提取与分割算法评价

对几种基于过渡区提取的图象分割算法进行了较为全面的综合评价,包括分割质量评价、抗噪性评价、运算复杂度评价、目标背景面积比影响及人为参数等方面的评价,评价使用了4种典型的过渡区提取与分割算法,以及两种经典的阈值化分割算法。评价结果表明,过渡区提取与分割算法可以取得优于传统阈值化分割算法的综合性能,是一种值得研究的图象分割方法。     

结合背景抑制技术的ELIR图像分割

针对前视红外（ＦＬＩＲ）图像的分割,提出采用去中值波滤器进行预处理抑制背景、增强目标,而进利用基于模型的ＦＬＩＲ图像分割（ＭＢＳ）算法完成图像分割,从相容性向量及初始概率计算两方面对ＭＢＳ算法进行了改进,对红外目标图结果证实该方法与ＭＢＳ算法相比,在低对比度、高噪声情况下能得到更为精确的分割结果,同时能极大地降低了背景干扰。     

一种改进的大气模糊图像恢复算法

针对天文图像受大气影响而变模糊的问题,利用多帧盲去卷积方法对变质图像的恢复及点扩展函数的辨识进行了研究,并采用基于受惩极大似然估计的GEM改进算法从模糊图像序列中得到目标以及点扩展函数的迭代解。实验结果表明该算法能有效地恢复出原物体并估计出点扩散函数。     

一种多尺度分形特征目标检测方法

自然背景干扰下的自动目标检测是目标检测的一个基本问题.根据尺度变化时自然 场景中人造目标的分形特征变化剧烈这一特点,提出了一种分形参数极值特征的自动目标检 测方法.大量的实验结果表明,分形参数极值特征的自动目标检测方法能较好地完成自然背景 干扰中人造小目标的自动检测.     

景象间灰度变化的物理校正方法研究

根据Phong照射模型，从景象成家机理出发，研究了不同时间条件下，同一地区景象发生灰度变化的原因，并在一定的简化模型下，研究了利用成象时的人射角对景象匹配所用参考图与实时图间的灰度变化进行物理校正，以恢复二者间共性的灰度特征的方法。文中分析了参考图与实时图间不可预知的成象条件的差异对校正结果的影响，并通过校正前后参考图与实时图间信噪比的变化，从理论上证明了校正方法的有效性。最后给出了模拟实验结果。     

基于姿态对齐的行人重识别方法

行人重识别是指根据输入的某个行人图片, 在视频监控网络中对该行人目标进行检索. 行人的姿态变化和监控场景的亮度变化是该任务的两个主要挑战. 针对行人的姿态变化问题, 本文首先对训练集中行人图片进行稠密 图像块采样获得图像块集合, 然后对每一个图像块提取其局部表观空间特征, 最后在此特征集上聚类得到通用的行人部件字典. 由于该部件字典编码了行人的部件信息, 因此通过该字典内的每一个码元可以建立两幅行人图像中特定图像块之间的对应关系. 将两幅行人图片的图像块集合分别向部件字典投影, 可以获得2幅行人图片姿态对齐后的图像块序列. 针对监控场景的亮度变化问题, 本文在姿态对齐后的图像块上分别提取4种颜色描述子, 并将不同颜色描述子下的图像块相似性进行分数级组合以获得更好的亮度不变性. 其中不同颜色描述子之间的组合系数通过结构化输出支持向量机学习得到. 在常用的视点不变行人重识别(viewpoint invariant pedestrian recognition,VIPeR)数据集上的实验结果表明, 该方法在存在行人姿态变化和场景亮度变化干扰时获得了较好的行人重识别效果.     

基于局部复杂度的图像过渡区提取与分割

传统的图像过渡区提取算法基于梯度算子，算法对噪声敏感且受剪切值Llow与Lbigh的限制．通过对过渡区像素属性的深入分析，提出基于局部复杂度的过渡区直接提取算法．局部复杂度的滤波作用提高了算法的抗噪性，直接提取则使算法摆脱了对Llow与Lbigh的依赖．实验结果表明，局部复杂度方法优于传统的基于梯度算子的过渡区间接提取方法．