基于自分裂竞争学习算法的关键帧提取

模糊C均值算法在进行关键帧提取时难以取得全局最优值,导致所提取的关键帧无法完整地描述镜头信息。提出一种基于自分裂竞争学习（SSCL）的关键帧提取方法,根据SSCL的分裂机制确定全局最优类数目的特点来确定关键帧的数量,同时根据SSCL的竞争学习机制有效确定类中心的特点来确定准确的帧图像作为视频的关键帧。实验证明基于SSCL的关键帧提取的方法比基于模糊C均值关键帧提取的方法能够更好地描述镜头内容。     

基于水平集模型的3D表面重建

综合模糊技术和水平集方法,提出了基于水平集模型的3D表面重建的方法,为了使重建结果不受噪声影响且与模型初始位置无关,在模糊分割的基础上,引入了模糊外力,在该外力作用下模型能逼近任意复杂的物体表面;利用水平集方法使模型能重建任意拓扑结构的重杂物体,实验结果表明该方法的有效性。     

基于免疫算法的立体匹配

立体匹配是立体视觉中的关键问题,提出了基于免疫算法的多分辨率立体匹配方法,为了提高匹配的准确性,同时利用和图象的灰度和梯信息进行匹配,并给出了匹配的准则函数;将免疫算法用于该问题的求解,以避免局部最优;实验结果证明了该方法的有效性。     

基于活动轮廓的运动目标的动态分割

提出了一种基于活动轮廓的运动目标动态分割方法。利用Ｂ样条曲线表示活动轮廓,导出了Ｂ样要曲线控制点的运动模型,从而使得活动轮廓能自动地跟踪运动目标的边缘,实现运动目标的动态分割。同时我们还提出了控制点数目的自动确定方法。实验结果验证了该方法的有效性。     

基于模糊聚类支持向量机的高速公路事件检测

高速公路自动事件检测(AID)系统作为智能交通系统(ITS)的重要组成部分,通过及时发现高速公路上发生的事故隐患,尽量减少事故发生的不利影响,可以有效地减少交通延误,保障道路安全,减少环境污染。文章采用一种强有力的分类工具—支持向量机(SVM)来进行高速公路事件检测,针对数据集在支持向量机中所起作用的不同以及可能存在噪声及孤立点的情况,采用了一种改进的模糊C均值聚类方法对训练样本进行预处理,大大地减少了训练样本数量,提高了支持向量机的训练速度,并且具有很好的鲁棒性。仿真实验的结果表明了该方法的可行性和有效性。     

结合SML与本体的图像语义自动标注方法

图像语义自动标注成为基于内容的图像检索研究的热点,提出一种改进的SML两级图像语义自动标注方法.首先采用监督多类标注方法 SML对图像进行粗略标注,然后用基于本体的最优语义标注方法(Oostia)对粗略标注的结果进行精细标注,Oostia方法通过4种不同方式对粗略标注关键字进行扩展,充分挖掘图像中丰富的语义信息.文中提出的方法与其它相关方法进行了比较,实验结果表明,该方法优于其它方法.     

神经网络自适应噪声对消的研究

基于神经网络中自适应线性单元(ADALINE),结合传统自适应噪声对消原理,提出了一种基于ADALINE的改进型自适应噪声对消器。经仿真和实例证明,具有很强的噪声滤除能力和鲁棒性。