利用B样条曲线设计指纹图像滤波模板和快速指纹特征匹配算法

在指纹图像识别过程中,指纹图像的滤波去噪音二值化和指纹特征的匹配是最关键的两个部分.本文针对这两部分的算法设计进行分析和改进,介绍利用B样条造型来设计指纹滤波模板的方法和基于基准点附近的拓扑结构进行快速特征匹配的算法.并且利用改进后的指纹特征匹配算法,在样本指纹库中进行实验,结果表明该算法大大提高了指纹特征匹配的效率和准确性.     

基于LBP算子和类覆盖捕获图的人脸检测算法

针对传统人脸检测中的过分类问题,提出一种结合LBP算子与类覆盖捕获图的人脸检测算法.该算法首先用ε-LBP算子提取人脸图像纹理特征,并把对应不同ε值提取的LBP特征数据加权融合起来,形成人脸图像特征向量,然后采用类覆盖捕获图构造分类器,最终对人脸图像实现有效检测.与传统方法相比,基于随机图理论的类覆盖捕获图能够克服过分类缺陷,比其他近邻图分类器更具优势,性能也比较稳定.实验结果表明,该算法可以有效检测人脸图像,尤其对存在模糊和光照异常的人脸图像具有较高的精确度和鲁棒性.     

错位指纹图像自动检测的深度学习方法

针对实践中存在的指纹图像错位问题,提出了基于深度学习的错位指纹图像自动识别算法.通过将错位指纹自动检测问题转化为一个四分类问题,搭建了一个深度卷积神经网络并用已知的标签进行有监督学习,将学习得到的模型用于预测给定指纹图像的类别.通过对模型性能的准确率、空图识别率和错位判正率3项指标的评价看出,本识别算法取得了良好的效果.     

多变点检测问题的Shape-based BS算法

BS算法是时间序列多变点检测中最经典的算法之一,但是基于全局CUSUM统计量的识别过程会带来过多误判和较高的时间复杂度.BS算法是一种离线的序贯方法,因此没有充分利用数据的时序信息;另一方面,BS算法识别变点的原则是CUSUM统计量最大化,也没有考虑统计量构成序列的形态特性.鉴于此,提出一种基于局部形态识别的BS改进算法,命名为Shape-based BS算法.基于局部形态识别统计量,不仅大大降低计算复杂度,且降低了因变点间的互相干扰而带来的误判率,进而提升变点识别的稳健性.最后,将此算法应用到了电力系统的"场景压缩"问题上,具有满意的实用效果.     

基于偏离度的仓储中心拣货路径优化方法研究

针对现代仓储作业中广泛使用的双区仓库,为提高拣选作业的质量和效率,首先应用RFID技术对仓储作业中货物的入库、定位、拣选、出库等进行自动化识别,实现管理数据库的实时更新,减少订单中货物搜索时间.在此基础上,提出了一种基于偏离度的路径优化方法,通过与传统穿越策略、S型启发式算法进行仿真对比.结果表明,在双区仓库的路径拣选中,基于偏离度方法对仓库作业优化效果显著.     

一种新的基于稀疏表示的SVM人脸识别方法

提出基于稀疏表示的支持向量机(support vector machine,SVM)人脸识别方法,首先将人脸图像通过稀疏表示出来,然后用SVM对稀疏表示的人脸图像进行多分类识别,利用所提出的方法对ORL人脸图像库进行仿真实验.仿真结果表明,该方法优于一般的主成份分析结合SVM人脸识别方法,同时比单纯的稀疏表示编码方法的效果要好.     

兼顾公平与效率的云计算并行机资源调度研究

研究在云计算中服务资源优化管理背景下,基于时间窗口的非等同并行机服务资源调度问题.为达到最大任务处理数,选取任务延误时间作为目标函数建立数学模型,并利用蚁群算法为模型求解.设计了算法的各项参数,而且进一步探讨了如何将资源分配的公平性引入到算法中来.还通过仿真算例对比了考虑公平性要素前后的调度结果.从结果来看,提出的模型和算法能够较好的用于解决云计算中的并行机资源调度问题,并以较快的收敛速度找到满足约束条件的较优解.     

基于概率弹性匹配的多姿态人脸认证

为解决多姿态情况下的人脸认证问题,提出了基于概率弹性匹配的方法.首先从多尺度密集采样的图像中提取局部特征,并将局部区域的位置信息保存到特征向量中.然后用高斯混合模型在图像集中训练得到人脸特征的空间外观分布,并将人脸图像中的每一个局部区域表示成与其最相似的高斯分量,从而形成一个基于高斯混合模型表示的人脸特征.通过统计两个人脸特征向量的差向量来训练支撑向量机分类器从而实现多姿态人脸认证.在通用图像库中的实验验证了方法的有效性.     

视频监控系统中运动目标的阴影消除

本文通过分析阴影的像素特征,建立了一个关于目标帧与背景帧的对比帧来实现阴影监测和消除.为了研究问题方便,本文只考虑视频系统中的摄像头是固定位置的,并且检测目标区域中的较大阴影.利用光流法技术和背景差方法,运动目标能被快速准确的提取出来.同时,背景帧、前景帧及它们的对比帧也被提取出来,而对比帧具有更好的阴影特征.在对比帧上,可以使用静态图像处理技术的一些高效算法,来实时检测阴影区域.本文提出一个对比帧的建立方法,并进一步利用水平集方法来定位阴影区域和消除阴影.通过实验,在选择合适的阈值下,该方法是有效而快速的.     

矩阵填充的子空间逼近法

本文提出了一种矩阵填充的子空间逼近法.该算法以奇异值分解的子空间逼近为基础,运用二次规划技术产生子空间中最接近的可行矩阵,从而获得较好的可行矩阵.该算法通过阈值的奇异值个数逐步减少达到子空间的降秩,最后得到最优低秩矩阵.本文证明了在一定条件下子空间逼近法是收敛的.通过与增广Lagrange乘子算法和正交秩1矩阵逼近法进行随机实验对比,本文所提方法在CPU时间和低秩性上均更有效.     

考虑碳排放的需求可拆分车辆路径问题模型及算法研究

考虑低碳环境下的需求可拆分车辆路径问题,建立了以配送成本最小为决策目标的数学模型.随后根据模型特点,设计了基于动态学习因子的改进粒子群算法,并通过两个不同规模算例对模型验证模型和算法的有效性和合理性.通过两个算例中的算法对比发现,所提出的算法较改进前算法,均能够在保证求解质量的前提下,减少计算时间;而当算例规模增大时,这一优势更为明显.     

基于PCP特征的和弦识别研究与探讨

讨论了音乐识别领域中和弦的四种不同识别方法,给出了基于PCP特征的和弦识别算法.使用PCP作为和弦的特征作为输入送至隐马尔可夫模型中训练,利用Baum-Welch算法估计模型参数,通过Viterbi算法得到正确和弦.通过实验获得了76%的识别率,验证了该算法的可行性.     

基于均值的Toeplitz矩阵填充的子空间算法

本文提出一种基于均值的Toeplitz矩阵填充的子空间算法.通过在左奇异向量空间中对已知元素的最小二乘逼近,形成了新的可行矩阵;并利用对角线上的均值化使得迭代后的矩阵保持Toeplitz结构,从而减少了奇异向量空间的分解时间.理论上,证明了在一定条件下该算法收敛于一个低秩的Toeplitz矩阵.通过不同已知率的矩阵填充数值实验展示了Toeplitz矩阵填充的新算法比阈值增广Lagrange乘子算法在时间上和精度上更有效.     

检测网络社团结构的基于最短路径的$k$-均值算法

我们考虑复杂网络社团结构的检测问题,即检测出那些具有高于平均密度的边所连接的节点的集合.本文我们利用模拟退火策略来极大化可表示为稳定效益函数的模量(modularity),并结合基于最短路径的$k$-均值迭代过程来对网络进行分区.该算法不仅能检测出社团,而且能够识别出在最短路径度量下,该社团中位于中心位置的节点.社团的最优数目可以在无需任何关于网络结构的先验信息下自动确定.对人工生成网络和真实世界中的网络的成功应用表明了算法的有效性.     

图像域增强约束卷积稀疏编码的稀疏角度CT重建算法研究

稀疏角度CT重建因其可以降低辐射剂量引起广泛关注,然而减少角度会降低重建图像质量,影响诊断结果分析.为解决上述问题,提出了图像域增强约束卷积稀疏编码的稀疏角度CT重建算法,该算法继承了卷积稀疏编码的优点,通过直接处理整幅图像提取特征,克服了字典学习因图像分块聚合引起的伪影.继而引入全变分正则项来增强图像域的约束,可以有效地进一步抑制噪声.通过几组稀疏角度的重建实验与不同算法对比,实验结果表明,所提算法在噪声抑制、伪影减少和图像细节恢复方面性能优越.     

SFE-SSD: 浅层特征增强的SSD算法在小目标检测问题中的研究与应用

SSD (Single Shot Multibox Dectetor)算法由于具有高速且高精度的检测性能,是目前最好的目标检测算法之一.但由于提取检测框的特征层的特征信息不足, SSD算法在小目标检测任务中表现不佳.为了解决这个问题,目前大部分方法以严重牺牲检测速度为代价提升目标检测模型的精度. 本文提出了SFE-SSD (Shallow Feature Enhancement SSD)提升SSD模型在小目标检测任务中的性能.首先我们采用反卷积操作对SSD算法中检测框金字塔特征层的最浅特征层进行特征扩张.接着通过特征融合机制对扩张后的特征层进行特征增强操作.浅层特征增强策略与SSD 的原始框提取金字塔特征层是并行结构,一定程度上是可以减少检测速度的损失.实验结果显示,我们的方法在PASCAL VOC 2007数据库上精度达到了78.4\%mAP高于SSD算法1.2\%,检测速度达到了81帧/秒,并且在小目标检测任务中有着显著的提升.     

基于颜色和方向特征区域对比度的显著性检测模型

视觉显著性检测是很多计算机视觉任务的重要步骤,提出了一种基于颜色、方向特征和空间位置关系相结合的区域对比显著性检测算法.首先用基于图论的算法将图像分割成若干区域,结合区域间颜色特征和空间对比度计算出颜色显著图.同时采用基于纹理特征的算法分割图像,通过方向特征和空间对比度得到方向显著图.最后将二者结合得到最终显著图.在国际现有公开测试集上进行仿真实验,并与其它显著性检测方法进行对比,检测结果更加准确、合理,证明此算法切实可行.     

大库容量指纹自动识别系统中的优化模型与算法

生物学研究表明,指纹在胎儿时期发育形成,并且其脊线结构在人的一生中从不改变,除非当指尖处深度擦伤之类的事故发生而导致指纹损伤.指纹的这种特性使得指纹作为生物特征进行身份认证非常有吸引力.指纹自动识别系统包括指纹图像的获取和存储、指纹图像数据的再表达和特征提取、指纹分类和索引、指纹匹配等模块.针对大库容量指纹自动识别系统各个模块中的一些关键技术,建立了最优化模型,设计了快速准确的求解算法,使得指纹自动识别系统的各项指标均能够达到国际先进水平,并应用到我国一些省市和公安部刑侦领域指纹自动识别系统中.     

混沌反向学习柯西变异和声搜索算法

为了改善和声搜索算法的寻优性能,提出一种基于混沌反向学习及柯西变异的和声搜索算法.算法首先通过混沌反向学习策略初始化和声记忆库来增强初始种群的多样性;然后通过动态地改变参数PAR和BW来逃逸局部极值;接着在算法产生新解的过程中引入柯西变异策略来提高全局探索性能.最后通过对不同类型的基准测试函数进行寻优,并做了Wilcoxon秩和检验,其结果表明,所给改进算法在求解精度和收敛速度上均优于所涉及的对比算法,即所提算法是可行的.     

收敛性随机森林模型及其遥感应用

通过引入全局损失函数,提出了一种全局优化的随机森林模型算法,称为θ-β型随机森林,并且利用改进后的模型对城市遥感图进行了检测与识别,识别准确率与识别速率都得到了一定的提高.方法在经典随机森林模型的基础上加入前向反馈模型(Forward Stagewise Additive Model),通过每一层节点的训练结果干预下一层的训练数据(从而改变阈值θ的选择)与训练步长(β),使得最后训练得到的型随机森林收敛速度更快,预测结果更为准确.