基于SIFT算法的移动机器人同时定位与地图创建

研究了基于尺度不变特征变换（SIFT）算法的移动机器人同时定位与地图创建（SLAM）方法,即在视角改变情况下,用SIFT算法对不同图像进行特征匹配,根据极线几何原理得到摄像头的旋转角度,将之与里程计的角度信息融合,从而实现较准确的自我定位与地图创建.实验表明：本方法利用电荷耦合器件（CCD）摄像头和里程计间内在的几何关系来实现SLAM,提高了低成本移动机器人的定位精度.     

基于互信息和特征融合的图像隐写分析

为了提高隐写分析的检测率和效率,本文提出了一种加权融合的联合图像专家小组JPEG(joint photographic experts group)图像通用隐写分析方法.该方法分别计算离散余弦变换DCT(discrete cosine transform)系数块内和块间的水平、垂直和zigzag三向差分数组,采用联合概率密度矩阵来挖掘信息嵌入对DCT系数间相关性的影响,生成块内和块间三向特征.利用特征与分类类别间的互信息对特征权值进行量化,加权融合得到最终的特征向量,并使用支持向量机进行分类.对3种安全性较高的JPEG隐写算法F5、Outguess和MB2,在不同嵌入率下进行隐写分析.实验结果表明,在不同嵌入率的情况下其检测率均高于88.4%,同时特征融合算法使该方案具有更高的检测效率.     

基于主分量分析的针对QIM-JPEG2000隐写的分析方法

QIM-JPEG2000作为以JPEG2000图像为载体的最新隐写术,采取设置恒域的方式,保持了小波系数的直方图,很好地抵御了基于直方图攻击的隐写分析方法.针对这种隐写术,提出了一种基于JPEG2000图像小波系数主分量分析的隐写分析方法.该算法在JPEG2000图像三级小波系数上进行主分量变换,分析主分量的统计特征在信息隐写前后的变化,提取小波系数主分量的均值、方差、斜度、峰值和熵组成特征向量,利用支持向量机进行载体图像和载密图像的分类,从而检测出JPEG2000图像是否嵌入了秘密信息.实验表明了本方法的可行性.     

基于多通道Gabor纹理特征的遥感图像检索

遥感图像数据量的急剧增加,给研究者们提出了有效检索和管理图像的难题.为了快速准确地检索海量遥感图像,提出一种基于五叉树分解的多通道Gabor纹理特征图像检索新方法.该方法用五叉树分解法层层分解图像,在利用多通道Gabor滤波器与图像做卷积得到滤波能量值基础上,提取各子图像24个滤波能量均值和均方差作为纹理特征,并计算查询图像和与其大小相当的数据库子图像的纹理特征相似性距离,从而获得与查询图像相似的数据库子图像.将该方法用于高分辨率卫星和航空图像数据库的检索,实验结果证明了方法的有效性.     

基于支持向量机的字符编码识别系统

基于支持向量机设计了一种产品字符编码识别系统,该系统通过CCD视觉传感器采集图像信息,经过目标提取、字符分割、编码识别过程,最后输出识别结果.其中,识别过程采用支持向量机作为判别函数分类器,该方法能较好的解决小样本、非线性、高维数等实际问题,并且较传统的神经网络识别方法训练速度更快.实验结果表明,该方法识别率高,可以达到98.3%,并且具有较高的实时性.     

增强曲率尺度空间的形状检索新机制

针对多媒体图像形状检索,提出增强型曲率尺度空间(ECSS)描述子,构建了基于该描述子的形状检索模块IRS.通过直接计算曲率,减少卷积计算次数进行特征抽取,从而显著减少了运算量;设计实现了镜像变换等匹配策略,使IRS检索的结果更符合相似性要求.     

轮廓匹配方法改进及其在转子中的应用

汽车发动机转子装配误差容易造成零件磨损和效率降低. 针对转子零件装配精度要求, 提出一种基于轮廓与特征点结合的轮廓匹配方法. 首先对转子图像进行滤波、二值化预处理; 其次提取轮廓并利用轮廓Hu矩方法进行轮廓粗匹配; 然后提取特征点, 并在以特征点为中心、半径为16像素的圆形区域内生成4个特征描述子作为匹配特征, 利用欧氏距离进行特征点匹配; 最后通过找到的匹配对计算仿射变换矩阵, 得到精匹配结果. 实验结果表明, 该方法在背景复杂、光照变化的条件下能够较精确地匹配轮廓, 保证匹配精度在1像素内, 且生成的特征描述子对数越多, 匹配结果越精确.     

用高分辩率卫星影像辨识城市建筑物

在对试验区IKONOS卫星高分辨率影像预处理的基础上,采用HIS变换法对1m分辨率全色影像和4m分辨率多光谱影像进行了融合处理;通过建筑物阴影提取了建筑物高程,采用正交小波变换方法提取了图像的纹理信息;采用了四种不同的特征图像组合方式,对试验区高、中、低层建筑物进行了分类.     

基于RTD可编程逻辑门的n变量函数实现算法

共振隧穿二极管（RTD）可编程逻辑门是一种由单双稳态转换逻辑单元（MOBILE）及正、负输入分支组成的阈值逻辑电路。基于二进制神经元模型中的三层网络结构,提出了基于RTD可编程逻辑门的n变量函数实现算法。按照汉明距离由大到小的顺序,搜索最优输入向量,用定理1或定理2方法产生隐层函数,通过变换次数,确定输入向量的真假及隐层函数的权重。由于定义了最优输入向量及变换次数,提高了算法的准确性;又由于采用了定理2方法,令设计的电路更简单。     

一种基于轮廓的图像检索算法研究

针对图像检索存在性能的不稳定性、相对平移、旋转和尺度变换的鲁棒性不好等问题,提出了一种新的基于形状的图像检索算法.此算法通过提取轮廓的7个矩不变量和轮廓力矩来描述图像特征,用图像特征向量的归一化欧氏距离表示图像的相似度,并用星星形状的图像作为示例图像进行验证,实验证明该算法具有一定的优越性.     

一种基于深度学习的古彝文识别方法

作为世界六大古文字之一的古彝文记录了几千年来人类的发展历史。通过对古彝文的识别能够将这些珍贵文献资料转换为电子文档,便于保存和传播。由于历史发展、区域限制等原因,针对古彝文识别的研究鲜有成果。本文将当前新颖的深度学习技术应用于古老的文字识别。在四层卷积神经网络（convolutional neural network, CNN）基础上扩展出5个模型,然后利用Alpha-Beta散度作为惩罚项,对5个模型的输出神经元重新进行自编码,接着用2个全连接层完成特征压缩,最后在softmax层对古彝文字符特征进行重新评分,得到其概率分布,选择对应的最高概率作为识别的字符。实验表明,相对于传统CNN模型,本文方法对古彝文手写体的识别精度更高。     

一种基于深度学习的古彝文识别方法

作为世界六大古文字之一的古彝文记录了几千年来人类的发展历史。通过对古彝文的识别能够将这些珍贵文献资料转换为电子文档,便于保存和传播。由于历史发展、区域限制等原因,针对古彝文识别的研究鲜有成果。本文将当前新颖的深度学习技术应用于古老的文字识别。在四层卷积神经网络（convolutional neural network, CNN）基础上扩展出5个模型,然后利用Alpha-Beta散度作为惩罚项,对5个模型的输出神经元重新进行自编码,接着用2个全连接层完成特征压缩,最后在softmax层对古彝文字符特征进行重新评分,得到其概率分布,选择对应的最高概率作为识别的字符。实验表明,相对于传统CNN模型,本文方法对古彝文手写体的识别精度更高。     

基于移动Agent技术的医学图像检索方法

针对现有医学图像检索方法中，检索算法速度较慢、准确性较低以及远程检索时占用大量带宽等问题，设计并实现了一种基于移动Agent技术的医学图像检索方法，重点讨论了该方法实现的关键技术，包括提升框架下的M带整数小波变换和提取多通道纹理特征的检索算法．模拟实验结果表明，该方法实时性较强，占用网络带宽较少，采用的算法运算速度提高近10倍、运算复杂度降低约50％，提取的纹理特征能充分表达图像内容，较好地满足了医学图像的检索要求，实现了对医学图像库快速较准确的检索．     

一种基于胸部CT图像感兴趣区域提取的检索技术

探索高效的医学图像检索技术,可以方便医务人员快速高效地查找相似的图像．针对胸部CT图像,提出一种采用改进的区域生长法提取感兴趣区域,在此基础上再提取纹理特征作为图像的特征向量,并以特征向量作为图像检索的依据来进行检索．实验结果表明：在有效提取出病灶区域之余,针对该区域提取图像特征起到了良好的检索效果．将此方法应用于医学图像检索系统可有助于提高医生的诊断效率．     

基于多层次特征的跨场景服装检索

针对跨场景服装检索如何提取更有表述力的服装特征问题,提出了一种新的基于高层公共特征约束的相似性度量算法。首先,通过类别空间学习提取不同场景域的类别信息;然后,在场景域空间网络用类别信息约束传统对比损失函数,增大对类间负样本对的惩罚以减轻过拟合;最后,融合类别公共特征和域特定特征并通过类别判断进行辅助检索。分析和实验结果表明,新算法对跨场景服装检索的准确度要优于当前前沿的方法。     

基于多层次特征的跨场景服装检索

针对跨场景服装检索如何提取更有表述力的服装特征问题,提出了一种新的基于高层公共特征约束的相似性度量算法。首先,通过类别空间学习提取不同场景域的类别信息;然后,在场景域空间网络用类别信息约束传统对比损失函数,增大对类间负样本对的惩罚以减轻过拟合;最后,融合类别公共特征和域特定特征并通过类别判断进行辅助检索。分析和实验结果表明,新算法对跨场景服装检索的准确度要优于当前前沿的方法。     

基于RBF网络信道均衡器

在数字通信系统中为了克服信道畸变引起的码间干扰，在接收端必须采用信道均衡技术。在本文中，我们将RBF网络用作均衡器。采用最近邻聚类和直接判决算法来调整隐藏层中心，然后再用LMS算法调整输出层的系数。该算法可以实现在线学习，根据相应的准则增加，删除隐藏层节点。算法事先不必确定隐藏层的节点个数。模拟结果显示，RBF网络均衡器能够正确地将信号从有噪信道中恢复出来，在计算机模拟仿真中其性能与理想贝叶斯均衡器相当。     

基于模糊识别的三维模型检索

提出了基于2D图像模糊识别的3D模型检索的方法。该方法根据人识别习惯模式,从6个方向采集3D模型的2D图像。考虑到人眼对色差的敏感的特点,采用适当的均匀色空间,建立各2D图像的纹理特征。然后对这些纹理特征采用模糊C-均值算法建立模糊集,这些模糊集用于模拟人对图像模糊认识,模糊集对图像变形具有鲁棒性,故提高了提取特征的稳定性和灵活性,同时改善了检索效果与人识别效果的一致性。     

基于卷积神经网络的刺绣风格数字合成

针对刺绣风格数字化模拟方法立体感不强、缺少线条方向等问题,提出了一种基于深度学习和卷积神经网络的算法,将刺绣艺术风格传输到目标图像。利用图像语义分割网络及风格迁移网络,分别对目标内容图像与刺绣艺术风格图像进行目标提取和风格迁移。首先,输入目标内容图像与刺绣艺术风格图像,采用基于条件随机场的图像语义分割,将目标内容图与刺绣艺术风格图的前景与背景分离,并进行二值化处理,形成掩模图像;其次,将目标内容图与刺绣艺术风格图的RGB颜色空间转换为YIQ;最后,参照掩模图像使用VGG19网络模型提取目标内容图的内容特征及刺绣艺术风格图的风格纹理特征进行目标区域内的风格迁移,从而对刺绣艺术进行数字化模拟。该算法能模拟出具有刺绣艺术效果的结果图像,能更好地模拟真实刺绣艺术的线条方向,突出了线条的立体感。通过使用语义分割与风格迁移相结合的方法,有效模拟了色彩艳丽、立体感强的刺绣艺术风格图像,是对非真实感绘制的有效补充,为刺绣数字化保护与非物质文化传承奠定了基础。     

基于卷积神经网络的刺绣风格数字合成

针对刺绣风格数字化模拟方法立体感不强、缺少线条方向等问题,提出了一种基于深度学习和卷积神经网络的算法,将刺绣艺术风格传输到目标图像。利用图像语义分割网络及风格迁移网络,分别对目标内容图像与刺绣艺术风格图像进行目标提取和风格迁移。首先,输入目标内容图像与刺绣艺术风格图像,采用基于条件随机场的图像语义分割,将目标内容图与刺绣艺术风格图的前景与背景分离,并进行二值化处理,形成掩模图像;其次,将目标内容图与刺绣艺术风格图的RGB颜色空间转换为YIQ;最后,参照掩模图像使用VGG19网络模型提取目标内容图的内容特征及刺绣艺术风格图的风格纹理特征进行目标区域内的风格迁移,从而对刺绣艺术进行数字化模拟。该算法能模拟出具有刺绣艺术效果的结果图像,能更好地模拟真实刺绣艺术的线条方向,突出了线条的立体感。通过使用语义分割与风格迁移相结合的方法,有效模拟了色彩艳丽、立体感强的刺绣艺术风格图像,是对非真实感绘制的有效补充,为刺绣数字化保护与非物质文化传承奠定了基础。