用于信号处理的自适应加权最小二乘法

本文结合数理统计方法，提出自适应加权最小二乘法。新方法具有抑制噪声，提取弱异常或局部异常信号的特性。对模拟信号试验结果表明，新方法是有效的。     

一种基于最小二乘法的摄像机非线性校正方法

摄像机线性化技术是机器视觉研究中的关键技术之一。本文针对高速彩色摄像机的非线性特性导致的图像畸变问题,分析其产生原因并给出了基于线性化校正的具体实现方法。在Visflal C＋＋6．0环境下实现了此算法,并应用异性纤维清除系统当中。试验结果表明,该方法能够提高系统性能并有效检测皮棉中的异性纤维。     

基于最小二乘法的数字水印方法

提出一种基于最小二乘法的数字水印方法。该方法通过对线性方程组数值求解的过程实现对数字水印的嵌入和提取,并通过纠错码提高数字水印对攻击的抵抗力。实验数据表明该方法对于多种对数字水印的攻击有相当强的抵抗能力,是一种有较好的鲁棒性的数字水印方法。     

基于最大窗口的二次立体匹配方法

文中提出了一种新颖的基于窗口的立体匹配方法,该方法首先在最大窗口内估计视差,并假设该窗口内视差一致,在此基础上得到两个最大的匹配窗口,然后在这两个最大窗口内进行二次匹配,得到基于这两个窗口的逐像素视差,估计视差和像素视差之和就是结果视差。对相对较平滑或平滑均匀的区域,在匹配过程中,会出现匹配最小多值问题,面临如何确定最佳匹配。本文算法采用平滑性测度指标函数来屏蔽平滑或平滑均匀区域,并在匹配完成后,按照最近邻视差均值来估计平滑区域的视差。最后通过立体图像对算法进行了测试。实验结果表明,该方法是可行和有效的。     

基于阻尼最小二乘法的神经网络自校正一步预测控制器

针对非线性控制器设计中遇到的模型结构及模型参数辨识问题,采用多层前馈神经网络去逼近任意的非线性系统,并使用收敛速度快且稳定性好的阻尼最小二乘法在线学习网络的仅植。基于估计的神经网络模型,依据辨识与控制的对偶原则,设计了基于阻尼最小二乘法的一步向前预测控制器。仿真研究表明,这种神经网络自校正控制器不仅具有很好的性能,而且不会产生参数爆发现象。     

基于最小二乘法灰度校正的路面裂缝检测算法

路面裂缝图像存在多种复杂噪声,一般的滤波、去噪、边缘检测算法无法很好的将裂缝与路面背景分离。该文采用最小二乘法对图像进行灰度校正,可以将图像路面背景的直流分量去除,然后利用高斯函数匹配裂缝信号脊边缘使其突显,并使用阈值法将裂缝与背景分离,最后利用连通域标记的方法去除更多噪点达到裂缝位置的定位。     

分块最小二乘曲面拟合通用程序

UniversalProgramsforBlockingLeast-SquareFittingCurvedFacesGuoFengmingZhangShuiying在本刊1998第4期上,本人发表了“分段最小二乘曲线拟会通用程序”一文,解决了一纸分布原始数据修匀问题的通用算法。本文可以认为是上文的继续,其目的是为二维分布原始数据的修匀问题提供一个通用程序。该程序具有如下特点：（1）拟会半径N＝1,2．3,……可以任意选择,即拟会窗口的大小可以任意选择。（2）拟会阶次MJ二l或2可以任意选择,既可以实现平面拟会,也可以实现二次抛物面拟会。（3）原始数据经拟会以后,边部点数不丢失,即拟会后…     

基于偏最小二乘法的人脸识别

在人脸识别中．最小二乘回归方法及其改进的偏最小二乘法作为一种新的降维方法，在处理小样本、高维数等方面的具有明显优势。线性判决分析(也称Fisher判决)是一种应用广泛的分类算法。本文提出了一种基于偏最小二乘与线性判决分析相结合的人脸识别方法．利用偏最小二乘回归分析对人脸图像进行降维和特征提取．再利用线性判决分析对特征向量进行分类识别。ORL人脸库的仿真结果证明偏最小二乘回归方法比主元分析方法更有效。     

基于最小二乘法的曲线拟合及其简化算法

文章简述了最小二乘法曲线拟合的原理,给出了正规方程组的公式推导过程.针对最小二乘法曲线拟合中系数求解的运算量过大问题,以及自变量为自然数序列的情况,通过推导多项式拟合的计算公式得出了一种简化算法,并结合单片机这种运算能力比较小的应用场合,给出了可以减少计算步骤的简化计算公式,根据简化后的计算公式可以快速计算出所需要的系数.最后以一组实验数据进行了实际计算的例证,该简化算法计算过程简单,计算结果精确,可以广泛应用于控制器的数据采集与处理系统中.     

基于外极线约束的快速精确立体匹配算法

针对三维运动捕捉系统标记点匹配中存在标记点交叠等情况和速度要求,提出利用平行相机结构,使用统计匹配像素点的平均高度差计算相机间的高度差,并将其与外极线约束相结合将匹配标记点搜索范围限制在一个特定区域内,与传统的利用外极线约束需要在整条直线上进行搜索相比,将搜索范围限制在一个估算点周围,减小了搜索区域,提高了匹配速度。对于标记点存在交叠的情况,使用聚类的方法和加权距离最小值得到正确的匹配标记点,从而提高了立体匹配的精度。实验结果验证了算法的有效性。     

基于极线几何的改进多约束图像立体匹配

针对计算机视觉和模式识别领域基本而重要的问题--立体匹配,提出了一种基于极线几何、结合特征匹配与区域匹配、视差梯度约束等多约束立体匹配算法,实现图像快速准确匹配.该算法将现有的基于特征和基于窗口匹配两种方法相结合,并加入视差梯度等约束条件,有效弥补了单一匹配算法的不足,同时增强了算法适应性.实验表明,该算法具有更高的求解质量和求解效率,可以满足双目立体视觉系统的需要.     

基于极值约束的鞋底边缘立体匹配

为了提取鞋底边缘特征,提出了一种中间加光源的双目立体视觉测量方法,增大边缘内外的对比度。针对鞋头和鞋跟特征匹配,提出了基于极值约束的边缘立体匹配方法。该方法分三步：采用Canny算子提取左右图像的边缘;对鞋跟和鞋头部分的边缘点利用最小二乘三项式曲线拟合,求取边缘点上与曲线极值点最近的点作为极值特征点;利用长度均分法进行其他边缘点的匹配。对鞋底进行双目三维测量实验,结果表明,中间加光源可使得图像边缘清晰,便于边缘提取;提出的匹配方法获得的鞋底边缘三维数据完整、正确,有效地抑制了匹配错误。     

基于小波金字塔的快速图像匹配算法

图像匹配是立体视觉中的关键问题。本文针对在图像匹配中被广泛采用的最小二乘算法存在速度慢、易受初值影响的问题,提出了一种基于小波金字塔分层的快速立体匹配算法。形成由粗到精的匹配策略,以低分辨率下匹配点,作为高分辨率图像对匹配的约束。实验结果表明此算法可以减少误匹配,提高匹配速度。     

彩色图像对自适应匹配算法

提出了两种方法来提高图像匹配的精度。一种方法是改变自适应匹配窗口的选择方法,与原来的矩形窗口相比较,提出的窗口选取方法能在低纹理区域得到包含有效信息量更多、更接近实际边界的窗口。此外,通过降低边界点相似度在计算过程中的权重来降低边界点影响力,使得视差不连续区域的匹配精度得到提高。算法采用了Middlebury网站上提供的四幅立体图像对Tsukuba、Venus、Teddy和Cones分别进行实验验证。实验表明文中提出的两种方法对四幅图像的匹配精度均有所提高。     

根据灰度值信息自适应窗口的半全局匹配

目的 立体匹配算法是立体视觉研究的关键点,算法的匹配精度和速度直接影响3维重建的效果。对于传统立体匹配算法来说,弱纹理区域、视差深度不连续区域和被遮挡区域的匹配精度依旧不理想,为此选择具有全局匹配算法和局部匹配算法部分优点、性能介于两种算法之间、且鲁棒性强的半全局立体匹配算法作为研究内容,提出自适应窗口与半全局立体匹配算法相结合的改进方向。方法 以通过AD（absolute difference）算法求匹配代价的半全局立体匹配算法为基础,首先改变算法匹配代价的计算方式,研究窗口大小对算法性能的影响,然后加入自适应窗口算法,研究自适应窗口对算法性能的影响,最后对改进算法进行算法性能评价与比较。结果 实验结果表明,匹配窗口的选择能够影响匹配算法性能、提高算法的适用范围,自适应窗口的加入能够提高算法匹配精度特别是深度不连续区域的匹配精度,并有效降低算法运行时间,对Cones测试图像集,改进的算法较改进前误匹配率在3个测试区域平均减少2.29%;对于所有测试图像集,算法运行时间较加入自适应窗口前平均减少28.5%。结论 加入自适应窗口的半全局立体匹配算法具有更优的算法性能,能够根据应用场景调节算法匹配精度和匹配速度。     

基于改进绝对差值代价和动态窗口的立体匹配算法

针对传统的SAD局部立体匹配容易引起幅度失真、存在匹配窗口大小选择困难等问题,提出一种改进SAD局部立体匹配算法。首先在传统的SAD算法的基础上,提出利用像素灰度间欧氏距离的大小关系代替像素差值作为相似度量函数,很好地利用了邻近像素灰度值之间的连续性约束;在极限约束条件下,提出引导滤波器的动态匹配窗口的建立,能够很好地保持边缘特性;最后经过左右一致性检测策略来检测匹配异常点,再进一步平滑去噪,求得最终的视差图。实验结果表明,本文算法效率高、匹配精度高,对光照失真条件和边缘信息较多、深度不连续区域具有更好的鲁棒性。     

一种改进的彩色图像匹配算法

首先比较了彩色图像不同匹配策略下视差的精确率,并采用了匹配效果较好的策略。同时针对彩色图像的特点,加入色差梯度的约束条件,使用SAD算法实现了彩色图像的匹配,最后通过对比试验进行了验证。试验结果表明该方法有更高的匹配精确性和正确率。     

基于mean-shift全局立体匹配方法

针对图像全局立体匹配精度高、计算量大的问题,提出基于mean shift图像分割的全局立体匹配方法。首先,通过mean shift算法对图像进行分割,获取图像同质区域数量和区域的标号。在计算匹配代价时,根据像素所属的分割区域,对像素进行筛选,从而提高匹配代价计算速度;其次,在代价聚合前,将mean shift算法获取的同质区域数K值赋值给K-means聚类算法,对像素再次聚类,提高立体匹配精度和速度;最后通过TRW-S置信传播解决能量最小化问题。实验表明,该算法明显提高了匹配的准确性和速度,与单纯的全局匹配算法相比,具有更大的优势。     

一种改进的基于图割的立体匹配算法

为了提高立体匹配算法的精确度,提出了一种结合图割与Mean Shift图像分割的立体匹配算法。首先用Mean Shift算法对参考图像进行图像分割,得到分割后的标记图,然后将分割信息结合到图割算法的能量函数中,最后用改进的能量函数和图割算法得出致密的视差图。实验结果表明,提出的算法具有更高的精确度和更好的边缘特征。