基于差分的稀疏度自适应重构算法

针对压缩感知贪婪迭代重构算法要求给定信号稀疏度或迭代阈值的缺点,提出一种基于差分的稀疏度自适应重构算法.该算法在信号稀疏度未知的情况下,利用测量矩阵Φ与残差的相关系数的变化的不均衡特性,来选择重构信号的支撑集,以此逼近原始信号的稀疏度,达到重构的效果.仿真结果表明,在相同采样率下,文中算法可以获得较好的重构效果,尤其在采样率较低(采样率≤0.5)的情况下,这种优势更加明显.     

基于稀疏模型的人脸姿态估计

针对现有的人脸姿态估计方法易受“自遮挡”影响,采用改进的ASM 算法 提取人脸特征点,并利用人脸形态的几何统计知识来估计人脸特征点的深度值。以人脸主要 特征点建立人脸稀疏模型,在利用相关人脸特征点近似估计人脸姿态后,通过最小二乘法精 确估计三维人脸空间姿态。实验结果表明,对于“自遮挡”情况,该方法仍有较好的估计结果, 与同类方法比较具有良好的姿态估计精度。     

基于稀疏表示的图像超分辨率重构算法

为提高单幅图像的分辨率,提出一种基于稀疏表示的图像超分辨率重构方法。该方法的核心是联合训练高分辨率和低分辨率字典,然后利用所得字典求解高、低分辨率下图像块共有的稀疏表示系数。与已有的基于稀疏表示的图像超分辨重构算法相比,该算法在求解稀疏表示系数时并未采用拉格朗日乘子将稀疏度和重构误差相结合,而是利用对偶模型求解原始的带约束优化问题。实验表明,与其他图像超分辨率重构方法相比,该方法所需手动调节参数较少,重构效果较好。     

稀疏MR图像重构的快速算法

提出小波稀疏的MR图像重构的交替最小化方法,分析证明了这一方法的收敛性。利用半二次罚函数方法将小波稀疏的MR图像重构最优化问题分裂成两个子最优化问题：X-子问题和Y-子问题,通过对两个子问题的交替最小化得到原问题的最优解。利用1维软阈值收缩方法求解Y-子问题,利用Fourier变换的方法求解X-子问题解,进而给出原问题求解的分裂算法。利用Phantom图像和一些实际的MR图像与最新的算子分裂算法进行数值实验比较,其结果是交替最小化方法重构的图像的信噪比比算子分裂算法的高,而相对误差和CPU时间较低,从而表明交替最小化方法是稀疏MR图像重构的一种快速算法。     

基于多分离部件稀疏编码的人脸图像分析

考虑到不同部件(眼睛,嘴等)对人脸分析的贡献差别,提出基于多部件稀疏编码的人脸图像分析方法.首先,选取对人脸(表情)分析影响较大的几个人脸部件,然后,利用多视角稀疏编码方法学习各部件的字典,并计算相应的稀疏编码,最后,将稀疏编码输入分类器(支持向量机和最小均方误差)进行判决.分别在数据库JAFFE和Yale上进行人脸(表情)识别及有遮挡的人脸(表情)识别实验.实验结果表明,基于多部件稀疏编码的人脸分析能较好地调节各部件的权重,优于各单一部件和简单的多部件融合方法的性能.     

基于肤色模型和CAMShift算法的人脸检测与跟踪研究

讨论并实现一个基于肤色模型和CAMShift方法的人脸检测与跟踪原型系统。该系统采用肤色模型分割出视频帧中的肤色区域与非肤色区域以检测出人脸．利用CAMShift算法跟踪运动的人脸,完成对人脸各种姿态的跟踪,具有较好的实时性和鲁棒性。     

基于人脸标准化的纹理和光照保持3D人脸重构

现有人脸纹理重建方法对于人脸的皱纹、胡须、瞳孔颜色等重建效果往往不够细致.为了解决此问题,文中提出基于人脸标准化的纹理和光照保持3D人脸重构.首先对2D人脸图像标准化,使用光照信息和对称纹理重构人脸自遮挡区域的纹理.然后依据2D-3D点对应关系从标准化的2D人脸图像获取相应的3D人脸纹理,结合人脸形状重构和纹理信息,得到最终的3D人脸重构结果.实验表明文中方法有效保留原始2D图像的纹理和光照信息,重构的人脸更自然,具有更丰富的人脸细节.     

基于稀疏表示的图像显著区域检测算法

针对图像的显著区域检测问题,提出一种基于稀疏表示的显著区域检测算法。该算法首先利用稀疏编码对图像进行特征描述,然后根据图像的稀疏编码进行视觉显著性的计算,而不是对原始图像直接进行处理,提高计算的效率。最后,根据视觉显著性的计算结果,进行显著性区域分割。在公开的测试图像集上进行实验,并和目前几种流行的算法进行实验对比。实验结果表明,该算法用于图像的显著区域检测是正确有效的。     

基于人脸图像的BMI预测算法研究

BMI是目前国际上常用的衡量人体胖瘦程度以及是否健康的一个标准。通常情况下,BMI是由个体的身高和体重计算得到的。目前,国外的研究人员提出了基于人脸图像预测BMI的算法,通过构建面部特征与BMI之间的关联集合,利用SVR回归模型进行BMI预测工作。该算法在实验室实验环境下表现良好,但在日常生活应用环境下仍有较大的预测误差。为了提高BMI预测算法在日常生活应用环境下的预测精度,提出面部区域面积比(RAR)、嘴颌宽度比(MJWR)和颊宽高度比(CWHR)这三种新的面部特征用于补充改进BMI预测算法,同时使用神经网络拟合代替SVR回归进行BMI预测实验。实验结果表明,在日常生活应用环境下,改进的BMI预测算法使得预测结果更加精确,BMI预测的平均绝对误差(MAE)降低了0.7。     

一种基于稀疏表达和神经网络的人脸识别算法

传统的基于神经网络的人脸识别算法直接从灰度空间获取人脸图像数据,其中含有大量的噪声和冗余信息,降低了识别率且延长了识别时间。提出一种基于稀疏表达和神经网络的人脸识别算法:首先通过KSVD算法将样本变换至稀疏空间,然后运用LDA算法将稀疏编码变换至子空间,最后输至RBF神经网络进行分类。在ORL和Yale人脸库上的实验结果表明,该算法比其他算法具有更高的识别率和更快的识别速度,且具有较强的鲁棒性和泛化能力。     

改进的基于稀疏表示的图像超分辨率重建算法

为改善单帧退化图像的分辨率,提出一种改进的基于超完备字典的图像超分辨率稀疏重构算法。该算法主要在字典训练过程中引入联合训练的思想以确保高、低分辨率图像块在其对应的过完备字典上具有相同的表示系数,并在图像重建过程中,利用迭代反投影加强全局重建约束。实验表明,与现有的几类算法相比较,该算法的重建图像无论在峰值信噪比还是结构相似性上均有明显提高。并且可应用于单帧模糊图像的超分辨率重建,有效地提高了图像的分辨率。     

一种基于深广度权重树模型的局部最优树算法

为了降低用户访问页面的点击次数,提高网站的易用性,给出了一种独特的可以表示页面导航结构的深广度权重树模型,并在不影响导航之间逻辑关系的前提下,提出一种计算权重树的局部最优树算法。通过该算法改变了网站的导航结构,降低了网站总点击次数,继而提高了网站的易用性。实验结果表明该算法是有效的。     

基于Gabor-PCA的人脸遮挡区域重建算法

针对遮挡人脸重建和识别问题,提出一种基于Gabor滤波和主成分分析相融合的人脸遮挡区重建算法。首先通过构建5维8方向的Gabor直方图信息分类器,从人脸库中选择Gabor直方图信息与待重建原始人脸图像在外形轮廓等粗信息更为接近的图像组成训练样本集,然后采用主成分分析对奇异值分解重建协方差矩阵进行投影形成重建图像,最后进行仿真实验。结果表明,该算法可以得到平滑自然的重建人脸图像,而且具有较强的适应性。     

决策树算法中属性缺失值的研究

如何解决在创建决策树时出现缺失值是决策树算法在规则提取方面的一个重要难题.讨论了决策树分类算法的基本原理后,对于数据集的数据不完整进行了分析,并给出了缺失值的具体解决方法.在创建决策树的过程中对缺失值进行填充时提出了填充缺失值的解决算法.     

基于早期视觉的算法模型评述

计算机视觉与神经生理学相结合,早期视觉模型与计算相结合,对视觉研究领域具有深远的意义.早期视觉研究处理的视觉信息是视觉系统接受信息的第一步,是视觉研究的基础.它用计算机视觉的实现方式,模拟了视锥通路的早期视觉信息处理模型,验证了生理视网膜在信息处理过程中的特性,分析了视觉神经在信息采集必须充分必要的条件下,硬件复杂度、处理时间与处理精度之间的平衡.     

基于轮廓线法的汽车类外观专利图像三维重建

对立体产品的外观设计专利图像进行三维重建是外观设计专利三维检索的基本前提。结合汽车类外观专利图像的特点,提出汽车类外观专利图像三维重建方法。该方法利用三视图理论及汽车模型的对称性,根据俯视图信息确定主视图与后视图之间在不同高度的距离,进而获取三维空间点坐标;对车轮部分的连接进行特殊处理,并按照子轮廓线连接法构造四角面片,实现三维模型的重建。实验结果表明:1)与传统方法相比错误面片数降低了19.4%;2)重建效果图在外形上与实际物体更为接近。     

基于MC算法的高质量脊柱CT图像三维重建

从脊柱CT图像中重建出脊柱的三维模型以提供直观的术前病灶信息,能够有效辅助高难度的脊柱畸形矫正手术。针对传统MC(Marching Cubes)算法存在的重建表面不平滑、结构拓扑歧义的局限以及人体脊柱重构碎片过多的特点,提出一种基于保边局部高斯滤波与三维区域增长的改进型MC算法。该算法采用保边滤波去噪并增强边缘,局部高斯滤波平滑待重建区域以改变原有体素类型,减少二义性体素对数,有效地解决了重建表面不平滑与结构拓扑歧义问题;采用基于三维区域增长的双阈值分割算法,大大减少碎骨重建的数量。实验证明,采用高质量重建算法重建的脊柱三维模型能够满足医学三维可视化的要求。