基于区域间协同优化的立体匹配算法

提出了一种基于分割区域间协同优化的立体匹配算法. 该算法以图像区域为匹配基元, 利用区域的彩色特征以及相邻区域间应满足的平滑和遮挡关系定义了区域的匹配能量函数, 并引入区域之间的合作竞争机制, 通过协同优化使所定义的匹配能量极小化, 从而得到比较理想的视差结果. 算法首先对参考图像进行分割, 利用相关法得到各分割区域的初始匹配; 然后用平面模型对各区域的视差进行拟合, 得到各区域的视差平面参数; 最后, 基于协同优化的思想, 采用局部优化的方法对各区域的视差平面参数进行迭代优化, 直至得到比较合理的视差图为止. 采用Middlebury test set进行的实验结果表明, 该方法在性能上可以和目前最好的立体匹配算法相媲美, 得到的视差结果接近于真实视差.     

复杂彩色图像中的字符提取算法

提出一种基于对称邻域滤波的、面向复杂彩色图像的字符提取方法.该方法首先对原始彩色图像进行SNF图像增强,在此基础上得到图像边缘.然后,综合利用所得到的边缘图像及彩色图像进行基于边缘的连接体搜索,生成字符候选区域.最后,利用字符的纹理特征最终确定字符区.实验结果表明该方法是行之有效的.它可以在保留图像中真实边缘的同时,有效地将图像中内部区域的干扰点平滑掉,为后续算法的成功实施奠定基础.     

用于大库人脸识别的脸型分类研究

提出了一种基于”分集”的人脸识别方法,该方法在人脸识别前加入脸型预分类环节,将一个大规模的人脸数据库分解为依脸型分类的若干个子库。这样做一方面可通过分集降低后续识别处理的数据量,提高人脸识别的速度,另一方面可利用脸型特征对候选人脸集合进行粗筛选,降低系统的错误接受率。为了实现脸型分类,进一步提出了一种基于人体测量学的分类方法,即首先借助AAM技术提取脸部特征点,然后在此基础上计算面型指数,并由此实现对脸型的分类。对较大规模的人脸数据库所进行的实验结果表明,所提出的方法可有效提高人脸识别系统的识别率和识别速度。     

基于有限元方法的一种新型人工肌肉驱动器设计

为了满足机器人驱动器速度输出范围宽、负载能力大、输出精度高等要求,提出了一种新型的人工肌肉驱动器.介绍了该机构的运行原理和实现方式,并对其主要部件进行了有限元分析和参数优化.其独特的柔性铰链结构及箝位中心调节装置使得该机构能够实现高速、大行程、大输出力且工作的稳定,具有较高的实用价值.该人工肌肉具有良好的驱动性能,为下一步物理样机的研制提供了很好的基础.     

基于流形学习的三维步态鲁棒识别方法

针对过去几乎都是在单目视觉的情况下进行步态识别研究的现状,提出一种基于立体视觉的步态识别方法。首先利用立体匹配技术获得人体轮廓的三维信息,并据此构造出三维人体轮廓描述子以获取人体的步态特征。接着通过平滑、去噪等预处理手段抑制噪声的影响,并采用流形学习构建低维流形进行特征降维。最后将最近邻分类器和最近邻模板分类器用于识别过程。采用该方法在PRLABⅡ立体步态数据库和不规则测试数据集ExN上进行实验,获得较高的识别率。实验结果表明,文中所提出的方法具有与行人行走路径到摄像机之间的距离无关的特点,且对于不完整的残缺步态序列、行人行为姿态的变化、携带物品和服饰变化等具有较强的鲁棒性。     

可变光照条件下的人脸图像识别

对于人脸图像识别中光照变化的影响,传统的解决方法是对待识别图像进行光照补偿,先使它成为标准光照条件下的图像,然后和模板图像匹配来进行识别。为了提高在光照条件大范围变化时,人脸图像的识别率,提出了一种新的可变光照条件下的人脸图像识别方法。该方法首先利用在9个基本光照方向下分别获得的9幅图像来构成人脸光照特征空间,再通过这个光照特征空间,将图像库中的人脸图像变换成与待识别图像具有相同光照条件的图像,并将其作为模板图像;然后利用特征脸方法进行识别。实验结果表明,这种方法不仅能够有效地解决人脸识别中由于光照变化影响所造成的识别率下降的问题,而且对于光照条件大范围变化的情况,也可以得到比较高的正确识别率。     

一种扩展式CRFs的短语情感倾向性分析方法研究

短语情感倾向性分析是文本情感分析的重要研究内容。该文将短语情感倾向性分析问题视作序列标注问题,利用条件随机场模型实现短语的情感倾向性判断。条件随机场模型是利用序列特征处理序列标注问题的经典方法,然而现有条件随机场模型无法将词语的情感倾向性分析与短语的情感倾向性分析相结合,从而造成准确率不高。因此,该文提出一种扩展式条件随机场模型YACRFs。该模型在链式条件随机场模型的基础上进行扩充,将词语情感倾向性分析与短语情感倾向性分析有效地结合起来,引入了情感词汇、短语规则模板以及词性等特征。与传统的规则方法和统计分类方法进行对比实验,该文提出方法取得了最高准确率81.07%。进一步地,在应用于句子情感倾向性分析的实验中得到了94.30%的准确率。实验结果表明,该文所提出的YACRFs模型能够显著提高短语情感倾向性判断结果的准确率。     

基于径向基概率神经网络的植物叶片自动识别方法

提出一种将Gabor小波和神经网络相结合应用于植物叶片自动识别的方法.该方法对活体植物图像进行多尺度Gabor纹理特征提取,再使用一种径向基概率神经网络模型进行分类识别.实验结果验证该方法的有效性.     

最小邻域均值投影函数及其在眼睛定位中的应用

提出一种投影函数:最小邻域均值投影函数.该函数通过计算每条投影线上各像素点邻域均值的最小值来跟踪图像中的低灰度特征.与传统的积分投影函数和方差投影函数相比,它以求最小值的局部选择性代替传统投影函数的全局累加性,因此具有对片状噪声不敏感的特点.此外,在计算过程中,它还能记录最小值点的二维位置信息,是一个二维的搜索算子.最小邻域均值投影函数的这些特点使其非常适合于眼睛定位.它对眼睛,特别是瞳孔,总能够产生精确、鲁棒的响应.通过在CAS-PEAL数据库和BioID数据库上的实验表明,其定位正确率与精确度均高于传统的投影函数.     

基于Haar小波域自学习的图像超分辨率方法

图像超分辨率重构是指由低分辨率图像来获得高分辨率图像的过程.为了能够有效的重构出高分辨率图像,提出一种基于Haar小波域自学习的图像超分辨率重构算法.该算法将高分辨率图像通过Haar小波变换后得到的近似子块L与已知的低分辨率图像联系起来,然后通过Bp神经网络来自学习Haar小波变换细节子块之间相近的自相似性,从而预测出高分辨率图像通过Haar小波变换后的三个细节子块H,V和D.最后由逆Haar小波变换重构高分辨率图像.实验表明由该算法重构的高分辨图像有很好的视觉效果和峰值信噪比.