二进神经网络中汉明球的逻辑意义及一般判别方法

剖析二进神经元的逻辑意义对二进神经网络的规则提取是十分重要的，在布尔空间中，汉明球是一种线性可分的空间结构，如何从汉明球中提取出具有清晰逻辑意义的规则是二进神经网络研究的一个问题，通过对MofN规则表达形式的扩展，分析了汉明球的逻辑意义，提出了表达汉明球逻辑意义的LEM规则和GEM规则方法，并且讨论了汉明球和汉明补球的等价性，另一个重要的结果是证明了二进神经元和汉明球等价的充要条件，从而建立了判别汉明球的一般方法。     

深度残差学习下的光源颜色估计

目的 颜色恒常性通常指人类在任意光源条件下正确感知物体颜色的自适应能力,是实现识别、分割、3维视觉等高层任务的重要前提。对图像进行光源颜色估计是实现颜色恒常性计算的主要途径之一,现有光源颜色估计方法往往因局部场景的歧义颜色导致估计误差较大。为此,提出一种基于深度残差学习的光源颜色估计方法。方法 将输入图像均匀分块,根据局部图像块的光源颜色估计整幅图像的全局光源颜色。算法包括光源颜色估计和图像块选择两个残差网络：光源颜色估计网络通过较深的网络层次和残差结构提高光源颜色估计的准确性;图像块选择网络按照光源颜色估计误差对图像块进行分类,根据分类结果去除图像中误差较大的图像块,进一步提高全局光源颜色估计精度。此外,对输入图像进行对数色度预处理,可以降低图像亮度对光源颜色估计的影响,提高计算效率。结果 在NUS-8和重处理的ColorChecker数据集上的实验结果表明,本文方法的估计精度和稳健性较好;此外,在相同条件下,对数色度图像比原始图像的估计误差低10% 15%,图像块选择网络能够进一步使光源颜色估计网络的误差降低约5%。结论 在两组单光源数据集上的实验表明,本文方法的总体设计合理有效,算法精度和稳健性好,可应用于需要进行色彩校正的图像处理和计算机视觉等领域。     

演绎面向对象数据库语言中的方法研究

方法和方法继承是面向对象的核心概念.本文介绍了约束演绎对象语言CDOL(constraint deductive object language)中方法的概念及定义，方法是作为规则定义的，它既可作为对象的接口，又可用来实现计算的抽象与共享，方法的继承和多态是通过类型机制和合一机制来实现的.     

带通配符和One-Off条件的序列模式挖掘

很多应用领域产生大量的序列数据。如何从这些序列数据中挖掘具有重要价值的模式,已成为序列模式挖掘研究的主要任务。研究这样一个问题：给定序列S、支持度阈值和间隔约束,从序列S中挖掘所有出现次数不小于给定支持度阈值的频繁序列模式,并且要求模式中任意两个相邻元素在序列中的出现位置满足用户定义的间隔约束。设计了一种有效的带有通配符的模式挖掘算法One-Off Mining,模式在序列中的出现满足One-Off条件,即模式的任意两次出现都不共享序列中同一位置的字符。在生物DNA序列上的实验结果表明,One-Off Mining比相关的序列模式挖掘算法具有更好的时间性能和完备性。     

一种基于Fuzzy ART的层次化彩色图像分割算法

针对传统彩色图像分割中出现的单纯利用颜色空间,只考虑图像的全局分布,或是只考虑图像的局部区域和边缘信息等问题,提出了一种基于Fuzzy-ART模型的层次化彩色图像分割算法。该算法有效地利用图像的亮度空间分布、细节信息以及颜色空间信息,对图像进行分级特征提取,利用Fuzzy-ART模型基于人类视觉特性的稳定、快速的在线学习和记忆能力,对图像进行层次化的区域划分,形成对图像的分层表达方式,从而达到良好的分割效果;将其与FFCM算法进行比较,取得了较好的结果。     

基于密集分割网络的车道线检测方法

传统车道线检测算法大多数依赖手工制作特征和启发式算法的组合,容易受车辆遮挡和地面污损等因素的影响。针对影响车道线检测的复杂问题,将车道线检测视为连续细长区域实例分割问题,提出了一种基于密集分割网络的车道线检测方法。为此,使用稠密块构建了一个密集分割网络DSNet,该网络能够利用特征重复使用的特性提高提取车道线实例特征和恢复特征图分辨率的性能。同时,还引入了邻近AND运算和Meanshift聚类算法对DSNet网络的输出进行处理,减小了非车道线像素的影响,使得检测结果的边界线更为清晰。实验表明,本文方法能很好地解决车辆遮挡和地面污损问题,并且还能确定车道线的数量,具有较好的鲁棒性和实时性。     

利用偏振信息的雾天图像全局最优重构

针对雾、霾等强散射环境下相机拍摄图像严重退化的问题,提出了一种降低雾霾环境对图像质量影响的图像去雾重构方法。基于雾天偏振成像模型,分别估计图像每个区域的重构参数,获取全局最优的重构参数。利用偏振滤波的方法估计雾天大气散射光的偏振度分布,利用自适应亮通道方法计算无穷远处大气散射光的强度分布,从而重构出去雾图像。最后,利用偏振度的纹理信息对重构图像进行增强。该方法考虑了图像中不同位置大气杂散光参数的不一致性,对图像每一区域的重构参数分别运算,从而获得全局最优的重构参数图像。该方法还不要求图像必须包含天空区域,并且具有对灰度图像的处理效果较好的优点。     

用于旋转对称三角传感器的一种鲁棒的处理方法

旋转对称三角传感器由于其光学系统的旋转对称性而比其他的传统激光三角传感器具有更好的柔性，将旋转对称三角传感器应用于工业领域，相应的处理方法的性能是至关重要的。为了使传感器在复杂物体表面情况下仍具有较好的性能，我们设计了一种用于旋转对称三角传感器的鲁棒的处理方法。首先，分析旋转对称三角传感器图像的特性，这些特性取决于被测物体的表面特性，而这些图像特性将有助于传感器图像的处理方法的设计。其次，用一种由粗到精检测方法实现对传感器图像的处理。提出在精检测中，一种结合了自适应平滑和峰值法的方法，以实现检测的鲁棒性。在实际传感器图像上的实验结果证明，这种处理方法对于来自复杂表面的传感器图像具有很好的鲁棒性，从而提高了传感器的柔性。     

借助物镜变换实现一个短的相干Hough物镜

介绍了在图像处理、模式识别领域中常用的Ｈｏｕｇｈ变换（ＨＴ），推导出了ＨＴ与Ｆｏｕｒｉｅｒ变换之间的关系，通过对光的传播、Ｆｏｕｒｉｅｒ光学及物镜变化的研究，实现了短的相干Ｈｏｕｇｈ物镜。     

基于邻域约束的大气偏振模式生成网络

大气偏振模式凭借具有太阳子午线信息的“∞”字形特征支撑偏振导航应用,然而由于采集装置的物理特性限制、采集地点的周边环境以及薄云等遮挡,导致获取的大气偏振信息部分失真,降低了太阳子午线的精度。为解决该问题,本文提出了基于邻域约束的大气偏振模式生成网络,该网络挖掘大气偏振模式分布的连续性,通过多步邻域特征推理以增加重构过程的约束,由局部有效偏振信息精准生成全局的大气偏振信息。此外,针对大气偏振模式的物理特性,提出了太阳子午线角度损失,进一步提升太阳子午线精度。本文在实测大气偏振数据上进行了实验,并与其它最新方法进行对比,实验结果证明了本文方法的鲁棒性和优越性。