笔迹图像中的单个汉字字符分割

提出了一套完整的针对单字的笔迹图像分割算法,选用不同的笔迹样本作了验证实验,对实现单字分割做了全面的阐述论证。将模板分割算法中的行分割、字分割、单字图像库建立和基于模板匹配的分割算法结合在一起,提高了算法的运算速度和精确度。利用50幅笔迹样本进行测试,92%的单字分割样本可以作为单字模板,应用模板匹配分割算法92%的样本可以实现单字提取。     

多摄像机视野分界线恢复算法

研究了一种多摄像机的视野(Field of View,FOV)分界线恢复方法,利用Harris角点检测和单应矩阵的方法完成摄像机视野分界线恢复。用Harris角点检测算法提取图像中角点特征;在有重叠区域图像间进行特征点匹配,再根据匹配点计算图像间的单应矩阵;最后由图像的边界点及图像间的单应矩阵计算摄像机的FOV分界线。该方法能准确恢复摄像机的视野分界线,具有准确性和鲁棒性。     

联合运动估计和帧选择的多帧超分辨率重建算法

多帧图像超分辨率重建中,连续各帧图像间的精确匹配和帧的选择具有非常重要的意义。提出了自适应帧选择原则,设计了联合光子流运动估计配准和超分辨率重建的方法。首先采用光子流运动估计算法计算各帧间的运动估计,设计一种自适应帧选择方法丢弃一些帧间运动较大的帧,再通过亚像素图像配准,计算得到相对精确的运动估计参数,最后结合最大后延概率方法进行图像超分辨率计算,并充分考虑两次迭代所得图像向量的差值对下次迭代算法的影响。实验结果表明,该方法不仅可以实现亚像素级的精确配准,还可以使重建后图像在视觉效果和峰值信噪比上都得到更好的效果。     

基于LGBP特征和稀疏表示的人脸表情识别

人脸表情识别是一项充满挑战的工作,提出一种基于局部Gabor二值模式(LGBP)特征和稀疏表示的表情识别方法.对表情图像进行归一化处理,标定眉毛、眼睛、嘴巴等部位的特征点,划分出5个表情子区域.对各个子区域进行多尺度多方向的Gabor滤波,对Gabor系数图谱进行局部二值模式(LBP)编码,通过直方图方法降维,形成显著的特征向量.根据特征向量构建符合视觉特征的过完备字典,运用稀疏表示分类方法进行表情识别.通过在JAFFE表情库上进行实验,表情识别率达到87.5％,表明了该方法的有效性.     

基于MAP框架的金字塔人脸超分辨率算法

提出一种基于学习的金字塔人脸超分辨率算法,利用金字塔学习人脸图像梯度的空间分布特性,建立标准人脸训练库作为学习模型,采用塔状父结构从训练库搜索匹配特征信息相似度最高的小块,预测出最优的拉普拉斯金字塔先验模型,利用贝叶斯MAP框架求出高分辨率人脸图像。实验结果表明,与其他人脸超分辨率算法相比,在将人脸图像分辨率提高4×4倍的情况下,该算法生成的高分辨率人脸图像的平均峰值信噪比提高1.19 dB~2.4 dB,可以更好地消除噪声,具有较好的视觉效果。     

计算机专业教学中的本科生科研工作研究

从本科生科研的背景、意义及现状入手,结合近年在计算机专业教学活动中开展本科生科研的经验,提出计算机专业本科生科研的设计和评价方法。     

基于形态滤波和分水岭算法的硅片缺陷提取

针对硅片表面缺陷的特点,对其缺陷的提取技术进行了研究,采用了多结构元素的广义形态闭-开和形态开-闭滤波器,结合改进分水岭算法进行缺陷提取.滤波器对输入图像及滤波后图像的梯度图像进行平滑,实现消除噪声、简化图像、保持细节的作用.为了克服分水岭的过度分割问题,提出了改进的分水岭算法,利用区域强度准则和边界强度准则对过分割区域进行合并,很好的解决了过分割问题.实验表明,该方法可以提取精确且封闭的缺陷边缘轮廓,为进一步的缺陷特征量的提取与选择奠定了基础.     

基于学习的马尔科夫超分辨率复原

针对最大后验概率(MAP)算法对图像边缘和细节保持能力不强问题,在传统马尔科夫模型算法的基础上,提出将MAP算法与凸集投影法(POCS)相融合的算法,将MAP算子当作凸约束集引入POCS算法里,这样可继承两者的优点。实验验证了算法的有效性,与传统学习算法相比,具有更好的图像复原效果。     

融合LBP与GLCM的人群密度分类算法

针对中高密度人群图像检测分类对公共安全的重要性,提出融合局部二值模式LBP与灰度共生矩阵GLCM特征提取的人群密度分类方法。首先用旋转不变的LBP算子进行滤波,得到LBP图像,然后提取滤波后图像的GLCM特征,这样既可以避免LBP算子特征降维带来的损失,又能充分利用LBP和GLCM纹理特征提取的有效性,最后采用有向无环图支持向量机DAGSVM进行密度分类。在Pets2009基准数据库中的实验结果显示该算法具有较高的准确率。     

基于立体视觉的三维重建算法

针对PMVS(patch multi-view stereo)算法在三维重建过程中容易出现重建表面不够光滑和连续,某些区域与真实物体的形状有偏差,以及在片面扩展时算法的空间和时间复杂度非常高,在处理高分辨率图像时需要付出巨大的时间和空间代价等问题,提出了一种加入法向调整的PMVS改进算法,使重建出的表面在某些细节部位更加符合真实物体形状,同时通过采用多分辨率分级重建的策略在一定程度上缩短了算法的运行时间,提高了重建效率。通过实验表明了改进后的算法的准确性和高效性。