利用分层深度全景图实现基于图像的绘制

提出一个快速绘制的ＩＢＲ新方法,它用分层深度全景图（ＬＤＰ）作为三维模型的中间表示,通过ＬＤＰ的重投影变换快速生成新的视图,ＬＤＰ可以看作物体的一个全景视图,但在每个视线方向有多个不同深义的象素,当用ｎ个平面投影图像建立ＬＤＰ时,它的数据量不是取决于采样图像的数量,而是取决于物体表面的复杂性,由于ＬＤＰ可以看作一个独立的图像坐标框架,ＭｃＭｉｌｌａｎ的顺次扫描重投影算法能够用于ＬＤＰ中,避免了Ｚ缓     

人体运动非监督聚类分析

提出了一种基于非监督学习的人体运动分析方法.该方法通过使用MDL准则约束下的HMM模型对连续运动序列进行分割和聚类,并实现对运动序列的自动分割和标记.该方法由两步组成,首先通过聚类将连续运动离散化,并按照最小描述长度准则在离散域得到初始解.在此基础上,返回到连续域训练MDL准则约束下的HMM模型.使用HMM模型可以进一步利用原始序列中的动态信息获得更精确的最终结果.通过对实际人体运动序列进行的实验验证了方法的有效性.     

不依赖模型的机器人鲁棒自适应跟踪控制

提出了一种新颖的鲁棒自适应控制策略，用于不确定性机器人的轨迹跟踪。它不需要任何模型知识，唯一需了解的是系统的阶数和输出的位置及速度状态。理论和仿真均证明，系统的不确定性诸如摩擦力、外部扰动及未建模动力学带来的不确定性影响，均可被设计的控制律补偿，最后可保证全局指数收敛或全局一致最后有界的结果。另外，本文还给出了跟踪误差的暂态测量。     

基于变形模板和遗传算法的道路检测方法

道路检测是智能车辆研究的重要内容.道路检测往往受到阴影遮挡、噪声、道路边界或标志线不连续等影响,这些问题导致传统的道路检测算法鲁棒性较差.针对此类问题,本文提出了一种基于变形模板的道路检测方法.首先,对道路边界或标志线进行边缘提取,然后构造了参数可变的道路模型及其同道路边缘轮廓之间的似然函数,最后通过遗传算法搜寻该函数的全局最大值,从而获得参数可变道路模型的最佳参数.仿真实验表明,本文提出的算法对阴影遮挡、噪声、道路边界或标志线不连续等问题均有较好的检测效果.     

复杂背景下的车辆牌照字符提取方法研究

针对复杂背景中字符难于提取的问题，提出了 一种通用的提取字符的方法．该方法很好地利用了字符固有的特性，先对图像进行基于变分 法的自适应二值化，再用一种快速区域标号算法求取连通域，然后对连通域进行处理，提取 出字符行，最后进行倾斜校正．实验结果表明，该方法简单可行，成功率达到了96%以上．     

一类局部支撑的无限光滑小波与快速边缘检测

按照Ｄａｕｂｅｃｈｉｅｓ的理论,对于规范正交小波基,它的正则性阶数是随其支集宽度线性增长的,本文的结果表明,如果放松正交性要求,则母小波可以同时具备局部支撑性和无限光滑性。     

红外视频中特定形状目标的实时检测

红外视频跟踪技术具有相当广泛的应用前景.本文以单个圆形目标为例,介绍了红外视频中特定形状目标的实时检测算法.该算法的基本思想:在视频图像中设置若干条扫描线,并利用这些扫描线与目标边缘的交点计算出目标的参数.算法还对随机哈夫变换进行了改进,将在由交点参数计算目标参数时使用.实验表明,该算法准确性高、实时性好,能够满足实际应用要求.     

汽车牌照自动识别中的目标与背景的快速分割

图象分割是图象理解的一个关键性环节。本文针对动态汽车牌照目标与汽车背景的分割问题提出了一种有效的决速算法。该算法简洁,可用硬件实现实时处理。它的基本思想是多层次分割,每次分割时尽量减少分析的范围。该算法基于人识别牌照的过程,具有一定的智能性。这种多层次图象目标与背景快速分割的思想也可用于其它类似场合。     

基于环境光场和漫反射光场的动态场景绘制

利用光强的可叠加性，本文提出了将光场分解为不随场景变化的子光场的思想，使得物体、光源、观察点都可自由变动的动态场景绘制也能利用基于图象的绘制技术之优势。依靠漫反射与观察方向的无关性，本文还提出了漫反射光场的四维表示法，并且利用物体对不同点光源的漫反射之间以及环境光与漫反射光之间的内在联系，只用一个单位强度的单色点光源为物体构造漫反射光场，从而节省了存储空间和预处理时间。利用其数据结构的一致性，环境光场、漫反射光场和深度场中对应点的数据被合并成５维矢量以便更有效地压缩。本文给出的绘制算法，能准确地计算出物体的颜色和场景中阴影的变化等动态场景的典型特征，从而为在低档计算机实现动态场景的实时绘制提供了理论和技术依据。     

平行学习——机器学习的一个新型理论框架

本文提出了一种新的机器学习理论框架.该框架结合了现有多种机器学习理论框架的优点,并针对如何使用软件定义的人工系统从大数据提取有效数据,如何结合预测学习和集成学习,以及如何利用默顿定律进行指示学习等目前机器学习领域面临的重要问题进行了特别设计.