基于样本库的人脸图像处理方法

本文给出了一种基于样本库的人脸图像超分辨率方法,这一方法结合了人脸图像全局相似性和局部特征相似性的约束.局部结构的相似性将超分辨率解约束到人脸局部结构空间,不同尺度上的局部相似性指导搜索最优解,然后将局部结构重建的人脸图像投影到由人脸图像确定的特征人脸空间.实验结果表明该算法得到的人脸具有很好的准确性和视觉效果.     

基于彩色结构光的自由曲面三维重建方法

彩色结构光三维重建过程中,系统的非线性耦合以及待测曲面的拓扑结构等均会对结构光解码产生影响,从而导致调制条纹漏检和颜色码误识别.为解决这一问题,提出一种基于彩色编码结构光的三维重建方法.利用YUV颜色通道对调制条纹进行滤波差分投影处理,通过调制条纹的波形分布提取中心特征线;利用颜色聚类方法精确获取调制条纹的颜色码信息值...     

基于高相关区域上最小角回归的华南初夏暴雨日数预测

本文研究华南地区暴雨日数与前期环流因子及外强迫因子关系,并在此基础上构建该地区暴雨日数预测模型.我们首先使用高相关区域算法选取构造特征进行变量降维,然后使用最小角回归方法对华南地区初夏暴雨日数进行预测.时间距平相关系数(TCC)、同号率(SS)、决定系数(CD)及调整的Ps评分(APs)等评分结果表明:与其它模型相比,基于高相关区域的最小角回归模型预测结果与观测值具有较强的时间相关性及较高的APs评分,这表明本文所构造方法具有较强的实用价值.     

一种基于多准则决策和PSO-LM混合优化算法的多峰Brillouin散射谱的特征提取方法

采用传统方法对多峰Brillouin散射谱进行拟合的过程中,通常是以谱线最大功率点为基准的,却忽略了其他比该点小但却是极值的功率点。这样获得的拟合曲线通常只有一个峰值,相当于把除最高峰之外还有多个小峰的多峰Brillouin散射谱进行了简化,导致大量有用信息的丢失。为了提高Brillouin散射谱的特征提取精度,提出了一种基于MCDM和PSO-LM混合优化算法的多峰Brillouin散射谱特征提取方法(MCDM-PSO-LM)。MCDM可以识别和准确定位多峰Brillouin散射谱的各个波峰和波谷;PSO-LM混合优化算法可以实现分别对各个波峰和波谷的曲线进行拟合并找到每一个波峰的中心频率,该算法既克服了PSO算法过早收敛于局部极值和LM算法依赖初值的问题,又可以将PSO算法的全局搜索能力和LM算法的局部收敛能力结合在一起。较传统算法而言,MCDM-PSO-LM算法保证了对最优值求解的速度和精度,提高了运算能力,使解析解最大限度地接近最优值。分别在不同信噪比和不同线宽条件下进行仿真验证,频移和温度误差分析结果表明,MCDM-PSO-LM方法可以对多峰Brillouin散射谱的各个波峰与波谷进行准确定位,可用于多峰Brillouin散射谱的特征提取,识别效果明显强于传统算法,提高了信息分析的准确性。     

利用几何特性及神经网络进行人脸探测技术的研究

在人脸识别过程中 ,首先也是最重要的一个环节是人脸探测 ,因为一旦从图像中定位并提取到了人脸 ,那么下一步的人脸识别工作就变得非常容易。眼睛是人脸图像中最容易探测的部位 ,而且通过探测双眼来发现人脸最符合人的视觉习惯。提出了一种基于几何特征分析和人工神经网络的由粗到细的两级人脸探测方法。在第一级中 ,眼睛和脸是通过测量眼睛的尺寸和眼睛与脸的位置关系探测到的 ,第一级的输出是一个尺寸归一化的人脸 ,但偶尔也伴随着一个或多个因对复杂背景中与眼睛类似的物体的误判而得到的非人脸图像 ;第二级神经网络正是用来过滤掉第一级中被误判的人脸。实验表明 ,这种由粗到细的两级人脸探测系统具有很高的稳定性和探测正确率     

基于卷积神经网络特征提取的拉曼光谱分类研究

拉曼光谱物质定性识别已被广泛的应用于化工、安防、缉毒等行业和研究领域,但是传统的拉曼光谱分析技术依赖于光谱数据库,通过光谱特征提取进行识别。特征提取是拉曼识别的关键处理步骤,通常利用主成分分析,因子分析等方法进行特征提取,而后通过KNN,SVM和随机森林等方法进行光谱特征定性识别,当拉曼数据库不存在待定性物质时,易造成待检测物质的错误分类。针对此问题,提出一种基于卷积神经网络的对数据库缺少物质光谱识别方法。在实验过程中,采用九类,200余种精神类药品拉曼光谱作为测试对象,通过搭建卷积神经网络自动特征提取并利用Softmax分类器将200余种物质,按照Amphetamine, cathinone, cannabinoids等九种类别进行定性分析。通过与传统机器学习方法如K近邻,支持向量机等方法进行比较,基于卷积神经网络的模型识别准确性有显著提高,该方法可为拉曼光谱数据库的光谱识别检索提供一种新的识别方法。     

基于点线特征视觉惯性融合的机器人SLAM算法

针对弱纹理环境下单目视觉SLAM系统只依靠提取点特征鲁棒性较差的问题,提出一种点线特征视觉与惯导融合的机器人SLAM算法。首先,采用自适应加权提取点线特征并使用普吕克坐标法表示线段,减小计算量同时较好克服线特征提取时线段割裂的不足;其次,采用四叉树法实现点线特征提取均匀化解决特征堆积问题,同时消除点线特征误匹配,再利用视觉点线信息与IMU紧耦合优化机制提高机器人SLAM算法精确度。最后,将该算法在EuRoC数据集和弱纹理环境中进行实验,结果表明,改进后线特征提取相较于传统线特征提取鲁棒性提高了12.94%,相较于原生算法ORB-SLAM3,改进后特征匹配时间节约了19.2%,大型弱纹理环境中绝对定位精度提高了55.6%,所提算法在弱纹理环境中定位效果具有较强的鲁棒性和精确性。     

基于人脸重要特征和SVM的人脸识别方法

提出了一种基于人脸重要特征的人脸识别方法,首先选取人脸的重要特征并将其具体化,对得到的重要特征进行主成分分析,然后用支持向量机(Support Vector Machine,SVM)设计重要特征分类器来确定测试人脸图像中重要特征,同时设计支持向量机(SVM)人脸分类器,确定人脸图像的所属类别.对ORL人脸图像数据库进行仿真实验,结果表明,该方法要优于一般的基于整体特征的人脸识别方法并有较强的鲁棒性.     

激光诱导击穿光谱数据特征自动提取方法研究

根据激光诱导击穿光谱(LIBS)展宽主要为非线性Lorentz函数模型,利用Levenberg-Marquardt(L-M)算法对该理论模型中的待定参数进行优化估值,扣除了光谱信号中的连续背景,校正和还原了峰位和峰强,并对拟合数据点自动提取方法进行了分析;以MatrixVB与VB混合编程相结合,实现了基于L-M算法的L...     

基于小波分解金字塔的OCT图像特征提取算法

糖尿病性黄斑水肿(DME)是导致失明的主要原因之一,由专业的医生通过检查光学相干扫描(OCT)图像是主要的诊断方法,但这一过程不仅耗时而且容易误判,提出一种辅助诊断模型来区分DME和正常黄斑。对原始OCT图像进行降噪、展平、裁剪预处理,得到易于分类的病灶区图像,在小波分解金字塔模型的基础上用局部二值模式方法对原图和低频子图像提取纹理特征;与提取细节图像的灰度-梯度共生矩阵特征融合形成最终的全局特征,并对其进行降维;用weka平台的序列最小优化模型进行分类。在杜克大学数据集和临床数据集上的试验结果表明,算法在两个数据集上验证的准确率分别为95.7%、95.3%,灵敏性分别为95.3%、95.5%,特异度分别为96.0%、95.1%。因此,所提方法能有效对OCT图像分类,为临床上视网膜疾病辅助诊断提供技术支撑。