基于小波分析与神经网络的人脸检测方法

本文设计了一种结合小波分析与神经网络优点的人脸检测方法.该方法主要包括两个阶段.在训练阶段首先借鉴图形学中的背景生成方法对AR人脸数据库中的人脸样本进行背景叠加;然后对经过预处理的训练样本进行小波分解,并将得到的小波系数输入精心设计的神经网络进行训练.在人脸检测阶段,通过将缩放后的图像的各个区域输入神经网络,由神经网络判断输入区域中是否包含人脸:在得到检测结果后,本文通过基于规则的方法以及基于SUSAN的方法进行人脸区域验证取舍与合并;最后通过实验结果的分析比较可以发现本文的方法不仅可以实现人脸区域的快速检测,而且不受光照变化以及噪声的影响.     

“程序设计实践环节”课程的教学改革

"程序设计实践环节"课程有利于学生掌握和巩固已学到的语法知识,为后续课程学习打下良好的基础。笔者通过教学实践,结合计算机专业的实际,探讨了培养学生学习兴趣的途径与锻炼学生解决问题能力的方法。同时还介绍了近年来在该课程教学中取得的经验与成果。     

旋转人脸的模板匹配定位与旋转角度估算方法

本文实现了一种依靠非旋转的人脸模板对平面内旋转的人脸图象进行匹配定位与角度估算的方法。相对于通过由不同旋转角度的模板构成的集合中的成员分别作用于目标图象进行匹配定位的方法，本文的方法减轻了计算负担。而且本文将圆投影法与Zernike矩法相结合实现了旋转人脸图象的定位与旋转角度估算。其匹配的准确性比较高，而且具有良好的抗噪声特性。     

基于矩的三角形网格简化

文章研究了一种新的基于矩的三角形网格简化算法.该算法利用了Stanislav提出的显式矩计算公式,能够实现对不同坐标位置的部分进行不同比例的压缩,从而在同样的显示效果下以更大比例压缩网格数据,为实现复杂环境的虚拟现实提供了有效的工具.     

二维Tchebichef矩正反变换的快速算法

本文提出了一种二维Tchebichef矩正反变换的快速算法。在正变换中,使用Chebichef递推公式推导了一维Tchebichef矩正变换的快速算法,并将其推广至二维Tchebichef矩正变换的快速计算。在反变换中,使用Clenshaw递推公式我们推导了一维Tchebichef矩反变换的快速算法,并将其推广至二维Tchebichef正交矩反变换的计算。与以迭代方式计算Tchebichef多项式进而计算二维Tchebichef矩正反变换的方法相比,本文算法有效地减少了算术运算的次数,提高了计算速度。实验结果表明了该方法的有效性。