采用CASPCM模型进行姿势鲁棒性人脸识别

针对ASPCM模型处理转动角度较大的人脸图像时出现的不足,提出CASPCM模型。以样本与模型中心的距离为依据将训练样本分组,为每个分组训练ASPCM模型;将局部ASPCM模型的合成映射结果加权平均得到CASPCM模型的合成结果;提出利用梯度下降法使分解映射的姿势估计逐步精确。采用精确性和概括性两个标准衡量该模型的分解性能和合成性能。实验表明,CASPCM模型的分解性能和合成性能均优于ASPCM模型;基于该模型的人脸识别系统在处理转动角度较大的人脸图像时,识别率比ASPCM模型高7%。

基于压缩感知的图像处理算法研究

在对图像数据进行识别和恢复的过程中,由于图像的相似性,存在数据的稀疏性。在压缩感知恢复图像的过程中,由于缺乏对统计数据先验信息的利用,导致计算复杂度高,并且恢复精度低。针对此问题,采用压缩感知的改进算法对图像进行恢复,对矩阵的相似性和相似距离进行定义,根据定义应用主成分分析映射以及贝叶斯先验信息对图像的迭代恢复算法进行改进。实验结果显示,所提方法的准确性明显高于其他恢复算法,并且恢复的图像清晰度高。根据计算复杂度的对比,所提算法的计算复杂度低,计算时间少。

采用ASPCM模型进行姿势鲁棒性人脸识别

提出ASPCM模型,并将其用于不同姿势下的人脸识别。对人脸图像的形状表示和纹理表示进行主成分分析,建立形状模型和纹理模型;以形状参数、纹理参数和姿势参数间的转换确定人脸图像与头部角度间的映射关系;使用精确性和概括性两个标准衡量ASPCM模型的分解性能和合成性能;根据平均纹理相似度判断输入图像与模型视图间的相似程度。实验表明,该模型分解性能的精确性误差和概括性误差均在1.85°以内;合成性能的这两种误差均在1.1个像素以内;精确性和概括性的平均纹理相似度均在95.8%以上;当头部转动角度在25°以内时,该模型的识别率达到100%。

基于改进PCA-SOM的电静压伺服作动器油滤堵塞故障诊断

针对电静压伺服作动器(EHA)的油滤堵塞故障,提出利用可调式球头油堵预置不同程度的油滤堵塞工况进行数据采集,并在传统自组织映射神经网络(SOM)的基础上,引入主成分分析(PCA)法,利用各元主成分贡献率对神经元竞争域值各维系数进行修订,提出了改进PCA-SOM神经网络对系统堵塞状态进行判识。研究结果表明,与传统SOM神经网络和PCA-SOM神经网络相比,改进PCA-SOM神经网络在提高聚类效果的同时,提高了模型的准确率和训练速度,在EHA的油滤堵塞故障诊断中有更好的适用性。