基于互信息和图像镜像的图像阴影消除

为了能够准确地识别待检测目标,必须检测和消除待检测目标的图像阴影.为此,论文提出了基于互信息和图像镜像的图像阴影消除法.该方法首先使用光照不变性原理来获取原图像的二维光照不变性图像,然后利用互信息结合亮度信息来融合两幅图像以消除阴影,最后利用图像镜像来消除阴影边缘以改善阴影消除效果.实验结果表明,该方法能够有效地消除待测目标的图像阴影.

彩色镜像图像的立体匹配方法

提出一种新的基于镜像图像的立体匹配方法,设计一种新的图像采集系统,采集获得物体的镜像图像,利用镜面成像特点,将立体匹配的搜索空间由二维降为可靠的一维。应用彩色图像所包含的信息,对图像的HSI颜色空间进行多通道相关系数计算,采用信息融合的方法进行综合评价,获得更为精确的像素相关性,提高了匹配准确度。通过添加逆序约束对歧义点进行剔除,得到令人满意的立体匹配结果。

基于光照不变性模型的阴影去除方法

提出了一种新的基于光照不变性模型的阴影消除方法。首先对二维光照不变性图像恢复阴影,再利用基于互信息的图像融合去除运动目标的投影,最后通过图像镜像消除边界条件的制约,改善阴影去除效果。实验结果表明,该方法能够有效地消除运动目标的阴影。

基于SVD的人脸对称性的两步人脸识别算法

为了缓解人脸图像容易受光照、表情和姿态变化对人脸识别的影响,Yong提出了利用了人脸的对称性产生新的样本来表示人脸特征的方法.这种方法可以反映出人脸样本由于表情、姿态等外在因素引起的变化,一定程度上提高识别效果.但是当样本受外在因素影响产生较大变化时,Yong的方法的识别结果并不理想.而奇异值分解对光照等外在条件引起的灰度变化不敏感,可以缓解人脸对称性在人脸识别中的不足.因此作者在Yong提出的人脸对称性方法的基础上,分别采用SVD和图像镜像的方式构造一幅对称图像则可以缓解其方法中的不足.在ORL、FERET和UMIST三个人脸数据库上进行了重构和识别的实验,并证明了改进算法在人脸重构和识别方面具有明显的优势.

基于对称线性判别分析算法的人脸识别

小样本问题的存在使得类内离散度矩阵为奇异阵,因此求解线性判别分析(LDA)算法的广义特征方程存在病态奇异问题。为解决此问题,在已有算法的基础上,引入镜像图像来扩大样本容量,并采用Sw零空间的方法求得Fisher准则函数的最优解。通过在ORL和Yale标准人脸库上的实验结果表明,人脸识别效果优于传统LDA方法、独立成分分析(ICA)方法以及二维对称主成分分析(2DSPCA)方法。

交叉分辨率自适应字典学习的单帧超分辨率算法

两步自适应字典学习的超分辨率算法易受插值图像影响而导致图像模糊。针对该问题,提出一种改进交叉分辨率自适应字典学习算法。根据自然图像的冗余性,即不同分辨率图像依然有相似的图像块,直接以低分辨率图像作为字典学习对象。为了弥补单帧图像作为字典学习的不足,采用镜像图像进行字典学习,以产生容量更大的字典。输入低分辨率图像,利用新的字典通过稀疏表示获得高分辨率图像,采用峰值信噪比(PSNR)和结构相似性度量(SSIM)评估重建效果。实验结果表明,与立方插值、SUSR、MSS、HLSR算法相比,提出算法的重建图像纹理保留得最好,图像效果更加丰富自然,且算法运行速度较快,在多数情况下具有最高的PSNR值和SSIM值。

AM-OLED驱动芯片内置SRAM控制方法研究

本文介绍了OLED驱动芯片内置SRAM的控制方法,包括图像在正常显示、水平X方向镜像、垂直Y方向镜像、XY轴均镜像、XY互换等等模式下,片内SRAM的控制方法以及地址映射。设计电路完整解决了地址冲突、系统数据吞吐率要求,很好的满足了系统的显示需求。

融合快速稀疏描述与协同描述的人脸识别

快速稀疏描述分类法(FSRC)与协同描述分类法(CRC)是在压缩感知理论的基础上发展而来的,不同的侧重点限制了两者在人脸识别上的进一步提升。针对此,提出了融合快速稀疏描述与协同描述的人脸识别方法。首先,将人脸镜像图像引入样本库;然后,利用FSRC与CRC方法求解残差矩阵;最后,利用加权信息融合的方式将两者的残差矩阵进行权值加和,依据最小值所对应的位置信息求取识别率。公共人脸数据库的实验表明,所提方法优于FSRC,CRC及其他方法。