基于ORB与局部仿射一致性约束的快速人脸特征配准

针对基于单一特征描述子的人脸图像特征配准中精确性、实时性、鲁棒性较差等问题,提出了一种基于ORB与局部仿射一致性约束的快速人脸特征配准方法(LACCORB)。首先通过ORB算法获得初始人脸配准候选集;其次结合邻域一致性约束,对模板人脸图像上的每一标注点,取其邻域范围内的支持特征点集计算局部仿射变换;最终通过多个局部仿射变换拟合模板人脸形状配准到目标人脸形状的非线性变换,实现对人脸标注点的稳健配准。实验证明,该算法在实时性上与当前主流快速配准算法保持同一水平,在精确性、鲁棒性方面相对于当前主流基于特征的人脸配准算法具有一定优势,精度提升约15%,鲁棒性提升约6%。

基于全局局部一致性的多特征融合目标跟踪

针对复杂环境下的目标跟踪问题,将基于归一化DPM直方图的粒子滤波与基于局部HSV+LBP融合特性的meanshift跟踪算法相结合,构建了全局局部一致性下的目标跟踪算法。该算法将鲁棒性较强的全局颜色信息与局部纹理信息相结合,构建权重可调的全局局部状态估计模型,从而得到目标当前状态。实验结果表明:该算法能够较好的处理目标跟踪常见的遮挡、干扰、目标快速移动等情况,最终实现对目标的稳定跟踪。

基于局部一致性的特征选取及在抑郁症上的研究

为探讨局部一致性ReHo(regional homogeneity)是否可以作为有效诊断抑郁症的特征,且其统计显著性是否可以作为有效的筛选标准并进行相应的分类。对28例正常人和38例抑郁症患者进行静息态全脑f MRI(functional Magnetic Resonance Imaging)扫描并分析。使用具有统计显著性的阈值作为筛选特征的标准并度量四种分类器下的正确率,运用敏感性分析方法评估不同特征的重要性,以此来构建一个准确率较高的模型。结果在SVM-RBF和神经网络算法中,当特征数为30时表现出了较高的正确率,分别是77.4%和73.1%。在研究特征重要性和统计显著性之间的相关性分析中,发现二者具有明显的正相关。因此,可以利用该方法用在抑郁症的诊断当中。

局部一致性的信息熵Relief特征加权算法

为了改善传统Relief算法适应性和鲁棒性差的缺陷,融合间距最大化、信息熵和分类局部一致性,构造了新的间距最大化目标函数,并进一步对目标函数进行优化,得到一些新的理论结果。在此基础上提出了新的基于两类数据的Relief特征加权算法LIE-Relief-T(Local consistency information entropy Relief algorithm based twoclass data),并将其扩展到多类数据的特征加权算法LIE-Relief-MLocal consistency information entropy Relief algorithm based multi-class data)。利用UCI和基因表达数据集进行实验验证,结果表明该新的Relief特征加权算法分类错误率较低,对噪声和野点表现出了更好的适应性和鲁棒性。

基于时间一致性局部颜色特征的无纹理3D物体实时跟踪

针对无纹理3D物体跟踪算法在复杂背景和运动模糊的情况下容易跟踪失败、跟踪速度难以达到强实时等问题,提出一种基于时间一致性局部颜色特征的3D物体实时跟踪算法.首先在物体3D模型投影轮廓法向搜索线上计算像素颜色的加权均值作为局部颜色特征,增强颜色特征在复杂环境中的表征能力,并对局部颜色特征进行时间一致性更新,剔除前景背景颜色相似的局部颜色特征,以避免相似前景背景颜色导致的跟踪失败;然后定义基于局部颜色特征的能量函数,并推导该能量函数的解析导函数;最后改进了优化物体姿态的高斯牛顿法,通过添加阻尼参数防止姿态优化陷入局部极值,提高姿态估计精度和跟踪速度.实验使用7组测试视频验证文中算法,结果表明,该算法能更有效地克服复杂背景和运动模糊的干扰,在未使用并行计算的前提下可实现强实时跟踪.

基于局部一致性的特征匹配算法

针对特征匹配对尺度、光照变化敏感的问题,提出一种改进ORB特征提取方法,并采用基于局部一致性的方法进行匹配。首先采用改进ORB算法提取鲁棒性更强的特征点,并计算特征点的方向与描述子,接着采用暴力匹配进行粗匹配,最后根据运动平滑性的条件使用基于网格运动统计的方法剔除误匹配。实验结果表明所研究算法在尺度、光照等条件变化时匹配平均精度仍然大于95%,具有较好的匹配准确率和鲁棒性。

考虑局部趋势的非一致性水文频率分析方法

变化环境下水文序列常表现出非一致性,导致基于独立同分布假设的频率分析方法受到严峻挑战,故亟需研究适用于非一致性水文序列的频率分析方法。针对具有趋势变异的水文序列,提出了一种考虑局部趋势的非一致性水文频率分析方法:以具有局部与整体趋势识别能力的滑动窗口趋势分析法诊断序列;构造时变概率分布模型组,采用融合了贝叶斯理论的广义极大似然法估计模型参数;优选模型并按照等可靠度原则推求设计值及置信区间。应用该方法对甘肃石羊河流域红崖山水库站年径流量序列开展了实例研究,结果表明从设计值及95%置信区间角度看,所提方法与现行的一致性频率分析方法及考虑整体趋势的时变分布方法相比存在一定的差异,揭示了在准确识别序列局部或整体趋势成分的基础上,开展非一致性水文频率分析有助于合理估计设计值。

基于相位一致性的遥感影像电力线特征检测方法

采用相位一致性方法解决遥感影像上电力线的检测问题。影像中的特征,在频率域表现出最大相位一致性,而相位一致性的度量是一个规一化的、无量纲的量,并且对影像的亮度和对比度变化具有不变性,因而便于设置阈值,并且定位准确。试验表明,该方法比常用的特征检测方法检测出的电力线特征效果好,且定位准确。

基于全局和局部特征的图像快速拼接算法

为了提升图像快速拼接效果,提出了基于全局和局部特征的图像快速拼接算法,利用改进形状上下文算法,提取图像全局形状特征,按照轮廓点序列间最小欧式距离完成图像粗匹配。通过关键点提取算法提取原始图像与粗匹配图像的局部特征,利用应用随机抽样一致性方法根据局部特征进行图像精匹配,通过渐入渐出融合算法融合精匹配图像拼接时重叠区域的边缘,完成图像快速无缝拼接。实验证明:该算法在图像模糊与视角变换时,均可有效快速拼接图像,拼接后的图像清晰度佳、细节信息含量多,获得理想的图像拼接效果。

一种改进的相位一致性图像特征检测方法

同时检测出包括边缘特征和线特征在内的多种图像特征一直是图像特征检测中的难点。在相位一致性基本原理的基础上,提出了一种基于局部频率的相位一致性检测图像特征的算法。试验结果表明,采用的算法在图像特征的细节保留和定位方面要优于传统的相位一致性算法和Canny算法。

基于局部小波模式和一致性点漂移的多模医学图像配准

为提高多模医学图像配准的速度、精度和鲁棒性,本文提出一种基于局部小波模式(LWP)和一致性点漂移(CPD)的多模医学图像配准算法。首先提取图像稳定特征点,然后通过局部小波分解编码8邻域信息;接着变换中心像素值,使中心点像素构成的向量取值与小波分解向量取值范围相一致,通过比较中心像素变换向量与小波分解向量计算LWP描述子;最后把结合高斯混合模型后验概率和负对数似然函数的函数作为目标函数,利用一致性点漂移算法进行模型参数估计和空间变换。实验结果表明在图像存在噪声、灰度不均匀和初始误配的情况下,LWP-CPD算法的鲁棒性、配准精度和计算复杂度都达到很好的效果。

静息态功能磁共振成像观察帕金森病患者局部一致性的动态变化

目的研究帕金森病(Parkinson’s disease,PD)患者静息态功能磁共振成像(resting-state functional magenetic resonance imaging,rs-fMRI)局部一致性的动态特征,以及动态区域指标是否与PD患者的临床评分相关。材料与方法前瞻性纳入2018年8月至2021年8月于苏北人民医院就诊的32例PD患者(PD组)和年龄、性别相匹配的33名健康对照(healthy controls,HC;HC组),并采集rs-fMRI数据。采用基于MATLAB平台的时域动态分析(temporal dynamic analysis,TDA)工具包进行数据处理,采用双样本t检验进行组间比较,观察全脑水平两组动态局部一致性(dynamic regional homogeneity,dReHo)的差异。使用简易精神状态评价量表(Mini-Mental State Examination,MMSE)和蒙特利尔认知评估量表评价患者的认知功能,通过PD统一评分量表(Unified Parkinson’s disease Rating Scale,UPDRS)的第Ⅲ部分对PD患者的运动状况进行评定。采用Pearson相关性分析方法分别计算差异脑区dReHo值与临床评分的相关性。采用受试者工作特征(receiver operating characteristic,ROC)曲线评估差异脑区dReHo指标对PD患者的诊断效能。结果与HC组相比,PD组左侧尾状核、右侧壳核、双侧舌回dReHo值降低(P<0.05)。PD组左侧尾状核及右侧壳核dReHo与MMSE评分呈正相关(r值分别为0.374、0.379,P值分别为0.04、0.03)。PD组左侧尾状核、右侧壳核及左侧舌回dReHo与UPDRS-Ⅲ评分呈负相关(r值分别为-0.446、-0.369、-0.419,P值分别为0.01、0.04、0.02)。此外,ROC曲线分析证实异常脑区的动态区域指标对PD患者具有较高的诊断效能。结论PD病患者静息状态下出现大脑活动异常,从而影响患者的运动及认知功能,相关脑区的dReHo变异性有助于从个体水平上区别PD患者和HC。

倒班工作睡眠障碍病人静息态fMRI局部一致性研究

目的应用静息态功能磁共振技术(fMRI)分析倒班工作睡眠障碍病人大脑局部一致性(ReHo)变化的特征。方法2019年1月—2019年11月招募首都医科大学附属北京安定医院倒班睡眠障碍的女性护士30例为观察组,选择26名正常规律睡眠的女性健康者为对照组,分别进行静息态功能磁共振成像,观察两组大脑局部一致性情况。结果与健康受试者相比,倒班工作睡眠障碍病人在双侧后扣带回、右前扣带回、右顶叶回下、右额内侧回、左丘脑等脑区局部一致性明显减弱。结论静息态下倒班工作睡眠障碍病人的大脑一致性存在特征性变化,涉及认知和情感相关的多个脑区,这可能成为今后干预该病的影像学靶点。

基于特征点动态选择的三维人脸点云模型重建

针对典型的点云配准方法中伪特征点过多导致配准效率低和配准结果不精确的问题,提出一种基于特征点动态选择的三维人脸点云模型重建方法。该方法在粗配准阶段,采用动态特征矩阵求解法获取粗匹配特征变换矩阵以避免伪特征点的干扰。在精配准过程中,采用二次加权法向量垂直距离法在人脸流形表面选择更有效的特征点以减少伪特征点的数量,并采用基于特征融合与局部特征一致性的迭代最近点方法进行精配准。经过对比实验验证了算法的可行性,实验结果表明,该算法能够实现高精度且快速的三维人脸点云模型重建,且均方根误差达到1.8165 mm,相较其他算法,其在模型重建精度和效率方面都有所提升,具有良好的应用前景。

多模态鲁棒的局部特征描述符

针对基于灰度的局部特征匹配方法对图像对比度变化敏感,导致在多模态图像配准应用中性能大幅下降的问题,提出了一种多模态鲁棒的局部特征描述符和匹配方法。首先,基于对比度变化不敏感的相位一致性和局部方向信息,提出一种多模态鲁棒的角点和线段特征提取方法,在对比度差异显著的多模态图像之间提取较多的共性角点和线段特征;然后,以角点为中心选择48个均匀分布的圆形特征子区域,利用角点与特征子区域内线段的距离和线段长度信息,构建96维的特征向量;最后,将归一化相关函数作为匹配测度函数进行特征匹配,并采用基于位置约束的随机抽样一致（RANSAC）方法进行匹配提纯。实验表明,本文提出的多模态匹配方法匹配正确率和重复率分别高达80%和13%,分别为对称-尺度不变特征变换算法（S-SIFT）、多模态-快速鲁棒特征算法（MM-SURF）等基于灰度方法的2~4倍和4~7倍,显著优于同类方法。

内容一致性行人重识别算法

行人重识别是指利用计算机视觉技术识别不同监控设备下的目标行人,该技术在公共安全与相册管理等方面应用较广。然而现有行人重识别算法在局部特征区域划分后出现离异值使该区域内容不一致,导致局部特征可区分性降低。提出一种基于局部区域特征选择的内容一致性行人重识别算法。将行人图像输入残差卷积神经网络取得张量,根据局部区域内容一致性从张量中选择基本单位特征向量,使用Softmax函数计算其局部区域概率重新生成局部区域,从而消除离异值,增加类间差异并减少类内差异。实验结果表明,与Spindel、PN-GAN等行人重识别算法相比,该算法的行人重识别准确率更高,其提取的行人特征可区分性和鲁棒性更好。

基于随机一致性采样估计的目标跟踪算法

为了解决在实际监控中因为目标遮挡、外观变化和时间过长导致跟踪丢失的问题,提出一种基于随机一致性采样(RANSAC)估计的目标跟踪算法。算法首先在搜索区域提取局部不变特征集,然后利用特征匹配传递性和非参数学习算法从特征集中分离出目标特征,最后对目标特征进行RANSAC估计跟踪目标位置。将算法在不同场景的视频数据集上进行测试,分别从准确率、召回率和综合评价指标F1-Measure三个指标分析算法性能,实验结果表明所提出的算法提高了目标跟踪的准确性,克服了长时间目标跟踪产生的跟踪漂移。

伴混合特征抑郁症和双相情感障碍患者脑局部一致性和功能连接模式分析

目的探讨不伴有混合特征抑郁症(MDD_(noMF))、伴混合特征抑郁症(MMF)、伴混合特征双相情感障碍(BMF)、不伴有混合特征双相情感障碍(BDnoMF)患者脑区的局部一致性(ReHo)特征,寻找伴混合特征抑郁症和双相情感障碍的脑功能活动和脑功能连接的神经影像学模式。方法该研究为横断面研究。收集2021年4月至2022年6月就诊于首都医科大学附属北京安定医院门诊的MDD_(noMF)患者(MDD_(noMF)组)、BDnoMF患者(BDnoMF组)、MMF患者(MMF组)、BMF患者(BMF组)及性别和年龄相匹配健康对照者(HC组)。采集所有受试者的静息态功能像和结构像脑影像数据,应用基于MATLAB的DPABI软件获得受试者全脑的局部一致性(ReHo)值,先采用协方差分析进行总体比较,然后采用LSD或Games-Howell事后检验方法进行组间比较;再以差异脑区为种子点,计算其与去全脑的功能连接结果。结果共纳入MDD_(noMF)组29例、MMF组24例、BMF组26例、BDnoMF组29例、HC组42名。5组左侧梭状回和左侧楔前叶脑区ReHo值的差异有统计学意义(P<0.05),其中MMF组、BMF组和BDnoMF组患者左侧梭状回ReHo值较HC组降低,MDD_(noMF)组、MMF组、BMF组、BDnoMF组左侧楔前叶的ReHo值较HC组升高(P<0.05);MMF组左侧梭状回ReHo值较MDD_(noMF)组降低(P=0.001);BMF组左侧梭状回ReHo值较MDD_(noMF)、BDnoMF组降低(P<0.05)。5组左侧梭状回与小脑蚓部、左侧脑岛、右侧壳核和左侧内侧额上回的功能连接差异有统计学意义,左侧的楔前叶与右侧背外侧额上回功能连接差异有统计学意义(P<0.05)。其中MDD_(noMF)、MMF和BDnoMF组左侧梭状回与小脑蚓部的功能连接较HC组升高,MDD_(noMF)、MMF、BMF、BDnoMF组左侧梭状回与左侧脑岛、左侧内侧额上回和右侧壳核的功能连接较HC组升高(P<0.05);MMF、BMF和BDnoMF组左侧梭状回与左侧脑岛的功能连接较MDD_(noMF)组升高(P<0.05),BMF、BDnoMF组左侧梭状回与左侧内侧额上回的功能连接较MDD_(noMF)组升高(P<0.05);BMF组左侧梭状回与右侧壳核的功能连接较MDD_(noMF)和BDnoMF组升高(P<0.05);BMF和BDnoMF组左侧楔前叶与右侧背外侧额上回的功能连接较HC组、MDD_(noMF)组、MMF组升高(P<0.05)。结论MMF和BMF患者在左侧梭状回和楔前叶存在局部功能活动同步性异常,并且与多个脑区之间存在异常功能连接模式。与MDD_(noMF)或BDnoMF患者比较,MMF和BMF患者存在特异性神经影像特征,同时也拥有相似的神经影像发病机制。

考虑卡尔曼滤波的地理空间数据局部特征分布

为有效了解城市地理规划发展规律,研究考虑卡尔曼滤波的地理空间数据局部特征分布情况。依据地理空间数据频繁移动特性,把滑动窗口技术引入卡尔曼滤波的采样与数据清洗中,将探测器标签作为随机时间,在滑动窗口中读取标签数量,并满足伯努利二项分布条件,获得原始观测数据最优估计,保障特征分布结果可靠性;利用样本点局部密度与距离两个变量明确聚类中心,给各簇集加入平均密度上限,引入时间约束,修正样本属性值计算方式,完成城市地理空间数据精准特征分布类型与来源划分目标。实验结果表明,所提方法获取的地理空间数据局部特征分布情况与城市实际发展策略相符,更贴近一致性标准贴合度,所得结果具有可靠性,为城市空间布局合理规划发挥应有作用。

基于多相似度局部状态辨识的集成学习自适应软测量方法

鉴于流程工业过程的非线性、多时段、多模式、时变性等复杂过程特性,导致传统的全局和集成学习软测量方法预测性能不佳,提出一种基于多相似度局部状态辨识的集成学习自适应软测量建模方法。该方法在离线建模阶段,从不同相似度准则出发辨识局部过程状态,进而生成多样性的局部模型;在线预测阶段,通过双层集成策略实现模型的在线动态选择、模型权重自适应确定、局部预测结果融合;在线更新阶段,通过KL散度评价当前与相邻状态数据分布的差异性以实现概念漂移的实时检测,进而决定是否在线添加局部模型。将新获取的离线检测值添加入建模数据库。通过工业金霉素发酵过程和脱丁烷塔过程验证了所提方法的有效性和优越性。