基于条件迭代更新随机森林的非约束人脸特征点精确定位

人脸特征点定位是计算机视觉中研究和分析人脸的关键.为了提高在非约束环境中(大姿态变化、遮挡、复杂背景等)人脸特征点定位的准确性和鲁棒性,提出一种基于条件迭代更新随机森林的非约束人脸特征点定位方法.首先,为了克服遮挡和背景噪声的影响,对人脸子区域进行分类,提取人脸正子区域;然后,在人脸正子区域上估计头部姿态,根据估计的头部姿态和人脸局部子区域学习特征点的初始化条件概率模型,定位人脸特征点的初始位置;再依据特征点的初始位置建立人脸误差模型,利用误差模型在线学习并多次迭代更新随机森林的叶子节点,生成新的复合叶子概率模型,包括人脸子块类别、头部姿态、人脸形变模型、误差偏移模型;最后,引入条件权重稀疏投票对复合叶子概率模型进行回归,定位人脸特征点的精确位置.在AFW,LFW和Pointing’04这3个具有挑战性的公共人脸数据库上进行实验的结果表明,该方法在非约束人脸特征点定位中的平均误差值为0.15时,定位准确率超过95%.

基于条件迭代算法的手语识别技术

针对多组手语语句中重复出现的手语单词识别问题,提出了一种识别方法。该方法利用时间规整算法构建手语识别模型,并通过条件迭代算法快速计算最大后验概率。在南佛罗里达大学公共手语数据集进行实验,证明了该方法具有一定的实用性。

适用于迭代型去模糊算法的自适应迭代终止条件

由于缺乏有效的迭代终止条件(iterative stopping criterion,ISC),目前大多数去模糊算法简单采用固定的迭代次数实现,存在着执行效率低、去模糊效果不够理想等问题。为此,提出一种基于残差图像(迭代过程中所获得的中间估计图像和模糊核卷积后与模糊图像之间的差值)的去模糊效果度量(deblurring measure,DM),并在该DM度量的基础上设计了一种自适应的迭代终止条件(adaptive ISC,AISC)。将所提出的AISC迭代终止条件应用于经典的NCSR(nonlocally centralized sparse representation)迭代型去模糊算法中。在均匀模糊、高斯模糊和运动模糊三种典型模糊失真类型下大量的实验数据表明,与采用固定迭代次数的原NCSR算法相比,采用自适应迭代条件后NCSR算法执行效率得到显著提升,且所复原图像在PSNR、SSIM和FSIM图像指标值上与原算法差别不大。

基于拓展迭代条件模式的认知无线频谱分配研究

为了有效解决认知无线电网络的频谱分配问题,文章通过构建无向图对网络中涉及的认知用户(secondary user,SU)、频带可用情况以及用户间的干扰关系等进行统一表达,将频谱分配问题转化为无向图目标函数的优化求解,使频谱分配过程兼顾SU的效益以及用户间的干扰关系;并设计了一种拓展的迭代条件模式算法实现相应的优化过程,提高了获得优质解的可能。实验中以颜色敏感图论着色算法、量子遗传算法和粒子群算法作为对比,从网络平均效益和公平性上比较方法的性能,并分析了方法的特点以及不同网络环境对方法性能的影响。实验结果表明,该方法能够有效地实现频谱分配,且在不同的网络环境下均具有较优的性能。

一种改进迭代条件模型的遥感影像语义分割方法

随着遥感影像空间分辨率的提高,地物纹理细节更加丰富,采用传统的语义分割方法使分割结果过于细碎,整体性不强。针对该问题,提出一种改进迭代条件模型的遥感影像语义分割方法。首先采用L0梯度最小化模型对遥感影像去噪,然后采用迭代条件模型,通过更新影像中每个点的标记完成影像分割,最后采用Kappa指数对实验结果进行精度评价。实验结果表明,该方法是一种有效的遥感影像语义分割方法。

线性方程组行处理法迭代终止条件

给出线性方程组行处理法的迭代终止条件。

预条件SOR型迭代法的收敛性

给出了一个具有一般上三角形式预条件子作用下的SOR型迭代法,比较了此迭代法与经典SOR迭代法的收敛速度,从而更好地说明选取一般上三角形式的预条件子也能加快收敛速度;讨论了线性方程组的系数矩阵为M-矩阵、H-矩阵、正定的Z-矩阵时该迭代法的收敛性,推广了该方法的适用范围。

基于迭代条件模型算法的图像超分辨率重建

图像超分辨重建是从一系列降质的低分辨率图像中获取高分辨率的图像。在最大后验概率算法基础上提出了一种基于马尔可夫随机场的超分辨率重建算法,并通过迭代条件模型实现超分辨率图像重建。实验结果表明,与传统的超分辨率重建算法相比,该算法是一种快速的计算最大后验概率的方法,采用Potts-Strauss模型作为图像的先验概率密度函数,经过五、六次的迭代就能达到理想的迭代效果,解决了最大后验概率算法计算量大的缺点,是一种高效的超分辨率重建算法,具有一定的实用价值。

二维圆柱迭代Robin边界条件的计算

迭代Robin边界条件算法应用于二维电大尺寸目标时,会遇到迭代不收敛的问题,通过加大虚拟边界与散射体边界的距离可以解决该问题,文中通过对入射波的柱面波展开得到了收敛系数关于间距和散射体半径的复杂的系列公式,根据公式所得结果用最小二乘法拟合,得到了散射体边界与虚拟边界间距设置的简洁的经验公式,并给出间距设置的一般原则。

一类机械臂指数加速迭代学习控制方法

针对机械臂系统外部干扰的轨迹跟踪问题,提出一种无需重置初始条件的加速迭代学习控制方法。利用指数变增益加速学习控制律,结合迭代学习控制算法,无需重置机械臂每次运行时初始条件,历经多次迭代后,实现对期望轨迹的实时跟踪。并在λ范数意义下,证明了无需重置条件的比例微分(proportion differentiation,PD)型加速迭代学习控制算法的收敛性。基于二自由度(two degrees of freedom,2-DOFs)仿真实验结果验证了该方法的可行性和有效性。同时在Quanser机电一体化运动控制实验平台上完成了实验验证,表明该算法的实用性。

一种图像降噪的自适应迭代终止策略

降噪是图像处理领域的重要问题。针对现有大多数迭代类图像降噪算法终止条件判断复杂或不恰当终止的现象,提出一种与图像相关的迭代终止判据,不需要预设经验参数,而通过对图像数据的学习实现自适应的方法。该方法通过判断每一步被降噪的像素点的数量是否最小化来决定是否终止迭代,从而使处理后的图像具有最大峰值信噪比。实验结果表明,该方法在各种噪声条件图片的降噪中都实现了峰值信噪比最大化,是一种高效的、与图像相关的方法。

迭代空间屏蔽的遥感影像去噪算法

针对传统的空间屏蔽滤波算法在影像受噪声污染较为严重时存在噪声滤除不尽的问题,提出迭代空间屏蔽滤波算法。算法通过对含噪影像进行多次空间屏蔽滤波将噪声最大程度滤除,并针对随迭代次数增加而产生的对有用信息过度滤除现象,提出以最小二乘准则作为迭代终止条件实现最佳迭代次数。实验结果表明,与传统的空间屏蔽滤波算法相比,迭代空间屏蔽滤波算法能够实现对噪声更加彻底的滤除,并且基于最小二乘准则可以使该算法终止于最佳迭代次数,避免产生过度滤除现象。

基于PM算法和噪声识别模型的探地雷达降噪方法

针对探地雷达(Ground Penetrating Radar,GPR)因地质或环境因素导致图像出现高密度噪声,有效信号被淹没,进而出现雷达数据读取困难甚至无法识别的问题,提出一种基于Perona-Malik(PM)算法和噪声识别模型(Noise Re-cognition Module,NRM)的降噪方法——PM-NRM。该算法根据GPR数据特点利用改进PM算法加大图像中噪声与背景的数值差异性,使用基于偏微分方程的NRM识别噪点,利用改进中值定理依次对数据中噪点进行恢复,结合迭代条件算法(Iterated Conditional Mode,ICM),以达到降噪的效果。面对高密度噪声数据,同传统的GPR数据降噪方法相比,所提算法在信号单波道拟合度、峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似度(Structural Similarity,SSIM)等客观评价标准中表现较优。实验结果表明,该算法在GPR系统探测工作中具有一定实用价值。

基于残差图像的迭代终止条件及其在NCSR算法中的应用

现有图像去模糊(deblurring)算法多依赖于正则化技术以迭代逼近求解最优目标函数方式实现关于原图像的最佳估计,由于缺乏迭代终止判定条件(ITC),这些算法通常采用固定迭代次数实现以至执行效率不高,同时所获得图像的质量在很多时候也未必是最佳的。鉴于在迭代过程中每一步所获得的中间估计图像经与模糊核卷积后和模糊图像之间残差图像的亮度值具有显著的高斯分布特点,提出使用广义高斯分布(GGD)模型为迭代过程中的残差图像建模并以GGD模型参数值作为衡量去模糊效果的度量(DM,deblurring measure)。基于DM,在保障去模糊图像质量的前提下,设计了ITC自适应地终止迭代过程以提高去模糊算法的计算效率。在经典的非局部集中稀疏表示(NCSR,nonlocally centralized sparse representation)去模糊算法上完成的大量的实验表明,对于运动、高斯和失焦3种典型的模糊失真,新提出的ITC能够有效判定在每一步迭代过程中所获得的估计图像是否已达到最佳的图像质量,从而实现在保障去模糊图像质量的前提下大幅度提高NCSR算法计算效率的目的。所提出的ITC判定方法具有普适性,调整相关参数后也可以应用于其它迭代型的去模糊算法。

广义Nekrasov矩阵的一组细分迭代判定条件

利用细分和迭代的思想,细分了矩阵的指标集,构造了迭代系数,给出了广义Nekrasov矩阵的一组细分迭代判定条件,并用数值算例说明了判定条件的有效性.

基于广义模糊吉波斯随机场的噪声图象分割

基于吉波斯随机场分割模型的图象分割方法是一种常用的重要方法。本文结合广义模糊集理论,针对噪声大的模糊图象分割问题,重新定义了吉波斯场的集团势函数,将广义模糊隶属度引入势函数,建立了新的分割模型。在此基础上用条件迭代模式(ICM)法对图象进行了优化分割。实验表明,该方法能有效地分割退化的模糊图象。

模糊马尔可夫随机场理论在阴影检测中的应用

阴影的检测是目标检测、目标跟踪、视频监控等领域的一个关键问题。提出了一种基于模糊马尔可夫随机场的阴影检测算法。该算法把阴影检测问题看做是一个求最优化的像素点分类问题。对于输入的视频,提取背景图像,找出阴影和前景目标物体区域。通过计算阴影概率分布,前景概率分布,隶属度函数,建立模糊马尔可夫随机场。应用贝叶斯准则,最大后验(MAP)估计和条件迭代模式(ICM)算法,寻找最优化的模糊马尔可夫随机场,并利用最大隶属度原则消除模糊性,得到阴影检测的结果。实验证明,文中算法具有较好的阴影检测率和目标检测率。

基于像斑空间关系的遥感图像分类

为充分挖掘遥感图像本身包含的空间关系信息,弥补基于光谱信息的传统图像分类方法的不足,提高分类精度,提出了一种基于像斑空间关系的遥感图像分类方法。通过图像分割获取像斑,利用最大似然法获取初始分类结果,引入马尔科夫随机场对像斑的空间关系予以描述,通过地物的类别邻接矩阵定量地描述各地物类别之间的空间关系,从而对图像的分类结果进行修正,最后采用条件迭代的方法获取最终的图像分类结果,精度较好。实验结果表明,该方法应用于高分辨率遥感图像可取得较好的分类效果。

基于马尔可夫随机场的医学图像分割

图像分割是一个经典难题,随着影像医学的发展,图像分割在医学应用中具有特殊的重要意义。马尔可夫随机场(Markov Random Field,即MRF)方法是图像分割中一个极为活跃的研究方向。本文介绍了基于马尔可夫随机场模型的一般理论与图像的关系。并对基于MRF的传统条件迭代模式算法(ICM)进行改进,在初始分割后,对图像的像素点分为两类:稳定点和不稳定点,用队列存储不稳定点,每次迭代只对队列里面的不稳定点进行计算,以减少运算量。实验结果表明,改进的算法能够大幅度提高计算效率。

一种视频微表情检测的改进光流算法

微表情是人们在试图隐藏自己真实情感时表现出的不受自主神经控制、持续时间短暂,强度十分微弱的面部表情。由于微表情与谎言识别有着密切的联系,其公共安全、侦查讯问、临床医学等领域有很大的应用前景。针对人为识别微表情十分困难的问题,提出一种基于Horn-Schunck(HS)光流法改进并应用于微表情自动检测的方法。使用预条件Gauss-Seidel迭代方法改进了HS光流法,加快了收敛速度。通过在自发微表情数据库CASME中进行实验,该验证方法在微表情检测中有很好的效果。