基于非线性邻域滤波的MR-FBP重建算法改进

提出基于非线性邻域滤波器(NNFs)的惩戒项对直接求解方程组获得最佳滤波器进行FBP图像重建的算法(MRFBP)的改进。传统非线性邻域滤波器主要有双边滤波器和非局部均值(NLM)滤波器。使用Python在astra-toolbox工具箱帮助下,进行实验分析各种惩戒项对图像重建质量的影响,得出在重建图像过程中增加基于非线性邻域滤波器的惩戒项具有在增加有限耗时的情况下,显著提升重建质量的效果。尤其是基于非局部均值滤波器的惩戒项,增加的耗时显著低于基于双边滤波器的惩戒项且重建结果在指标分析上仍然优于后者。

非线性复合邻域人脸光照补偿

变化的光照是提高人脸正确检测率的瓶颈,提出了非线性复合邻域光照补偿方法来解决人脸检测的光照问题。非线性复合邻域光照补偿方法用对数函数做为基函数,设置的平移系数和分界值系数可以同时对过亮和偏光的图像进行补偿,引入了邻域光照补偿公式解决了传统非线性方法不能针对同一灰度值像素在不同局部应该进行不同补偿的问题。实验结果表明,该方法对过暗和过亮的人脸图像都可以进行有效的光照补偿,熵比较优于传统非线性光照补偿、Gamma校正和直方图归一化。

基于邻域非线性相互作用的动态连接匹配算法

提出基于邻域非线性相互作用的动态连接匹配算法,定义邻域相互作用势,并导出相应的演化方程。以二维随机点灰度图的匹配为例作了计算机模拟,结果表明新算法能快捷有效地完成匹配任务。

协同过滤算法系统设计与实现

研究协同过滤算法系统的设计与实现方法,完善网络推荐机制。在网络推荐的过程中,提出一种基于非线性邻域的协同过滤算法。在推荐的过程中,根据推荐系统的实际状态,获取推荐过程中的选择对象,计算不同推荐对象之间的相似性。根据推荐模板,选取合理的推荐群,根据非线性邻域度量方法,完成网络推荐,获取理想的推荐结果。实验结果表明,利用本文算法设计协同推荐算法系统,可以提高推荐的合理性,满足推荐系统的实际需求。

基于压缩感知的单样本人脸识别

提出一种基于压缩感知的单样本人脸识别方法,通过局部邻域嵌入非线性降维和稀疏系数的方法产生冗余样本,则新样本包含了多种姿态和多种表情。将所有的新样本作为训练样本,运用改进后的稀疏表征分类算法进行人脸图像的识别。在单样本情况下,基于ORL人脸库和FERET人脸库的实验证明,该方法比原稀疏表征方法在识别率上分别提高了15.53%和7.67%。与RSRC、SSRC、DMMA、I-DMMA等方法相比,该方法同样具有良好的识别性能。