一种使用前馈人工神经网络的高阶图像子采样方法

提出了一种高阶图像子采样的方法。该方法采用了前馈神经网络(FANN)。子采样的过程分为两个阶段。在第一个阶段中,使用了基于最小二乘法的正交剪枝算法。通过这个阶段,16个像素就采样为4个像素。在第二个阶段中,使用了全连接网络将4个像素采样为1个像素,实验结果表明,本算法具有很好的时间性能比。

基于TSVD的高阶图像低秩近似新方法

提出一种基于广义奇异值分解的高阶图像低秩近似新方法。在传统矩阵分析的基础上,介绍高阶广义矩阵的生成及定义,得出广义奇异值分解不仅适用于传统的实数矩阵,对高阶广义复数矩阵亦具有重要意义。实验在高阶图像低秩近似的基础上,提出两种改进方案,一是将传统的实数矩阵扩展成为高阶广义复数矩阵,二是在领域选取时,分析比较指数增长和线性增长方式的近似效果。数值实验验证了高阶广义复数矩阵具有更高的低秩近似效果,指数增长方式与线性增长方式相比具有明显的优越性。

基于高阶鲁棒主成分分析的视频前景与背景分离

运动目标检测的发展历史由来已久,出现了基于均值方法、中值方法、直方图方法和高斯混合模型等各种检测算法。然而,这些目标检测方法往往未考虑图像背景之间的时间相关性以及前景对象内的空间连续性,也未考虑视频中的其他结构信息。采用微观视角,将目标视频中每个帧像素的张量化进行了扩展,即将原始图像的像素邻域扩展为一定阶数的数组。因此,原始图像转化为了一个形式上的高阶图像。所提出的模型旨在应用于诸如视频前景背景分离等任务,以增强图像算法的有效性。

高阶NMI值的字母手势识别

提出了基于手势伸展方向以及手势图像高阶NMI值的特征向量进行识别分类的算法。首先,对采集到的手势图像进行预处理与二值化,然后按手势的伸展方向进行粗分类,之后,对每幅图像提取图像的1阶和4阶NMI值,这样将一幅图像表示成一个有17维分量的特征向量。识别时用k近邻原则进行判别,识别率达到86.6%。

Fingerspelling Recognition by Hand Shape Using Higher-Order Local Auto-Correlation Features

The fingerspelling recognition by hand shape is an important step for developing a human-computer interaction system. A method of fingerspelling recognition by hand shape using HLAC （higher-order local auto-correlation） features is proposed. Furthermore, in order to use HLAC features more effectively, the use of image processing techniques： reducing an image resolution, dividing an image, and image pre-processing techniques, is also proposed. The experimental results show that the proposed method is promising.