基于多孔特征约束的舱段对接姿态识别方法

为实现航天器舱段自动对接中多装配孔与舱段轴线同时匹配协调,提出基于多装配孔特征约束的大型舱段对接姿态辨识方法。首先通过双目视觉测量系统采集舱段对接端面上的装配孔图像,经去噪、边缘检测、弧段匹配、拟合椭圆和去重等一系列图像处理后再经基于Topsis椭圆评估去伪,获得装配孔的二维信息。然后,建立双目椭圆锥面模型,解算装配孔的姿态方向;再以多装配孔姿态匹配最优为目标,基于投影寻踪原理建立以投影向量模长最大为目标函数的最优数学模型,利用遗传算法对模型进行求解,得到舱段对接的最优姿态向量。最后,通过与理论姿态进行比较来验证该方法的有效性,并在实验台对该方法的精度进行测试。试验结果表明,舱段实际偏转姿态角和解算的姿态角相对误差为1.92%,满足舱段姿态测量的需求。

一种基于颜色和几何特征的人脸检测方法

该文提出了一种有效的人脸定位方法。通过局部自适应门限提取图像边缘,用几何规则和颜色特征筛选出候选眼睛块,使用遗传算法将这些眼睛块配对验证,适应度函数采用一个新颖的眼睛及脸颊区域的灰度投影及肤色信息定义。该方法可以实现多尺度、多角度的正面人脸检测,实验结果令人满意。

基于AdaBoost和遗传算法的快速人脸定位算法

针对采用AdaBoost算法构建人脸检测器时存在的特征冗余问题,提出了一种新的快速人脸定位算法.首先用AdaBoost算法选取类Haar小波特征(称作AdaHaar特征),然后用遗传算法在低维的AdaHaar特征空间进一步优选,消除冗余并得到相应的权系数,最终的人脸检测器由这些优选的弱分类器及其相应权系数线性组合而成.实验结果表明,采用文中算法训练的人脸检测器在检测正确率、检测速度及占用内存等方面的性能都得到了改善.

基于遗传算法的有效人脸检测法

提出一种基于遗传算法的人脸检测方法 .利用面部特征的边缘信息和灰度分布的特点 ,设计了一种简单有效的几何模板和灰度分布模板来描述人脸 ;提出一种具有较强局部搜索能力的遗传算法 ,并利用它对输入的图像在不同尺度上同时搜索人脸区域 .实验表明 ,该算法在正确率和速度两方面都取得了较满意的结果 .

基于遗传算法重采样的人脸样本扩张

无论是对人脸检测还是人脸识别来说,训练或测试一个分类器都要进行数据的收集,目前所有基于统计学习的方法都存在这个问题.提出了一种针对已有的人脸样本通过采用遗传算法进行重采样来扩张样本的算法.其基本思想是,基于人脸样本由有限的部件构成,而且遗传算法可以用于模拟自然界中的遗传过程.这种模拟可以涵盖人脸的一些变化,比如不同的光照、姿态、饰物、图片质量等.为了证明该算法所生成样本的推广能力,将这些生成的样本用于训练一个基于AdaBoost的人脸检测器,并且将它在MIT+CMU的正面人脸测试库上进行了测试.实验结果表明,通过这种方法来收集数据可以有效地提高数据收集的速度和效率.

基于分布异常的高光谱遥感影像小目标检测算法

提出一种基于分布异常的高光谱遥感影像小目标检测方法。该算法用基于近似相对熵的实码遗传优化投影寻踪方法(RCGOA-PP),有效地将高维数据中隐藏的目标信息集中投影到低维空间中,并用直方图分割的方法提取出小目标。实验证明,此算法精度较高,适用于对高光谱影像中的小目标进行检测。

回采工作面瓦斯涌出量遗传投影寻踪回归预测

为快速、准确预测回采工作面瓦斯涌出量,基于投影降维思想,建立一种遗传算法(GA)投影寻踪回归预测方法。选取煤层瓦斯原始含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近层瓦斯含量、临近层厚度、临近层层间距、岩层岩性、开采深度作为评价因子,对某矿15个学习样本进行训练,建立GA投影寻踪回归预测模型。利用该矿3个实测样本对模型进行检验,并与主成分分析和BP神经网络方法结果进行对比。研究表明:利用GA投影寻踪回归预测回采工作面瓦斯涌出量,平均误差为3.43%,最大误差为5.7%,精度优于其他2种方法。

基于改进AdaBoost算法的人脸检测

研究人脸识别实现自动化检测,针对实时定位准确识别人脸,采用传统AdaBoost算法构建人脸检测器时存在的过拟合现象和特征冗余缺欠,提出一种自适应样本权重更新规则和遗传算法的改进AdaBoost人脸检测方法。可把正负样本错分率引入样本权重更新过程,将分类效果反馈给分类器,实现对分类器结构的有效控制。用遗传算法进一步优化所选特征及其参数,达到使用较少的弱分类器实现高检出率和低误判率的双重要求。仿真结果表明,与传统AdaBoost算法相比,采用文中算法训练人脸检测器可有效避免样本权重扭曲现象,消除分类器冗余,在保证较高检出率的同时降低误检率,使人脸检测更加快速和精确。

基于投影寻踪的高光谱图像目标检测算法

针对高光谱图像中小目标检测问题,提出了一种投影寻踪结合遗传算法的目标检测方法.该方法采用对异常分布敏感的偏度和峰度作为投影指标,实数编码的加速遗传算法搜索最佳投影方向.利用高光谱数据对所提出的方法进行了实验研究.结果表明,该方法能够快速、可靠的检测出小目标.

基于自适应权重更新和遗传算法的人脸检测

针对采用AdaBoost算法训练样本过程中出现的过拟合现象和特征冗余问题,提出了一种可将正负样本错分率综合考虑,以避免权重过度增大的自适应样本权重更新算法,并用遗传算法进一步优化所选特征及相关参数,消除冗余,达到使用较少的弱分类器实现高检出率和低误判率的双重要求。仿真实验结果表明,改进后的算法能有效解决以上问题,使人脸检测更加快速和精确。

基于遗传算法的人脸跟踪研究

提出了一种快速的、鲁棒的人脸定位及跟踪研究方法 ,定义了一种新的运动能量表示方法 ,利用该方法可以很快地检测出图像中的运动区域。在检测到的运动区域内 ,利用人的头部及面部结构知识确定出人脸区域 ,再将检测到的人脸区域作为模板 ,利用遗传算法在新的图像序列中动态地进行模板匹配 ,以确定人脸在新的图像序列中的位置。实验结果表明 ,该方法不但检测速度快 ,而且对光照、人脸姿态。

基于遗传算法和AdaboostSVM的人脸检测算法

将遗传算法用于以SVM为弱分类器的Adaboost人脸检测算法。先根据样本训练集中的人脸和非人脸样本训练出弱分类器SVM,然后利用Adaboost算法将多个SVM弱分类器级联组合成一个强分类器,并且在组合的过程中采用遗传算法对各个弱分类器权值进行全局寻优,最终得到检测结果。通过与传统Adaboost以及AdaboostSVM进行对比试验,表明论文方法具有更高的检测效果。

基于人脸结构特征的眼睛定位算法

眼睛定位在人脸识别检测过程中起着非常重要的作用。研究后发现,眼睛的灰度值在人脸所有的五官中是最高的,且具有一定的面积。文中针对人脸各器官的几何结构特征,结合眼睛灰度信息提出了一种新的眼睛定位算法通过对灰度图像进行垂直和水平灰度投影后,能够对人脸初步定位,然后用一个相当于瞳孔大小的方形框去搜索整张脸,当落在这个框内的黑色像素的个数达到最大时,这个框的位置就是眼睛的位置。经过实验,这种算法定位准确且定位时间短。

基于免疫算法的人脸检测

提出了一种定位准确的、鲁棒的人脸检测方法，新方法根据人的面部结构知识得到人脸椭圆模板，利用免疫遗传算法在新的灰度图像中进行模板匹配，以确定人脸在新的图像中的位置．实验结果表明，在中等复杂背景下的人脸定位应用中，该方法与遗传算法以及改进的遗传算法相比较，定位更加准确，并且有较高的抗干扰性能，而且该方法对光照、人脸姿态、表情及其他噪声具有较强的鲁棒性．

一种改进的人脸检测新技术

该文提出了一种基于多特征融合的人脸检测新方法。该方法首先用肤色分析算法对图像进行肤色分割．得到人脸区域的初步结果；然后根据灰度特征图像用基于GA的方法找到多个模板的人脸区域：最后用基于Adaboost多模板融合算法形成最终检测结果。通过实验表明，该方法与传统方法相比，识别率得到明显提高。

基于介电特性的海沃德猕猴桃品质检测

为研究猕猴桃的介电特性与其主要品质之间的关系,本试验通过测定不同贮藏时期海沃德猕猴桃的介电特性、营养成分、色差及质构指标,用连续投影算法(SPA)和遗传算法-偏最小二乘法(GA-PLS)筛选出各品质指标(Vc、可溶性固形物、ΔE、硬度、粘聚性和弹性)的特征频率点,建立猕猴桃品质指标的预测模型并进行验证。结果表明,建立Vc和ΔE值的最优模型为连续投影算法结合神经网络模型,可溶性固形物、硬度、粘聚性和弹性的最优模型为遗传算法-偏最小二乘法结合神经网络模型,模型对各指标预测的决定系数分别为0.971、0.934、0.922、0.984、0.908和0.954,各品质指标预测值与实测值无显著差异(P>0.05)。综上所述,介电检测技术结合SPA和GA-PLS可用于预测猕猴桃的特征品质。本研究结果为猕猴桃品质的无损检测奠定了基础。

基于几何特征和支持向量机的人脸检测

针对人脸检测中的非线性和降维问题提出了一种有效的人脸检测方法。首先基于人脸的肤色和几何特征,通过局部自适应门限方法提取图象边缘,用几何规则和颜色特征筛选出候选眼睛块。然后采用改进的四边界sobel算子对眼睛精确定位。最后使用训练好的支撑向量机来验证。该方法可以实现多尺度多角度的彩色图像中的正面人脸检测,实验结果令人满意。

多变异自适应遗传算法特征筛选的人脸检测

通过研究基于AdaBoost算法的人脸检测,针对提取的Haar特征维数过高且有冗余,耗时过大,严重影响了人脸检测速度等问题,提出了基于多变异位自适应遗传算法(Multiple Mutation Adaptive Genetic Algorithm,MMAdapGA)的特征选择人脸检测方法.MMAdapGA采用类内类间比作为适应度函数,寻找其最优个体所对应的基因链,然后演化得到全局最优特征,以此降低特征空间维数及冗余度.实验结果表明:检测率(DR)与误检率(FDR)不仅没有下降,而且检测速度得到了很大的提升.

基于加权统计模型和遗传算法的人像目标检测

目的研究基于加权统计模型和遗传算法的人像目标检测方法．方法提出用于检测非刚性图像目标的一种加权统计模型，该模型含有待检测目标样本的统计值，可有效解决图像目标发生形变和倾斜情况下检测器的适应性问题．结果给出人像目标检测应用中的处理结果，人像目标不发生倾斜和无噪声时，即使在局部发生形变和改变灰度对比度情况下也可以得到满意的结果，在低信噪比和目标发生倾斜时，正确识别率大于９０．０％（Ｓ／Ｎ≥１０ｄＢ）和７６．７％（倾斜度小于６°），采用改进的遗传算法，计算速度比单独应用顺序检测算法提高６０倍．结论将统计模型与改进的遗传优化算法结合可提高算法效率和精度．

基于GA-BP神经网络的人脸检测

传统的BP神经网络算法收敛过慢、局部收敛不理想,影响其工作性能。针对以上不足以及人脸图像数据大等问题。提出GA-BP神经网络对人脸图像进行检测的新方法:将遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,使网络收敛速度加快和避免局部极小。通过实验表明该网络不仅收敛速度快,而且易达到最优解。证明该网络对人脸图像检测具有高的检测精度。