采用PCA/ICA特征和SVM分类的人脸识别

人脸识别过程中 ,首先在主成分分析基础上进一步做独立成分分析 ,来提取更加有利于分类的面部特征的主要独立成分 ;然后采用一种分阶段淘汰的支持向量机分类机制进行识别 该方法扩展了支持向量机处理多类问题的能力 ,它基于 1 1差别策略 ,根据各判别函数VC置信范围的差异进行排序 ,同时利用判别函数间的冗余来降低识别误差 对两组人脸图像库的测试结果表明 。

基于小波变换和模糊算法医学图像边缘检测算法

在医学图像三维显示技术中 ,需要得到单像素级的清晰轮廓线 .为了适应这种需求 ,提出了一种边缘检测算法 .它基于 Mallat小波模极大值边缘检测方法 ,同时应用模糊算法构造相应的隶属函数 ,再对得到的极大值进行进一步筛选 ,最终可以得到单像素级的边缘 .实验结果证明了该算法的可行性 .

应用神经网络隐式视觉模型进行立体视觉的三维重建

针对传统的基于精确数学模型的立体视觉方法过程繁琐的不足 ,提出一种应用BP神经网络隐式视觉模型进行三维重建的算法 该算法将多个标定平面放置在有效视场内 ,用神经网络模拟立体视觉由两个二维图像重建三维几何的过程 ,经过网络训练建模后 ,无须摄像机标定即可进行三维重建 仿真实验结果证明 ,该算法比较简单 。

基于支持向量机的人脸识别方法研究

对于人脸识别问题 ,基于 K- L 变换对人脸图像进行特征参数的提取 ;并采用支持向量机进行分类 .由于支持向量机本身是一个两类问题的判别方法 ,在处理多类问题时 ,提出了一种基于支持向量机组的淘汰法 ,这种方法考虑到了各判别函数的 VC置信范围的差异 ,同时利用判别函数间的冗余来降低识别误差 .针对 ORL 人脸库和自建的人脸库的识别结果表明 ,基于 SVM的识别方法在特征参数个数的选取、识别效果、识别时间等方面都有其独到的优越性 .

支持向量机在人脸识别中的应用

对于人脸识别问题,基于K-L变换对人脸图像进行特征参数的提取,并采用支持向量机进行分类。由于支持向量机本身是一个两类问题的判别方法,在处理多类问题时,提出了一种基于支持向量机组的淘汰法,这种方法考虑到了各判别函数的VC置信范围的差异,同时利用判别函数间的冗余来降低识别误差。在对ORL人脸库和自建的人脸库的测试中,分别得到识别率为97.5%和90.59%的实验结果,这些结果表明,基于SVM的识别方法是有效的。

一种新的DNA序列映射规则及其分析应用

在ＤＮＡ序列的研究中，序列的数值化是首先需要解决的问题。这里，提出了一种新的基于复域的映射规则，它以一维的形式反映了序列的多维组成：并分别从理论与实验两方面对该方法与已有的几种映射方法进行了对比与分析，论证了该方法的有效性及实用性。以此规则为基础，分析了外显子序列和内含子序列的编码结构和分形尺度特性，并以序列的编码结构—分形尺度特性—序列长度所构成的三维空间为基础，分析了外显于序列和内含子序列的可识别性。

一种基于颜色基元共生矩阵的图像检索方法

提出一种结合图像颜色连通区域信息及其纹理特征的图像检索新方法。对图像进行分块,确定图像中的颜色连通区域集,提取图像中各颜色连通区域对应的4种颜色基元共生矩阵特征,针对该特征设计的图像相似性度量函数实现基于内容的图像检索。实验结果表明,该方法能有效地结合图像的纹理信息及其颜色构成和分布信息,具有良好的检索效果和性能。

一种基于显示空间的圆窗口的图形裁剪算法

通过对现有的图形裁剪算法进行深入的研究后 ,认为现有的图形裁剪算法只能单纯的对简单的图形元素 (如直线 )进行裁剪 ,对复杂图形 (如自由曲线、不规则图形 )现有算法则不适用 .本文提出了一种新颖而实用的在圆窗口下的对任意图形特别是图象进行裁剪的有效方法 ,越复杂的图形或图象越能体现出本算法的优势 ,此算法的提出解决了对复杂图形的裁剪问题 .本算法适用面广 。

关于核苷酸序列频谱分析方法的探讨

由A、T、C、G四种字符组成的核苷酸序列本质上是生物分子的一种符号表示。在计算生物学中,常采用离散傅立叶变换进行频谱分析。根据核苷酸序列频率分布的特点和离散傅立叶变换所固有的“栅栏效应”,本文提出采用调频Z变换的分析方法,定义了相应的表达式,同时构造了短时调频Z变换用于识别基因区域中的外显子部分和内含子部分。与已有的基因区域识别算法相比,该方法不需要依赖于训练样本序列。测试结果表明了该方法的有效性。

面向整体设计的客车件冲模CAD系统的实现

基于现代设计方法和计算机信息技术 ,开发了基于功能 -结构映射、支持自上而下整体设计的客车件冲裁模CAD系统。介绍了系统的总体结构、模具设计功能树的建立思想和层次化部件装配模型的特点 ,阐述了模具结构设计过程中不同层次上设计信息的处理方法 ,并通过一功能元件的设计实例说明了基于该系统的冲模设计过程。

基于正交直线的Snake模型

Snake模型自1987年由Kass等提出后,已在计算机视觉等领域得到广泛的应用。它所存在的问题是在曲线的演化过程中,整体几何信息在不断地变化,而反映图像灰度变化的梯度信息却固定不变,二者之间缺乏内在的联系。本文提出基于正交直线的Snake模型试图解决这一问题,它通过在正交直线上计算梯度把轮廓变化的信息和图像灰度梯度变化的信息联系在一起,这样在曲线的演化过程中,以基本多边形为依托,以目标曲线的特征为指导,图像灰度梯度变化能够自适应于轮廓的变化,使得所提取的轮廓曲线的特征不断地逼近目标曲线的特征。在对人脑的轮廓提取算法中,获得了理想的结果。