基于张量投票的图像超分辨率算法

张量投票算法在提取图像主观轮廓上具有良好的效果。文章提出了一种基于张量投票的图像超分辨率算法。首先,用二维张量矩阵存储低分辨率图像各像素点所处的位置特征信息,并利用稀疏张量投票将特征信息进行加强,再使用稠密张量投票产生高分辨率图像对应的二维张量矩阵,此张量矩阵包含了视觉特性强的边缘信息,最后利用该边缘信息指导高分辨率图像的重构。实验结果表明,该方法得到的高分辨率图像信噪比高、视觉效果好。     

基于多特征融合和二维投影非负矩阵分解的图像检索

文章提出了一种基于非负矩阵分解(Nonnegative Matrix Factorization.NMF)和多特征融合的图像检索模型。通过提取图像的颜色和纹理特征,进行NMF分解,得到NMF的基矩阵和样本的系数矩阵。利用二维主成分分析(2DPCA)的思想对系数矩阵降维,然后通过特征加权的方法比较检索结果。文章使用500幅人物图像组成的图像库进行试验,该方法利用了图像的多个特征和2DPCA思想,使得文章中的方法提高了检索的查准率,而且检索速度优于非负矩阵分解和二维主成分分析。     

基于混沌理论和Arnold变换的X射线数字图像加密算法

图像经单一的混沌算法加密后,还留有原图像轮廓,存在加密强度不足的问题。文章提出应用二维Arnold矩阵变换和混沌理论混合加密X射线图像的算法,利用Arnold扰乱图像位置的特点,结合混沌加密理论,有效地解决了单一混沌加密算法对图像加密强度不够的问题。最后,通过实验验证了该算法的有效性。实验结果表明,该算法的加密安全性很高。     

基于最小二乘法特征点的图像拼接方法应用研究

针对常用的图像拼接技术拼接效果有锯齿显现,边缘不圆滑等的问题,文章在精确获取图像特征点匹配对的前提下,采用基于最小二乘法拟合求取较优的变换矩阵拼接图像,获取完整的图片信息。通过实验,表明该方法拼接后的图像效果良好,边缘比较平滑。     

利用矩阵的奇异值分解对物体进行形状复原

奇异值分解法（singular value decomposition）是一种矩阵的分解方法,图像矩阵的奇异值（Singular Value）及其特征空间反映了图像中的不同成分和特征。奇异值分解（Singular Value Decomposition,SVD）是一种基于特征向量的矩阵变换方法。本文利用该方法利用某物体的数枚数字图像获得该物体的形状信息,也就是利用数字图像的灰度值来获得物体的法线向量矩阵。而且,利用具体的实验验证了该方法的可靠性。     

局部线性嵌入算法在图像处理中的应用

为了避免光照、姿态、附属物等因素对同一个图像矩阵的差异和识别的影响,采用了局部线性嵌入(LLE)算法,首先对图像库里的图像进行光照预处理,再进用LLE运算得到低维图像特征,并通过仿真实验获得了既能使图像识别避免光照等因素的影响,又能使图像识别率有了大幅度的提高,从而得到利用局部线性嵌入算法对图像进行处理的结论。     

基于完整的LBP纹理特征的高分辨率遥感图像分类

由于高分辨率遥感图像纹理信息和光谱信息丰富,提出将这些信息利用完整局部二值模式(CLBP)方法进行高分辨率图像的土地覆盖分类。结果表明:完整局部二值模式(CLBP)方法具有很好的抗噪性能,大大提高了地物分类的精度。     

基于完整的LBP纹理特征的高分辨率遥感图像分类

由于高分辨率遥感图像纹理信息和光谱信息丰富,提出将这些信息利用完整局部二值模式(CLBP)方法进行高分辨率图像的土地覆盖分类.结果表明:完整局部二值模式(CLBP)方法具有很好的抗噪性能,大大提高了地物分类的精度.     

基于MATLAB的GUI车牌图像识别系统设计

提出了一套基于Roberts算子和最大方差阈值算法的GUI车牌图像识别系统。针对相机或高清视频流所采集的照片,本文结合图片的预处理,采用梯度检测法进行边缘检测,基于像素点的先行后列的车牌定位方法,并用最大阈值方差法进行二值化处理,根据对二值边缘图像做积分Harr识别,把车牌信息从图像转化为文本输出。实验结果表明,该GUI系统能够正确实现识别车牌图像文本信息。     

一种基于小波尺度相关性的自适应阈值去噪算法

针对图像去噪时造成的边缘模糊和细节损失问题,结合小波尺度相关性理论和经典的阈值去噪方法,提出了一种新的图像去噪算法,该算法利用不同尺度上小波系数间的相关性,对原图像和噪声对应的小波系数进行最大程度的区分,对前者予以保留,对后者则结合闽值去噪方法和该小波系数是原图像的置信程度进行处理。实验结果表明,该算法在达到很好的图像去噪的同时,能很好地保留图像的边缘和细节信息。     

基于快速傅里叶变换的形状检索

近年来,随着多媒体技术和数字设备的出现,如何有效地管理和访问图像信息已成为人们亟待解决的问题。因此,一种新的图像检索技术——基于内容的图像检索技术被提出来。本文在已有研究成果的基础上,提出了自己的基于形状特征的图像检索方法:基于二维快速傅里叶变换的形状检索算法。     

基于Gabor小波和增强Fisher模型的掌纹特征提取

对于其他身份识别的生物特性而言掌纹有着很多的先天优势,因此在各个领域得到了非常广泛的应用。本文通过研究掌纹的特征,提出了一种基于Gabor小波和增强Fisher线性判别模型(EFM)的掌纹特征提取算法。先对预处理掌纹,在对掌纹灰色图像通过算法进行Gabor小波变换后,得到Gabor的掌纹特征向量。随后,通过主成分分析变换高维特征向量至低维空间,最后在此空间内利用EFM变换矩阵提取到掌纹的特征。由于Gabor函数在特征提取方面有着优良的性能,对高维特征的降维处理问题可有效解决,同时,算法也提高了Fisher线性判别式(FLD)的推广能力,可以较好地实现掌纹的特征提取。     

Robust multivariate analysis for mixed-type data: Novel algorithm and its practical application in socio-economic research

We propose a novel method and algorithm for the analysis and clustering of mixed-type data using a hierarchical approach based on Forward Search. In our procedure, the identification of groups is based on the identification of similar trajectories and then linked to very intuitive two-dimensional maps. The proposed algorithm can use different measures for the calculation of distance in the case of mixed-type data, such as Gower’s metric and Related metric scaling. A key feature of our algorithm is its ability to discard redundant information from a given set of variables. The practical usefulness of the algorithm is illustrated through two applications of high relevance for empirical economic research. The first one focuses on comparing different indicators of environmental policy stringency in different countries. The second one applies our procedure to identify clusters of countries based on information regarding their institutional characteristics.     

一种二值图像连通区域标记的简单快速算法

针对传统二值图像连通区域标记需要对图像进行两次扫描的缺点,提出了一钟新的二值图像连通区域标记算法。算法借助创建一与图像等大的标记矩阵,通过深度优先搜索算法对图像进行一次扫描后,将标记编号记录在标记矩阵中。此算法不受连通区域的形状和面积影响,表现出了良好的鲁棒性。最后通过OpenCV对该算法进行了实现并与传统标记算法进行了时间性能比较。     

A voted based random forests algorithm for smart grid distribution network faults prediction

ABSTRACT

In this paper, we focus on fault prediction in the smart distribution network. modified version of voted random forest algorithm (VRF) is proposed for enhancing the predicting accuracy of the faults. We change the decision process by redesigning the voting algorithm by introducing multiple SVM models for voting model training. Based on the trained models, a simple NSGA algorithm is applied to find the best voting model. Results showed that the new algorithm could improve the accuracy and recall rate of the fault prediction, especially for the recall rate of the negative samples.     

基于二维关联边条件随机场的Web信息抽取

针对Web信息抽取领域中存在的"项无序"问题,提出了一种基于二维关联边条件随机场模型的Web信息抽取方法。将Web文档解析为一个词性序列,映射待抽取的信息项的状态,映射待抽取的信息项为二维关联边条件随机场中的序列参数,使用归纳算法构造二维关联边条件随机场模型。实验结果证明该方法可以获得更好的抽取性能。     

车辆全景成像探测的快速目标拼接算法

全景成像技术以及图像拼接、图像配准等与其相关的技术,都属于机器视觉及模式识别领域。由于其成像系统视场较大,且无论远近都可以清晰成像,因此,全景成像技术具有广阔的应用前景,例如,在军事领域中的侦察、空间探索等,民用领域中的医疗设备、防盗预警、机器人视觉等等。正是由于上述原因对全景成像技术,具有很高的研究和实践价值。本文对全景成像技术的研究主要有以下四个方面:第一,深入研究了全景成像的获取方式,在此基础上分析其获取方式的优缺点;第二,实现了图像的预处理,即完成了对获取图像进行了校正和去噪,通过对不同的图像采用滤波算法实现;第三,在图像拼接方面,实现了基于比较匹配的图像拼接算法,通过采取平行景物线匹配算法消除了灰度差异的影响,对拍摄同一景深下的图片进行拼接;第四,在不同景深条件下,对图像进行拼接,并完成了基于Harris特征点检测算子的特征提取算法。     

计算机绘图中“二维图形编辑”一节的教学设计

本文通过以"井字"图形变化为主线,在图形变化中以问题的提出,寻求解决方法为突破口,以达到新命令的引出与学习。将AutoCAD两维图形编辑命令讲清、讲透,在宽松愉快而有兴趣的图形变化和问题讨论中,在活跃的课堂气氛中完成AutoCAD两维图形编辑命令的学习。     

On third order rotatability

Third order rotatability of experimental designs, moment matrices and information surfaces is investigated, using a Kronecker power representation. This representation complicates the model but greatly simplifies the theoretical development, and throws light on difficulties experienced in some previous work. Third order rotatability is shown to be characterized by the finitely many transformations consisting of permutations and a bi-axial 45 degree rotation, and the space of rotatable third order symmetric matrices is shown to be of dimension 20, independent of the number of factorsm. A general Moore-Penrose inverse of a third order rotatable moment matrix is provided, leading to the information surface, and the corresponding optimality results are discussed. After a brief literature review, extensions to higher order models, the connections with tensor representations of classic matrix groups, and the evaluation of a general dimension formula, are all explored.     

Object detection based on visual memory: a feature learning and feature imagination process

ABSTRACT

Visual memory plays an important role for the human’s visual system to detect objects. The features of an object stored in the visual memory have much lower dimensions than the features contained within an image. We simulate the visual memory as a feature learning and feature imagination (FLFI) process to build an object detection algorithm. The method is constructed by a bottom-up feature learning and a top-down feature imagination. The proposed object detection method is tested using publicly available benchmark data sets, and the result indicates that it is fast and more robust.