多尺度的图像视觉特征表示方法-西安财经学院.docVIP

项目公示信息 1.项目名称 基于多尺度的图像视觉特征表示方法 2.主要完成人情况 杨国安，陈大鹏，曹建福，祝继华，景明利，胡怀中，田丽华，杨旸， 苏远岐，李垚辰，张松俊 姓名 杨国安 排名 1 行政职务 无 技术职称 副教授 工作单位 西安交通大学 完成单位 西安交通大学 对本项目主要学术和技术创造性贡献 负责本项目的总体框架设计和技术路线的制定，提出了基于9/7小波变换的的图像视觉特征表示方法及其稀疏编码方案和基于Contourlet变换的图像视觉特征表示及其稀疏编码方法。 姓名 陈大鹏 排名 2 行政职务 无 技术职称 讲师 工作单位 西安交通大学 完成单位 西安交通大学 对本项目主要学术和技术创造性贡献 在本项目中为视觉图像的目标跟踪提出了一种有效的基于三要素协同的多尺 度联合跟算法的框架。该视觉目标的跟踪算法能够同时利用不同类型的“力”（Forces），即引力、斥力和支持力，来综合发挥它们的对视觉特征的增强和互补的优势。该算法从不同时间尺度样本集学习出的三个成分对三种“力”进行建模。长时描述式成分吸引目标样本，同时，中时描述式成分使目标与背景相排斥。这两个成分在表观模型中相结合并能够使双方力度增强。短时回归模型结合不同辅助样本的投票（Votes），来决定目标的位置，从而形成上下文感知的运动模型。其次，表观模型和运动模型相结合共同决定视觉目标特征状态，最终的特征状态由一个由粗到精的多尺度搜索方法来决定，本算法的目标跟踪性能超过了目前最好的同类研究指标，研究成果发表在IEEE PAMI。 姓名 曹建福 排名 3 行政职务 无 技术职称 教授 工作单位 西安交通大学 完成单位 西安交通大学 对本项目主要学术和技术创造性贡献 在本项目中，提出了一种基于粒子群优化( PSO)的非组织点云的非监督平面图 像分割算法，并根据PSO聚类算法和内点随机采样一致性的聚类距离给出了鲁棒的 非监督平面分割的目标函数及其优化算法，该算法可以同时实现找寻到分割平面块(Patch)集的数量和位置，为图像视觉特征计算提供了提供了新方法。 姓名 祝继华 排名 4 行政职务 无 技术职称 副教授 工作单位 西安交通大学 完成单位 西安交通大学 对本项目主要学术和技术创造性贡献 在本项目中，提出了自然场景无序视觉目标扫描的多视角配准方法，该方法 是一种多尺度视角配准方法，可实现由粗到细的多尺度自动配准。其中，在“粗” 的过程中，采用遗传算法重叠扫描的耦合配准方法构造一个Span树，在多视角配准 的“粗”过程，由已经构造好的Span树来计算。在“精”过程中，为了获得精确的 自然场景视觉图像模型，“粗”配准结果可以作为切边迭代最近点算法的初始参数， 这样在不做任何特征提取的情况下，可以自动地实现无序视觉目标扫描的多尺度 多视角配准。 姓名 景明利 排名 5 行政职务 无 技术职称 副教授 工作单位 西安财经学院 完成单位 西安财经学院 对本项目主要学术和技术创造性贡献 在本项目中，提出了一种基于压缩感知理论的视觉特征表示及其稀疏编码方 法，利用该方法进行视觉图像的恢复与重构性能良好，计算复杂度低且效率高。该算法是主要采取正交投影算法和准牛顿优化算法的有机结合称为为准牛顿迭代投影(QNIP)算法来实视觉图像的现压缩感知恢复。该算法有两个优势：采样矩阵、每次迭代及其转置矩阵的计算十分简单；迭代收敛所需要的次数较少，本算法与同类研究在压缩感知恢复方面表现出较好的性能。 姓名 胡怀中 排名 6 行政职务 无 技术职称 副教授 工作单位 西安交通大学 完成单位 西安交通大学 对本项目主要学术和技术创造性贡献 研究表明，基于模糊集的数据分类具有计算量小、无需事先确定分类属性个数 且可得到较高正确分类率的优点。有序权重平均算子(OWA)作为OWA机制的模糊集最 具代表性的α级I型OWA，其计算复杂度介于O(n)和O(n2)之间。由于α级I型OWA算子 的计算非常接近于模糊权重平均(FWA)，因此，最有效的FWA算法的计算复杂度是 O(n)。在本项目中，提出了一种基于ODSFWA的计算I型OWA的反向搜索算法，实现了 视觉图像多层多方向分解系数的快速分类与重组，由计算成本和CPU时间成本可知， 该算法可以大幅度节省运算成本，同时提高图像视觉特征计算的效率。 姓名 田丽华 排名 7 行政职务 无 技术职称 高级工程师 工作单位 西安交通大学 完成单位 西安交通大学 对本项目主要学术和技术创造性贡献 研究表明，图像视觉特征如感兴趣区域（ROI）不是一个固定区域，只是一个 可以表示图像最重要信息的区域，因此使用目标对象视觉注意的显著性模型可以自 动提取ROI。另外，为了使得提出的算法对白噪声更具鲁棒性，