论文研究基于改进加速鲁棒特征的平面旋转人脸检测算法 .pdf

针对传统混合高斯模型学习率和背景模型阈值均采用无向导式选取方法，提出了相应的自适应更新策略。学习率自适应更新算法融合图像熵和2-D学习率查找表方法，解决了光照突变时背景更新过慢及固定权值造成的不能兼顾

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑，因而对一些图像进行角点提取时，存在角点信息丢失和位置偏移等现象，而B样条函数可以收敛于高斯函数，并具有良好的逼近能力和紧支性等一

PAGE 33 基于深度学习的人脸检测算法研究 摘 要 人脸检测是当今视觉领域里非常重要和实用的研究课题它应用于现实生活中的各个领域如公安金融网络安全物业管理以及考勤等基于视频的人脸检测属于动态检测常

已有的聚类算法大多仅考虑单一的目标，导致对某些形状的数据集性能较弱，为此提出一种基于改进粒子群优化的无标记数据鲁棒聚类算法。优化阶段：首先采用多目标粒子群优化的经典形式生成聚类解集合；然后使用K-me

针对现有蜂窝网定位技术在实际应用中没有完整的定位测量参数就无法完成定位的缺点, 提出了一种开放式的鲁棒融合定位新方法。该方法以信息融合技术为理论基础, 融合异质异构的定位信息进行定位, 在保证定位精度

为了提高角点检测的准确性和快速性，通过分析穿过角点的直线所具有的特性，提出了一种基于非终结线数目的快速角点检测算法。该算法以当前像素为核心作用一个圆形模板，计算穿过核心的非终结线的数目换算值，当该值位

针对原码书算法在检测中码字匹配效率低以及在复杂背景下检测精确度差的问题,提出了一种基于区域特征分析的层级有序码书目标检测新算法。首先,利用一种新颖的“码书—码章—码字”三级结构用以精确划分码书,在优化

针对SUSAN法检测X型角点能力较弱的问题，提出一种新的角点检测算法。在圆形模板区域内引入点对的概念，通过建立核值与点对的匹配规则来检测角点。给出了一个模板响应公式，加大了各点模板响应值的差别，提高了

针对目前数字水印算法对一些去同步攻击和复合性的几何攻击难以应对问题，提出一种基于Harris-Laplacian的特征点均衡化鲁棒数字水印方法。通过改变Harris-Laplace方法中Harris角

Chan与Vese 提出的C-V主动轮廓模型采用传统的水平集方法实现，为了保证水平集函数演化的稳定性，需要加入轮廓的长度项来规则化水平集函数，且在演化的过程中要周期性重新初始化为符号距离函数，从而大大