本项目旨在以图论为理论依据,结合代数和优化方法,研究目标的分割和识别问题。主要研究内容包括:分析非线性核技巧、流形学习方法与图谱分析之间的关系,并且把它们引入到图谱分析中得到非线性图谱分析方法,克服现有线性图谱分析方法对复杂问题描述的不足;深入研究拓扑图和模式向量之间的相互转换关系,解决图匹配和图聚类中存在的关键问题;利用动态规划来弱化传统图切割算法中对能量函数的强约束要求,提高现有图切割算法的计算效率;采用主动学习的方法引入人的主观反馈,实现交互式的图切割方法,来解决一些图像和视频目标分割的难题。
{{i.achievement_title}}
数据更新时间:2023-05-31
针对弱边缘信息的左心室图像分割算法
基于多色集合理论的医院异常工作流处理建模
基于改进LinkNet的寒旱区遥感图像河流识别方法
基于旋量理论的数控机床几何误差分离与补偿方法研究
现代优化理论与应用
结合超体素与黎曼图的城市街道LiDAR点云目标分割与识别研究
基于随机场的声纳图像分割与目标识别
基于图模型的视频目标跟踪与识别
目标协同分割与识别技术的研究