基于自适应距离半监督LE的图像检索

Laplacian特征映射是基于欧氏距离的近邻数据点的保持,高维数据点的近邻选取最终将影响全局低维坐标.本文将鉴别信息引入到近邻数据点中,使用有鉴别信息的距离测度来代替欧式距离测度,提出了一种基于自适应测度的半监督拉普拉斯特征映射相关反馈算法FAD-SSLE(feedback on adaptive distance semi-supervisedlaplacian eigenmaps).在图像检索上的实验结果表明,该方法能够有效地利用少量的监督信息来提高分类和检索性能.     

基于高维形象几何的图像K近邻分类

使用一种模仿人类形象思维的图像特征提取方法,把图像映射为高维空间的一个点,并以此作为特征向量.计算高维特征空间中的点之间的距离,并在此基础上,使用K近邻算法进行图像分类.实验表明,与使用其他方法的特征提取下的K近邻算法相比,该方法具有优越性.     

面向图像分类的核主成分分析网络（英文）

为了能够用线性分类器对非线性特征进行分类,同时提高图像的分类正确率,提出了一种核主成分分析网络(KPCANet).首先通过核主成分分析算法将数据映射到高维空间中,使得数据线性可分,然后建立一个2层的KPCANet,提取出图像的主特征,最后将图像的主特征输入线性分类器中进行分类.实验结果表明,KPCANet对于人脸识别、物体识别以及手写数字识别效果良好,其分类效果优于现存的主成分分析网络(PCANet).同时,KPCANet的成分提取效果不受光照条件变化的影响,且对于遮挡以及微小的形变提取效果稳定.     

基于PCA和SVM的人脸识别系统研究

本文采用了图像的KGB特征进行人脸识别。所用的是ORL头像数据库．先对其进行图像预处理来增强图像特征．然后采用PCA方法将其降维,取出其主特征信息．用这个主特征向量空间进行SVM训练得到支持向量机模型．识别的时候先将要识别的头像进行相同的预处理．之后映射到样本空间再进行识别．同时使用了SVM的默认多分类．也采用了一种基于二叉树方法的多分类．并比较其异同．     

基于PCNN分割的癌细胞图像识别方法研究

在一个用于癌细胞识别的图像处理系统中使用形态学特征来识别癌细胞,提高了系统识别癌细胞的稳定性与有效性。首先采用了一种基于PCNN的细胞分割方法,有效去除微小干扰点,利用链码技术进行细胞参数的测量,利用形态学特征检出可疑癌细胞。实验结果表明,该方法是可行有效的。     

基于机器视觉的养殖鱼摄食行为识别方法

利用机器视觉系统获取养殖鱼摄食图像纹理特征来识别养殖鱼群的摄食行为。从养殖鱼摄食图像上直接提取能表征鱼群摄食行为的20维特征,通过归一化、PCA降维和支持向量机训练获得养殖鱼摄食行为识别模型,以实现对养殖鱼摄食行为的识别。结果表明,提出方法的平均精确度为92.3%、假负率7.34%、假正率4.15%,为指导养殖鱼智能投饵提供了参考。     

不同力度下乒乓球反弹轨迹智能识别方法

为了提高对乒乓球的量化训练指导能力,需要进行不同力度下乒乓球反弹轨迹跟踪识别,提出基于视觉特征提取和空间区域像素特征匹配的不同力度下乒乓球反弹轨迹智能识别方法.构建乒乓球反弹轨迹的图像信息采样模型,在不同的力度下进行乒乓球反弹轨迹的图像信息虚拟重建,采用空间三维区域重建方法进行不同力度下乒乓球反弹轨迹的图像特征提取,构建乒乓球反弹轨迹图像的边缘轮廓特征提取模型,结合视觉特征提取和空间区域分块模板匹配方法进行像素特征匹配,根据特征匹配结果求得乒乓球反弹轨迹的相似度特征量,根据尺度分解方法实现不同力度下的乒乓球反弹轨迹智能识别.仿真结果表明,采用该方法进行不同力度下乒乓球反弹轨迹识别的智能性较好,特征分辨能力较强.     

基于特征匹配与 CNN 的浮动验证码识别研究

为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与 K 近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在 mnist 手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对 10 000 张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达 95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。     

基于CNN的多尺度特征在手写数字识别中的应用

在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图像的多尺度特征.然后,将多尺度特征送入全连接网络和Soft Max分类器,实现手写数字图像识别.最后,通过对不同网络结构的CNN算法进行评估表明,本文提出的算法可以有效提高网络精度,具有较好的泛化能力.     

基于改进 K 近邻算法的小型汽车号牌识别系统

为了对现有小型汽车号牌识别系统进行优化,改善车牌字符识别系统性能,借助 OpenCV 图像处理开源库,在车牌图像预处理阶段采用均值滤波方法提高图像质量,采用 Sobel 边缘检测算子对图像边缘进行提取,利用交替的膨胀、腐蚀操作结合车牌长宽比实现车牌轮廓定位,并根据列像素值对车牌字符进行切割,最后采用改进的 K 近邻算法对分割后的单个车牌字符进行识别。实验结果表明,基于改进 K 近邻算法的车牌识别系统处理时间为 2.08s,识别正确率达 91.3%。与传统的 K 近邻算法相比有着更高的识别率,与神经网络法相比,有着更快的识别速度。     

基于机器视觉的凸轮轮廓识别研究

研究了如何采用机器视觉手段实现凸轮轮廓识别.通过对载物台上凸轮图像信息的采集,利用Matlab软件编程实现对样本图像的差分、二值化、滤波、轮廓提取等处理,获得凸轮轮廓特征点的关键参数.然后利用Matlab编程,对轮廓特征点参数进行三阶拟合和残差分析,完成凸轮轮廓的识别.通过残差分析,结果表明:采用机器视觉实现的凸轮轮廓识别在95%置信度上拟合方程具有可靠性、准确性.这将在凸轮轮廓快速识别、反求设计、特种加工等领域具有广阔的应用前景.     

基于SIFT与SVM的钉螺数字图像识别

监测与控制钉螺生长区域,对有效控制血吸虫病疫情的传播和蔓延作用十分重要.采用数字图像识别技术,可以高效地实现对钉螺生长区域的监控.面对杂乱、图像部分遮挡、光照变化等复杂背景下的钉螺数字图像识别,提出了解决方案:首先,提取钉螺数字图像的SIFT特征向量集;然后,应用K均值聚类获取更具代表性的特征子集,作为分类器的训练样本集;最后,通过支持向量机方法获得分类器,用于识别钉螺数字图像.实验结果表明,提出的方法能够获得较好的识别效果.     

QR二维码的图像识别技术探讨

随着二维码的广泛应用,图像识别技术在二维码的识别中会使用的越来越多.本文简要介绍了QR二维码的特性和符号结构,详细分析了采用图像处理方法识别QR码的整个过程,并将双线性映射方法应用于图像校正,最后给出了解码的具体步骤.     

基于fMRI和DTI小波融合信号的抑郁症识别(英文)

功能核磁共振和弥散张量这2种成像方式能够反应人类大脑不同方面的信息,采用小波变换的方法来对这2种医学图像进行融合可以有效改善抑郁症的识别准确率.首先,利用多尺度小波分解方法把每种类型的图像都转换到频域,以得到各频率的成分参数.其次,对于每个被试,将2种图像的分解参数根据频率各自相加,并且通过小波逆变换重建出融合图像.然后,使用主成分分析方法对融合的数据进行降维并得到图像特征.基于融合后图像的特征,采用留一检验方法最终得到了80.95%的抑郁症识别率.可以看出,该小波融合方法能够对当前抑郁症的诊断识别进行有效的改进.     

基于激光测距法的智能虹膜识别系统设计

针对传统虹膜识别系统计算复杂、实时性差等问题,设计了一种激光测距法的智能虹膜识别系统。在Gabor滤波图像的基础上,利用分块图像的幅值均值和相位信息来提取虹膜特征量,并结合k-近邻算法来完成虹膜识别功能,减小识别时间并提高识别准确度;同时,针对红外相机在日夜转换时因可见光与红外光波长不同导致的虚焦、画面模糊现象,采用激光测距法自动对焦,实现低成本、快速、精确的人眼图像预处理。本设计将识别结果通过WiFi发送至云端服务器,减少了布线。经测试,该系统运行稳定、识别速度快,已应用于某安防系统。     

基于改进堆叠独立子空间分析模型的行为识别

视觉特征提取与特征表达方法在图像分类及识别中十分重要,从特征学习和特征表达角度出发,提出一种基于改进堆叠独立子空间分析模型提取特征的行为识别算法。首先采用两层独立子空间神经网络构建堆叠网络,在特征学习过程中融入正则化约束项,并结合时空卷积算法,获取视频时空层次化不变性特征基元;然后以堆叠卷积网络两层特征基元的非线性映射获取一种规则网格划分下的视频块状局部特征描述符;最后结合时空金字塔匹配模型构建时空层次特征,采用一对多支持向量机分类方法对视频中的动作进行分类。在KTH视频数据库中进行实验。结果表明,该算法学习到的特征基元可对视频构建低维高效的特征描述符,与现有多种行为识别算法进行对比,改进行为识别算法有效性进一步提高。     

基于级联特征网络的人体姿态估计

为了解决关键点检测精度不均和整体关键点检测精度不高等问题,基于级联特征网络,通过构建主体网络多分支、多阶段、多分辨率的方式从输入图像中提取丰富特征,并通过微调网络中的级联和在线关键点挖掘以提高整体关键点检测精度.采用自顶向下的方法在MPII数据集上与目前先进方法进行对比实验,分别使用20000张图像进行训练,5000张...     

基于神经网络的大数据分析方法

基于不同视角和情境特征的大数据定义诠释了大数据的 5V 特性,在扩展大数据价值空间与应用模式的同时催生了以“数据驱动+模型驱动”范式转变为代表的核心问题。为解决大数据分析核心问题,引入神经网络,采用性能优越的卷积神经网络设计对比实验,运用两个公开数据集对其进行训练,并在输出层分别使用L2-SVM 和 Softmax 激活函数。在手写数字识别和彩色图像识别中,L2-SVM 的识别错误率分别为 0.87%和11.9%。实验结果表明,基于 L2-SVM 的神经网络大数据分析方法可以获得更高的识别精度。     

应用机器学习方法从静力触探结果中识别快黏土和高灵敏度黏土（英文）

目的:研究机器学习技术在利用孔压静力触探测试(CPTu)识别高灵敏度黏土和快黏土的潜力。创新点:1.成功应用机器学习方法从CPTu结果中分类出高灵敏度黏土和快黏土,并将结果与不同地点的实际土层进行了比较。2.通过对机器学习算法的多次训练确定了可以获得良好结果的最少CPTu个数。方法:1.基于对两个位置已知和土层确定的CPTu数据集的分析,使用3种机器学习图像分类方法(逻辑回归、朴素贝叶斯和隐藏马尔科夫模型)将CPTu数据用于样木分类。2.将结果与实际土层进行比较,识别高灵敏度黏土和快黏土,并从计算性能度量方面比较3个方法的优缺点。结论:仅采用4个CPTu训练样本便可获得基于逻辑回归、朴素贝叶斯和隐藏马尔科夫模型的识别高灵敏度黏土和快黏土的3个分类模型,且分类精度良好。     

一种视频防抖的车辆检测算法

为解决由于道路颠簸、车辆自身抖动导致视频帧图像模糊而影响车辆检测效果的问题,采用基于特征匹配的光流法结合SURF特征点提取算法对车载视频进行防抖预处理,再将增稳后的视频序列传入训练好的YOLOv4框架进行车辆检测.在KITTI数据集上对该算法进行验证,最终识别准确率达96.5％.通过对比防抖前后测试结果发现,建立的防抖...