两阶段判别嵌入模糊聚类

针对两阶段判别嵌入式聚类算法无法有效地反映数据的真实结构问题,提出一种两阶段判别嵌入模糊聚类算法。首先利用模糊C-均值算法对数据进行初始聚类,得到数据的初始隶属度矩阵,然后通过奇异值分解和求解最大散度差对数据降维处理,最后在低维子空间中对降维后的数据再次进行模糊C-均值聚类。通过对初始数据和降维后的数据进行模糊聚类提高算法的准确度。对比实验结果表明,该算法可获取最优聚类精度,并能更有效地反映数据的真实结构。     

基于类别保留投影的基因表达数据降维方法

针对基因表达数据的高维小样本问题,提出一种新的线性降维方法.该方法采用保局投影,结合样本的类别信息,将基因表达数据投影到特征子空间.与主分量分析方法寻找最大方差方向不同,类别保留投影方法旨在寻找能够反映样本类别结构的特征子空间.采用该方法进行数据降维的同时能使样本按照类别属性进行聚类.对真实的基因表达数据进行了降维可视化和k均值聚类分析,并与主分量分析方法进行了实验比较,结果表明,类别保留投影方法在实现降维的同时能更好地识别样本的类别特征,从而可视化效果相比主分量分析要好得多,且能得到较好的聚类效果.     

两阶段判别嵌入式聚类

针对判别嵌入式聚类算法对高维数据聚类速度慢的问题,给出一种两阶段判别嵌入式聚类算法。对正则化类间散度矩阵做奇异值分解,得到数据的变换矩阵,对数据进行初次降维,并用判别嵌入式聚类算法中的经典降维方法对低维数据再次降维。通过两次降维来减少判别嵌入式聚类算法的时间复杂度,提高聚类效率。     

用于不同密度聚类的多阶段等密度线算法

多阶段等密度线算法是在基于网格的等密度线聚类算法的基础之上 ,采用多阶段的聚类方式来解决分布密度变化较大的数据集的聚类分析问题. 该算法能够找出分布密度不同的各种类别 ,并能很快地处理高维数据集. 此外 ,还能有效地对时间序列数据集进行聚类.     

EM算法在纹理织物图像分割中的应用

提出了一种基于多特征值高斯混合模型（Gaussian Mixture Model）期望最大化（Expectation Maximization,EM）聚类的图像分割算法.该算法采用YCbCr彩色空间提取每个像素点的颜色特征,选择像素点邻近的一个方块计算每个像素点的纹理特征,然后采用基于高斯混合模型的EM算法对图像每个像素进行聚类,根据聚类结果进行区域合并得到纹理织物图像分割的最终结果.通过和其他分割算法进行对比,此算法具有较好的分割效果.     

一种基于模糊聚类的快速图像分割算法

提出一种基于二维直方图加权的模糊c均值图像快速分割算法.通过将原图像和它的平滑图像相结合,构造一个二元组的“广义图像”,广义图像的直方图就是原图像的二维直方图.然后对此二维直方图进行塔形分解得到金字塔的上一层——顶层,相应地称原二维直方图为底层.最后,利用加权模糊c均值聚类算法分别对顶层和底层进行模糊聚类,从而实现对原图像的分割.实验结果与性能分析表明,该算法具有较高的分割速度和良好的抑制噪声的能力.     

基于柱面反投影算法的三维物体表面纹理重建

从图像中提取纹理用作纹理映射是三维重建的常用方法之一,然而通过相机获取的照片纹理经常存在失真变形．不能直接用于纹理映射,故需要研究失真纹理的校正针对圆柱面物体提出一种柱面反投影算法,将物体在圆柱面上的影像纹理投影到二维视平面上显示,并用线性插值算法对缺损的像素值进行插值校正,然后利用SIFT（Scale Invariant Feature Transform）尺度不变特征点匹配算法对校正后的纹理图像进行特征点提取与匹配,最后采用加权平滑算法实现图像的拼接,从而得到宽视角的纹理图像．实验表明,利用上述方法能够有效地生成三维重建所需的纹理．     

基于改进的核判别分析的人脸识别算法研究

由于目前面临光照、表情、姿态等影响,人脸识别是计算机视觉领域中的一个难题.由于人脸图像蕴含着丰富的纹理信息,充分利用纹理特征也是提高人脸识别算法的有效方法.利用图像处理中信号处理和学习两种方法的优势,提出了基于Gabor小波和KDCV相结合的图像特征提取算法.首先利用小波分析提取人脸图像的纹理特征,然后用改进的核判别分析方法对提取的纹理特征进行降维,用降维后的数据作为人脸识别的特征.通过仿真实验表明,改进的核判别分析算法可有效提高人脸识别正确率,提高算法的实际应用性.     

保局投影算法的优化研究

保局投影算法的基础是构造一个模拟图像局部结构的最近相邻图,但该最近相邻图并不总能够准确表示图像的流形结构,该文提出了一种基于保局投影的迭代保局投影优化算法。该方法可以不断地迭代更新保局投影算法的最近相邻图,最近邻图的构成直接影响到保局投影算法的性能,因此,优化后的最近相邻图可以更好地表示出图像的流形结构。从而可以得到更佳的降维映射。对该算法与PCA及LPP的图像检索效果进行实验比较,结果表明,该算法可以获得更好的效果。     

融合复小波特征和局部二值模式的纹理聚类

为了解决图像检索中聚类问题,对图像作双树旋转复小波变换,再对变换后的系数通过广义高斯模型建模后,计算Kullback-Leibler距离;对图像采用局部二值模式,计算图像之间的对数似然距离.将这2种距离采用事先计算得到的加权因子进行融合得到新的距离.在此距离的基础上构建邻接矩阵,对邻接矩阵采用谱聚类的方法进行聚类运算.实验证明,由于双树旋转复小波变换和局部二值模式之间存在互补性,在聚类过程中将2种特征距离结合起来,能够有效地提高聚类的正确性.     

一种用于人脸识别的正交邻域保护嵌入算法

在邻域保护嵌入算法的基础上,提出了一种新的降维方法——正交邻域保护嵌入算法．首先,从最优投影的概念出发,定义了一种反映投影向量的邻域结构保护能力的函数;然后以邻域保护函数为目标函数,在原始的优化问题中增加正交约束条件,推导得到一组具有正交性的最优投影向量的迭代公式．与邻域保护嵌入算法相比,得到的正交向量具有更好的邻域保护性能,从而带来更强的判别能力,降低了误差率．在标准人脸库上的实验结果表明,与其他降维方法相比,新算法的最低误差率可减小15％~20％,且在选取的特征维数较低时就可获得最优值．     

基于改进的有监督无参局部保持投影算法的人脸识别

针对局部保持投影算法的无监督性质和参数选择复杂性问题,提出一种改进的有监督无参数局部保持投影算法(supervised dice parameter-free locality preserving projection, SdPLPP)。SdPLPP算法使用广义Dice系数构建近邻矩阵,有效避免局部保持投影(locality preserving projection algorithm, LPP)算法参数选择调整的问题,采用监督模式对数据进行特征提取。SdPLPP在Iris数据集进行了图像可视化试验,直观分析试验分类后的样本距离值与算法性能的关系,并在ORL, Yale, FERET 3种人脸库上进行试验,通过对人脸数据的特征提取,采用最近邻分类法统计识别率,验证SdPLPP算法的有效性。试验结果表明:在人脸识别率方面, SdPLPP算法优于PCA, ULDA, LPP, SPLPP和EP-SLPP的算法,并优于已提出的其他有监督无参数局部保持投影算法。     

基于随机旋转局部保持哈希的图像检索技术

针对基于局部保持投影（locality preserving projection,LPP）的哈希用于图像检索造成图像表征力不强、检索效率低下的问题,融合LPP及主成分分析（principal component analysis,PCA）技术,提出一种随机旋转局部保持哈希的图像检索算法。首先对样本进行PCA降维,对PCA变换矩阵进行随机旋转形成PCA降维矩阵,将原始样本在降维矩阵上进行投影,得到PCA降维样本。为充分利用样本间的相似性结构,对PCA降维样本进行LPP映射,并引入随机矩阵对特征向量进行偏移构造最终编码投影矩阵。再将原始样本投影到编码投影矩阵,得到最终的降维样本;最后对其进行哈希编码,得到有效的二进制编码用于图像检索。算法充分考虑样本间的全局和局部相似性结构,体现了样本间所蕴含的局部和全局信息,把随机旋转应用于PCA降维矩阵,减少了编码之间的量化误差,提高了图像特征的识别能力。分别在3个人脸数据集上进行性能测试实验,并与相关方法进行比较,得到了较好的效果。实验结果表明该方法是有效的。     

云环境中考虑隐私保护的人脸图像识别

针对目前使用计算机进行人脸识别往往效率较差,且未考虑到隐私保护等问题,提出一种新的云环境中考虑隐私保护的人脸图像识别方法.对人脸图像进行简化处理以保护主要信息,并建立人脸图像主成分分析(PCA)数学模型,采用局部二值模式(LBP)方法获取人脸图像纹理特征,采用保局投影(LPP)方法选择人脸特征,并选取最常见的分数法对选择后的特征进行稳定性度量,引入深度网络法进行人脸图像的识别.结果表明,所提出的改进方法在保证人员隐私的基础上,具有较高的识别精度与识别效率.     

基于Radon和小波变换的纹理图像检索

提出一种新的基于Radon和小波变换的图像纹理特征检索算法．针对检索图像进行Radon变换,并对投影矩阵进行中心化使其具有平移不变性．利用图像的统计值对投影数据规范化,分别沿 和t方向对投影矩阵进行TSI小波分解,得到具有平移、旋转和尺度不变的小波分解．提取各子带能量作为图像的纹理特征,并对特征向量进行高斯归一化．以两幅图像归一化特征向量间的Canberra距离作为图像的相似度进行检索．基于纹理特征的图像检索试验结果表明,该方法对高斯噪声具有较强的鲁棒性,与其他方法相比具有较高的检索率．     

基于双树紧支剪切波变换的遥感图像融合

提出一种基于双树紧支剪切波的遥感图像融合算法。紧支剪切波变换是剪切波理论的空域实现,因其步骤中包含了传统的离散小波变换(DWT),引入了移变性。分析移变性对图像融合的影响,采用双树复数小波抑制紧支剪切波的移变性,与主分量分析变换(PCA)或IHS变换相结合,提出遥感图像融合算法。通过QuickBird和IKONOS的三组数据的进行实验,结果表明提出的融合方法性能优于基于DWT、à trous小波、Curvelet以及基于频域实现剪切波(à trous shearlet)方法。     

大型人脸库上基于局部二元模式直方图映射的快速识别

传统的基于局部二元模式(LBP)的人脸识别方法采用卡方统计度量LBP直方图间的差异,由于卡方统计度量的复杂性以及是在高维空间进行判别,此方法在大型人脸库上的识别速度低,为此提出一种LBP直方图映射(LBPHP)方法.将LBP直方图映射到保局投影(LPP)空间获取低维LBPHP特征,当判别新样本时只须比较新样本与训练样本的LBPHP特征,识别过程简单且在低维空间进行,识别速度很快.鉴于LPP强大的鉴别特性,此方法的识别率很高.在2个知名人脸库上对LBPHP方法进行实验验证,结果表明,相比于传统识别方法,LBPHP的识别速度快,尤其在大型人脸库上优势更加明显,适于在此类人脸库上的实际应用如身份认证等.     

基于局部保持的KNN算法

距离度量对K近邻(KNN)算法分类精度起着重要的作用。传统KNN算法通常采用欧氏距离,但该距离将所有特征的差别平等对待,忽略了数据的局部内在几何结构特征。针对此问题,文章借鉴局部保持投影(LPP)的基本思想,在考虑数据的局部内在几何结构特征基础上,依据类内局部保持散度矩阵构造一种距离度量新方法,利用该距离度量提出一种局部保持K近邻算法。实验结果表明,与采用欧氏距离和传统马氏距离的KNN相比,本算法能够得到更好的分类精度。       

改进双向二维局部保持投影的人脸识别算法

为更好地处理图像小样本问题,且克服二维局部保持投影（2DLPP）算法只能保持数据局部性质的缺陷,通过结合二维主成分分析（2DPCA）和二维线性鉴别分析（2DLDA）的算法特性,提出了一种改进的双向二维局部保持投影的人脸识别算法。首先,引入样本类别信息改进权重矩阵,增强2DLPP算法对样本变化的鲁棒性;其次,提出改进2DLPP+2DPCA、2DLPP+2DLDA两种融合算法并分别用于输入样本图像数据的行、列方向特征提取。在特征选择后得到行、列方向上的最优投影;最后,通过对样本数据进行行、列方向投影,利用最近邻分类器对样本数据进行分类并获得在给定数据集上的识别结果。在人脸数据集ORL、YALE和AR上的实验结果表明,该算法在人脸识别性能上总体优于2DPCA、2DLDA、2DLPP、（2D）2PCA、（2D）2LDA、（2D）2PCALDA和（2D）2LPP-PCA等算法。