共查询到20条相似文献,搜索用时 250 毫秒
1.
运用计算机模式识别技术识别血细胞图像,是医学图像领域应用的一个重要研究课题,在血细胞识别过程中,细胞的特征提取是至关重要的一环。本文从形态学特征、颜色特征、纹理特征等几个方面综述了血细胞自动识别中几种细胞特征的提取方法。 相似文献
2.
3.
4.
一种基于集成学习和特征融合的遥感影像分类新方法 总被引:1,自引:1,他引:0
针对多源遥感数据分类的需要,提出了一种基于全极化SAR影像、极化相干矩阵特征、光学遥感影像光谱和纹理的多种特征融合和多分类器集成的遥感影像分类新方法.对全极化PALSAR数据进行预处理和极化相干矩阵特征提取,利用灰度共生矩阵计算光学和SAR影像的对比度、逆差距、二阶距、差异性等纹理特征参数,并与光谱特征结合,形成6种组合策略.利用集成学习方法对随机森林分类器、子空间分类器、最小距离分类器、支持向量机分类器、反向传播神经网络分类器等分类器进行组合,对不同组合策略的遥感影像特征集进行分类.结果表明提出的基于多种特征和多分类器集成的新方法很好地利用了主被动遥感数据在不同地表景观类型提取上的潜力,综合了多种算法的优势,能够有效地提高总体精度和各类别的分类精度. 相似文献
5.
针对复杂环境下基于肤色模型的人脸检测误检率较高以及Adaboost算法对高分辨率图像时间效率低,提出了一种新的结合肤色模型和皮肤纹理特征以及Adaboost级联分类器的人脸检测方法,并改进了基于纹理刷色阶偏差法的皮肤纹理特征提取方法。该算法充分融合了肤色模型简单快捷、皮肤纹理突出的特性以及Adaboost级联分类器检测率高等优点。实验表明,该方法检测率高且有较好的鲁棒性。 相似文献
6.
7.
8.
王丽艳 《微电子学与计算机》2013,30(2)
针对单一特征图像自动识别算法存在识别结果不稳定和识别正确率低等缺陷,提出一种基于证据理论和改进神经网络相融合的图像自动识别算法.首先提取能反映图像类别信息的颜色和纹理特征,然后采用RBF神经网络对单一特征进行初步识别,识别结果作作为证据,最后采用证据理论对初步识别结果进行决策融合处理,得到图像最终识别结果.仿真测试结果表明,该算法的平均识别正确率达到92.29%,相对于单一特征识别算法,图像识别结果的可靠性和正确率得到了大幅提高,具有较好的应用前景. 相似文献
9.
提出了一种基于纹理特征的汽车车脸车型识别方法。首先对车辆图像进行预处理,再通过基于灰度共生矩阵的纹理分析,得到纹理特征值,即待识别车型的纹理特征,最后利用最小距离分类器进行车型识别。实验结果表明,文中提出的车型识别方法简便、快捷、有效。 相似文献
10.
11.
针对传统基于极端学习机(ELM)的纹理分类方 法容易出现输出不稳定的缺点,本文将线性和非线 性模型进行融合,改进了传统动力学模型。利用ELM能够快速学习的特点,将其作为基分类 器,同时利用 线性吸引子和局部吸引子的迭代,实现多个ELM分类器的最佳融合,以提升学习模型的泛 化能力和稳定 性。利用动力模型实现多分类器的融合有助于寻求多个基分类器之间的一致性,摒弃了基分 类器中判别错 误的样本输出。通过对CUReT纹理数据库的分类结果,与传统纹理分类方法相 比,本文算法的稳定性 和分类准确率都得到了一定程度的提升,取得了理想的分类效果。 相似文献
12.
Jie Wei Huaping Liu Gaowei Yan Fuchun Sun 《Multidimensional Systems and Signal Processing》2017,28(3):817-833
Recognizing which part of an object is graspable or not is important for intelligent robot to perform some complicated tasks. In order to obtain good grasping performance, learning rich representations efficiently from multi-modal RGB-D images is crucial. To address this problem, in this paper, we propose an effective multi-modal deep extreme learning machine structure. In this structure, unsupervised hierarchical extreme learning machine (ELM) is conducted for feature extraction for RGB and depth modalities separately. Then, the shared layer is developed by combining both RGB and depth features. Finally, the ELM is used as supervised feature classifier for final decision. Experimental validation on Cornell grasping dataset illustrates that the proposed multiple modality fusion method achieves better grasp recognition performance. 相似文献
13.
An enhance excavation equipments classification algorithm based on acoustic spectrum dynamic feature
Jiuwen Cao Wuhao Huang Tuo Zhao Jianzhong Wang Ruirong Wang 《Multidimensional Systems and Signal Processing》2017,28(3):921-943
Underground pipeline network surveillance system attracts increasingly attentions recently due to severe breakages caused by external excavation equipments in the mainland of China. In this paper, we study excavation equipments classification algorithm based on acoustic signal processing and machine learning algorithms. A cross-layer microphone array with four elements is designed to collect the acoustic database of representative excavation equipments on real construction sites. The generalized sidelobe canceller algorithm is employed for background noise reduction. The improved spectrum dynamic feature extraction algorithm is then implemented for the benchmark acoustic feature database construction of excavation equipments. To perform classification and background noise identification, the single hidden layer feedforward neural network is employed as the classifier. An improved algorithm based on the popular extreme learning machine (ELM) is proposed for classifier learning. The leave-one-out cross validation strategy is adopted for the regularization parameter optimization in ELM. Comprehensive experiments are conducted to test the effectiveness of the proposed algorithm. Comparisons with state-of-art classifiers and the Mel-frequency cepstrual coefficients acoustic features are also provided to demonstrate the superiority of our approach. 相似文献
14.
In the problem of unsupervised domain adaption Extreme learning machine (ELM), the output layer parameters need to have both classification and domain adaptation functions, which often cannot be simultaneously fully utilized. In addition, traditional matching method based on data probability distribution cannot find the common subspace of source and target domains under large difference between domains. In order to alleviate the pressure of double functions of classifier parameters, the entire ELM learning process is mainly divided into two stages: feature representation and adaptive classifier learning, thus a joint feature representation and classifier learning based unsupervised domain adaption ELM model is proposed. In the feature representation stage, the source and target domain data are projected to their respective subspace while minimizing the difference in probability distribution between the two domains. In the adaptive classifier learning stage, the smooth manifold regularization term of target domain is used to improve the parameter adaptive ability. Experiments on six different types of datasets show that the proposed model has higher cross-domain classification accuracy. 相似文献
15.
特征选择是机器学习和数据挖掘中处理高维数据的初步步骤,通过消除冗余或不相关的特征来识别数据集中最重要和最相关的特征,从而提高分类精度和降低计算复杂度。文中提出混合蒙特卡罗树搜索特征选择算法(HMCTS),首先,根据蒙特卡罗树搜索方法迭代生成一个初始特征子集,利用ReliefF算法过滤选择前k个特征形成候选特征子集;然后,利用KNN分类器的分类精度评估候选特征,通过反向传播将模拟结果更新到迭代路径上所有选择的节点;最后,选择高精度的候选特征作为最佳特征子集。仿真结果表明,对比HPSO-LS和MOTiFS算法,HMCTS算法具有良好的可扩展性,且分类精度高。 相似文献
16.
针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。 相似文献
17.
针对红外图像目标分类问题,提出了结合多特征融合和极限学习机(extreme learning machine,ELM)的方法。采用主成分分析(principal component analysis,PCA)、局部二值模式(local binary pattern,LBP)以及尺度不变特征变换(scale-invariant feature transform,SIFT)三类特征分别描述红外图像中目标的像素分布、局部纹理以及特征点信息。三类特征从不同侧面反映红外图像目标特性,因此具有互为补充的优势。在此基础上,基于多重集典型相关分析(multiset canonical correlations analysis,MCCA)对三类特征进行融合处理,获得统一的特征矢量。融合后的特征不仅继承了原始三类特征的鉴别特性,还有效去除了冗余信息。分类过程中,采用极限学习机作为基础分类器对融合特征矢量进行分类。极限学习机具有参数少、效率高、精度高和稳健性强等显著特点,有利于提高红外目标分类的整体性能。因此,所提出的方法通过结合多特征和极限学习机的优势综合提升了目标识别性能。在实验过程中,采用四类飞机目标的红外图像对所提出方法进行了性能测试。根据与现有几类方法的对比,实验结果证明了提出方法的性能优势。 相似文献
18.
针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点, 而导致图像匹配过程中运算量大、效率低的问题, 提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息, 在此基础上利用SIFT算法提取特征点, 这样能够减少冗余特征点, 以有效提高算法匹配效率。实验测试结果表明, 该算法与传统的SIFT算法相比, 冗余特征点少, 特征点匹配效率提高到98.04%。 相似文献
19.
纹理识别是计算机视觉领域一个重要的课题,本文研究了统计几何特征(SGF)纹理分析方法并与向量机结合构建分类系统。对支持向量机(SVM)的多分类方法的实现,构建了粗分类和细分类相结合的多分类器,实现了纹理图像的准确划分,为有效纹理特征的表示奠定了基础。本文对统计几何特征提取方法进行了研究,利用图像函数图来进行纹理描述,使用一个可变的阈值把一幅灰度纹理图像切割成一系列二进制图像,由二进制图像的连通域、几何拓扑属性推导纹理描述特征。实验结果表明,统计几何特征具有非常强的纹理描述能力,同时能够克服图像的旋转。 相似文献