动态核的形态联想记忆网络在灰度图中的应用

介绍了应用于灰度图像的联想记忆和识别的动态核方法,给出了动态核选择的原则和途径.利用动态核可以解决灰度图像在含有随机噪声时的自联想记忆和识别问题,从而给出了一种较好地处理含噪灰度图像恢复的途径.通过实验,验证了该方法的良好性能,取得了较理想的结果.     

动态核的形态分解联想算法及抗随机噪声研究

在灰度图像分解算法和动态核形态联想记忆网络的基础上,提出了一种新的联想记忆算法--动态核的形态分解联想算法.该方法显著地提高了联想记忆抗随机噪声的能力,较好地解决了灰度图像在含噪时的联想记忆和识别的问题,从而给出了一种恢复含噪灰度图像的途径,并把该方法推广到了彩色图像的处理.通过实验,验证了该方法的良好性能,取得了理想的结果.     

模糊形态联想记忆网络及其在细胞图像联想识别中的应用

研究了模糊形态双向联想记忆网络（FMBAM）在灰度图像处理中的方法,并利用核的形式来解决灰度图像含随机噪声的正确联想记忆及识别问题,提出了构造灰度图像的核需要满足的条件,给出了寻找核的方法和途径,并应用于细胞图像的联想和识别,通过仿真实验,验证了该方法的有效性和良好性能.     

动态核的αβ联想记忆网络及抗随机噪声研究

应用αβ联想记忆网络,加入动态核的方法,得到了一种新的联想记忆网络,它不仅解决了灰度图、彩图寻找动态核难的问题,而且也使得αβ联想记忆网络能够很好地处理含随机噪声的图像,包括二值图、灰度图和彩色图像.并成功地解决了图像在含有随机噪声时的联想记忆问题,从而给出了一种较好地处理含噪图像的途径.通过实验,验证了该方法的良好性能,取得了较理想的结果.     

模糊形态联想记忆网络抗随机噪声研究及应用

利用灰度图像分解的思想,结合模糊形态联想记忆网络的方法,提高了模糊形态联想记忆网络对随机噪声的抗噪能力。成功地解决了灰度图像在含有随机噪声时的模糊联想记忆问题,并把该方法推广到对彩色图像的处理,从而给出了一种较好地恢复含噪灰度图像和彩色图像的途径。通过实验,验证了该方法的良好性能,取得了较理想的结果。     

利用动态核的形态联想记忆网络的研究

在文献[1]的基础上，提出了一个基于动态核的形态联想记忆网络方法，特点是同一幅图像，如果其所含的噪声情况不同，则其核也将不同，从而较好地解决了图像含有随机噪声时的联想记忆问题。实验证明，此方法具有良好的性能，双向联想记忆的准确率优于文献[1]中介绍的方法。     

距离加权的2-D核自联想记忆模型及其应用

首先从Hopfield自联想记忆模型(HAM)出发,对其回忆规则运用机器学习中流行的核技巧,构建一个核自联想记忆模型框架(KAM).并通过核函数的选取,使指数型相关联想记忆模型(ECAM)和改进的ECAM(IEC-AM)模型成为其中的两个特例.然后针对二维视觉图像的识别,在核函数中引入反映视觉特性的二维(2-D)距离因子,进一步提出一个距离加权的2-D核自联想记忆模型框架(DW2D-KAM).由此较大改进KAM对图像的存储和纠错性能,并且使该模型更加符合神经生理学和解剖学的思想.最后,计算机模拟不仅证实DW2D-KAM比KAM在字符识别上具有更高的存储和纠错性能,而且其同样优于Seow和Asari提出的模块化HAM的识别效果.     

尺度空间的联想记忆网络在灰度图中的应用

形态联想记忆网络具有十分优越的抗膨胀噪声或者腐蚀噪声的能力,但抗混合噪声的能力很弱,而在实际中,随机噪声往往是混合型的,既有膨胀噪声又有腐蚀噪声.将形态学尺度空间和形态联想记忆网络相结合,得到了一种新的联想记忆网络,它也具有优越的抗膨胀噪声或者腐蚀噪声的能力,同时它对随机噪声有一定的鲁棒性.通过对含有随机噪声的灰度图像进行自联想记忆和识别处理实验,取得了较为理想的结果,验证了其具有良好的性能.     

基于神经网络的符号自动识别系统研究

提出了一种新的基于神经网络的目标符号自动识别系统。该系统在图像的二值化处理过程，采用了小波变换的方法，该方法可有效克服噪声的干扰，自动确定灰度图像二值化所需要的阈值。在符号识别部分，采用了双向联想记忆（BAM）人工神经网络技术，通过改进的感知器学习算法，增大了网络的容量，可实现对采集的有污染或缺损符号进行正确识别。仿真实验结果说明，系统具有较强的稳定性和有效性，且易于工程实现。     

基于视频图像的矿井水灾识别及趋势预测方法研究

分析了矿井水灾视频图像特征,提出了基于视频图像的矿井水灾识别及趋势预测方法,包括水灾视频动态识别、区域分割、面积估算及趋势预测,并通过了试验验证,得出如下主要结论:①阈值像素灰度统计法和像素灰度值统计法均可监测和识别水灾,阈值像素灰度统计法不但可抑制低于灰度阈值的噪声,提高识别的准确性,还可减少像素灰度统计数,增强特定像素灰度范围的对比度。②阈值分割法和视频差分分割法均可分割水灾区域图像,前者整体性较好,后者细节刻画更强。③根据分割出的水灾区域图像可估算突水区域面积及进行趋势预测。     

基于散度差的彩色人脸图像统计正交分析方法

由于彩色人脸图像比灰度人脸图像包含了更多的信息,彩色人脸图像识别方法越来越受到学者的重视。而对于研究最多的RGB彩色空间,通常R（红）、G（绿）、B（蓝）三分量间存在很大的相关性。为了最大程度的去除各个分量之间的相关性从而提高识别效果,有学者提出了基于统计正交投影变换（SOA）的彩色人脸图像识别方法。然而,该方法在特征提取的过程中不可避免的存在奇异性问题。为了解决这个问题,本文提出了一种基于散度差的彩色人脸图像统计正交分析方法ScatterDifference based Color Face Image Statistically Orthogonal Analysis Approach （SDFSOA）。此外,我们对所涉及的参数进行了合理的设置。实验表明所提方法能取得更好的识别效果。     

一种基于图像匹配的移动机器人定位方法

为增强移动机器人在非结构化动态环境下的定位能力,提出了一种基于图像相似度匹配的单目视觉粒子定位方法。在提取具有平移、旋转、缩放不变性的视觉特征基础上,引入相关核函数来提高特征对环境噪声和光照变化的适应性。利用以上局部特征,计算当前图像和参考图像的相似度作为粒子的权重,通过参考图像的可视区域更新粒子的后验概率分布。实验结果表明,该方法在不易提取几何特征的非结构化动态环境中能够实现可靠、高效的定位。     

结合结构相似度的自适应多尺度SAR图像变化检测

目的 结合高斯核函数特有的性质,提出一种基于结构相似度的自适应多尺度SAR图像变化检测算法。方法 本文提出的算法包括差异图像获取、高斯多尺度分解、基于结构相似性的最优尺度选择、特征矢量构造以及模糊C均值分类。首先,通过对多时相SAR图像进行对数比运算获取差异图像,然后,利用基于图像的结构相似度估计高斯多尺度变换的最优尺度,继而在该最优尺度参数下逐像素构建变化检测特征矢量,最后通过模糊C均值聚类方法实现变化像素与未变化像素的分离,生成最终的变化检测结果图。结果 在两组真实的SAR图像数据上测试本文算法,正确检测率分别达到0.9952和0.9623,Kappa系数分别为0.8200和0.8540,相比传统算法有了较大的提高。结论 本文算法充分利用了尺度信息,对噪声的鲁棒性有所提高。实测SAR数据的实验结果表明,本文算法可以智能获取最优分解尺度,显著提高了SAR图像变化检测性能。     

一种基于规则的脑组织磁共振图像分割新方法

本文将小波算法、分水岭算法及基于区域的模糊C均值算法相结合，提出了一种基于规则的二次分割方法实现对脑组织磁共振图像的分割。首先，采用一种基于小波的滤波嚣去除图像中的噪声；然后采用分水岭算法实现对图像的初始分割。为克服分水岭算法的过度分割问题，本文提出了基于区域的模糊C均值（RFCM）聚类算法实现对过度分割区域的合并。尽管分水岭算法存在过度分割现象，仍有一些区域分割得并不完全，尤其是在脑脊液与灰质，或灰质与白质的过渡区域。为此，本文提出一种局部区域连续性与全局信息相结合的基于规则的多阈值分割方法，对分水岭算法初始分割不完全的区域再次分割。通过对大量模拟数据和真实数据分割的实验证明了此方法的准确性和可靠性。     

动态匹配核函数图像检索

目的 在传统的词袋模型图像搜索问题中,许多工作致力于提高局部特征的辨识能力。图像搜索得到的图像在细节部分和查询图像相似,但是有时候这些图像在语义层面却差别很大。而基于全局特征的图像搜索在细节部分丢失了很多信息,致使布局相似实则不相关的图像被认为是相关图像。为了解决这个问题,本文利用深度卷积特征来构建一个动态匹配核函数。方法 利用这个动态匹配核函数,在鼓励相关图像之间产生匹配对的同时,抑制不相关图像之间匹配对的个数。该匹配核函数将图像在深度卷积神经网络全连接层最后一层特征作为输入,构建一个动态匹配核函数。对于相关图像,图像之间的局部特征匹配数量和质量都会相对增强。反之,对于不相关的图像,这个动态匹配核函数会在减少局部特征匹配的同时,降低其匹配得分。结果 从数量和质量上评估了提出的动态匹配核函数,提出了两个指标来量化匹配核函数的表现。基于这两个指标,本文对中间结果进行了分析,证实了动态匹配核函数相比于静态匹配核函数的优越性。最后,本文在5个公共数据集进行了大量的实验,在对各个数据集的检索工作中,得到的平均准确率从85.11%到98.08%,均高于此领域的同类工作。结论 实验结果表明了本文方法是有效的,并且其表现优于当前这一领域的同类工作。本文方法相比各种深度学习特征提取方法具有一定优势,由于本文方法使用特征用于构建动态匹配内核,而不是粗略编码进行相似性匹配,因此能在所有数据集上获得更好的性能。     

基于改进最小噪声分离变换的特征提取与分类

在最小噪声分离变换的基础上,引入核方法,采用小波核函数代替传统核函数对最小噪声分离变换予以改进。小波核函数的多分辨率分析特性可进一步提高算法的非线性映射能力。相关向量机高光谱图像分类是一种较新的高光谱图像分类方法,将新型核最小噪声分离变换方法与相关向量机相结合,对高光谱影像数据进行分类实验。仿真实验结果表明,基于小波核最小噪声分离变换的方法体现了高光谱影像的非线性特征,将所提出的方法应用于HYDICE系统在Washington DC Mall上空拍摄的数据,与对照算法相比,分类精度可提高3%~8%,并可有效地提高小样本区域的分类精度。     

Palmprint Recognition by Applying Wavelet-Based Kernel PCA

This paper presents a wavelet-based kernel Principal Component Analysis (PCA) method by integrating the Daubechies wavelet representation of palm images and the kernel PCA method for palmprint recognition. Kernel PCA is a technique for nonlinear dimension reduction of data with an underlying nonlinear spatial structure. The intensity values of the palmprint image are first normalized by using mean and standard deviation. The palmprint is then transformed into the wavelet domain to decompose palm images and the lowest resolution subband coeffcients are chosen for palm representation. The kernel PCA method is then applied to extract non-linear features from the subband coeffcients. Finally, similarity measurement is accomplished by using weighted Euclidean linear distance-based nearest neighbor classifier. Experimental results on PolyU Palmprint Databases demonstrate that the proposed approach achieves highly competitive performance with respect to the published palmprint recognition approaches.     

基于多尺度的轮廓匹配方法

物体的形状轮廓是计算机视觉中一个重要的特征。该文提出了一种基于多尺度下局部特征的描述和动态规划的形状匹配和识别方法。考虑到轮廓在不同尺度下特征点的变化,给出了形状的多尺度描述方法。在轮廓分段匹配过程中,根据噪声和形变的程度不同对局部轮廓分别采用不同尺度滤波,避免了局部形变及噪声导致错误的匹配结果。该算法对于噪声、形变和适度的遮挡有较好鲁棒性,用于行人识别上取得了较好的效果。