利用脉冲耦合神经网络的纹理图像检索方法

为提高基于内容的图像检索系统(CBIR)中纹理特征提取的有效性,进一步提升CBIR系统的整体性能。提出了一种基于脉冲耦合神经网络的纹理图像检索方法。脉冲耦合神经网络(PCNN)是新一代的人工神经网络,在数据处理上具有很多优势。特征提取时具有平移、旋转、尺度、扭曲等不变性,以及很好的抗噪性,而这一点非常适合于图像检索系统。利用PCNN及简化模型ICM得到对应于不同灰度值的二值图像序列,计算序列中每幅图像的熵序列,其一维的特征矢量作为纹理特征。采用Eu-clidean距离进行相似度计算,建立了一套基于示例查询图像的纹理图像检索系统。实验结果表明,与小波包等特征提取方法相比,该方法不仅对噪声具有较强的鲁棒性,同时能降低特征向量维数,具有尺度、平移和旋转不变性,而且能取得更高的检索率。     

基于PCNN的图像纹理平滑度的特征提取

脉冲耦合神经网络(PCNN)是基于猫视觉原理构建的一种简化的神经网络模型，它适合基于视觉内容的特征提取。该文在改进模型的基础上运用PCNN神经元的点火捕获特性提取出了一种度量图像纹理平滑程度的特征量——捕获率；同时结合PCNN与傅立叶功率谱得到图像的低频能量与图像总能量的比例关系，作为度量图像纹理平滑程度的另一个特征量——低频能量比。最后通过图像检索实验验证了这两个特征量的有效性。     

基于脉冲耦合神经网络的图像NMI特征提取及检索方法

为了简单有效地提取图像重要特征信息, 从而更好地提高检索图像的精度, 提出了一种基于脉冲耦合神经网络(Pulse coupled neural networks, PCNN)的图像归一化转动惯量(Normalized moment of inertia, NMI)特征提取及检索算法. 首先利用改进简化PCNN模型相似神经元同步时空特性及指数衰降机制将图像分解为具有相关性的二值系列图像, 然后提取反映原始图像目标形状、结构分布二值系列图像的一维NMI特征矢量信号, 并将其应用在图像检索中; 同时, 考虑到二值系列图像间的相关性及不同图像间NMI序列值的差异性, 引入了马氏距离结合Pearson积矩相关法的 综合相似性度量方法. 实验结果表明, 所提算法对图像特征矢量序列具有良好抗几何畸变不变特性及对图像表述的唯一性,且具有较好的图像检索效果.     

基于局部特征概率密度估计的三维模型特征提取方法

特征提取是三维模型检索中的关键.给出了基于局部特征概率密度估计的三维模型特征提取体系框架.针对三维表面局部几何特征集,利用核密度估计方法估计选定目标点的特定局部特征密度构成特征向量,用以描述三维模型.抽取三维网格模型的单元特征及多个单元特征组合而成的多元特征支持实现三维模型检索.实验验证了其检索性能优于基于统计的直方图特征提取方法.     

HL-Isomap+SVM在网络入侵检测中的应用

支持向量机所具有的处理小样本和良好的推广能力的优势,在入侵检测中得到了广泛应用。考虑到数据特征的高维性和冗余性,特征提取是一个关键步骤。采用非线性流形学习算法L-Isomap对入侵检测数据进行特征选择,然后应用one-class SVM训练并识别异常。通过将异构值差度量（HVDM）距离代替欧几里德距离提出了HL-Isomap。选用KDD数据集来比较上述不同模型,实验结果表明了降维方法的有效性,尤其是误警率性能得到了显著的提高。     

改进的脉冲耦合神经网络人脸特征提取方法

针对基于子空间分解的人脸特征提取方法对人脸图像在采集过程中的光照、旋转、位置等变化较为敏感的问题,提出了一种改进的脉冲耦合神经网络人脸特征提取方法。该方法模拟生物视觉的感知过程,将人脸图像分解成由若干二值图像组成的认知序列,计算序列中的每幅二值图像的熵作为人脸特征,基于支持向量机实现分类与识别;同时克服了标准的脉冲耦合神经网络模型参数过多的缺点,识别率也有所改善。理论与实验结果表明,该方法与现有的基于子空间分解的人脸特征提取方法相比,对人脸图像在采集过程中的光照、旋转、位置等变化有较强的鲁棒性,而且具有较低的维数。     

Rolling element bearing fault diagnosis using wavelet transform

This paper is focused on fault diagnosis of ball bearings having localized defects (spalls) on the various bearing components using wavelet-based feature extraction. The statistical features required for the training and testing of artificial intelligence techniques are calculated by the implementation of a wavelet based methodology developed using Minimum Shannon Entropy Criterion. Seven different base wavelets are considered for the study and Complex Morlet wavelet is selected based on minimum Shannon Entropy Criterion to extract statistical features from wavelet coefficients of raw vibration signals. In the methodology, firstly a wavelet theory based feature extraction methodology is developed that demonstrates the information of fault from the raw signals and then the potential of various artificial intelligence techniques to predict the type of defect in bearings is investigated. Three artificial intelligence techniques are used for faults classifications, out of which two are supervised machine learning techniques i.e. support vector machine, learning vector quantization and other one is an unsupervised machine learning technique i.e. self-organizing maps. The fault classification results show that the support vector machine identified the fault categories of rolling element bearing more accurately and has a better diagnosis performance as compared to the learning vector quantization and self-organizing maps.     

采用圆周对齐边缘方向直方图的视频烟雾检测方法

视频烟雾检测具有响应速度快、非接触等优点,但由于烟雾形状、色彩、纹理千差万别,目前的算法很难取得令人满意的检测效果.为此,提出了一种鲁棒的特征提取方法,采用支持向量机(support vector machine,简称SVM)进行检测.首先,提取边缘方向直方图(edge orientation histogram,简称EOH).然后,采用圆周平移方式将EOH的最高柱变换到EOH的固定位置,消除了旋转变换的影响.为了进一步增强特征的鲁棒性,提取图像亮度和饱和度分量的Hu不变矩、均值、偏差、偏度和峰度特征.最后,将这些特征组成一个38维的特征矢量,采用SVM训练和识别烟雾.实验结果表明,这些特征具有很好的分类性能,能够在较大的训练库和测试库上达到98%和85%以上的检 测率.     

基于复杂网络特性的带钢表面缺陷识别

针对带钢表面缺陷识别问题,提出一种基于动态演化复杂网络特性的特征描述方法, 这些特征同时具有位移、旋转不变性、大小不变性、较强的抗干扰能力和鲁棒性,为 缺陷识别提供良好的分类特征;为了提高分类器的效率,应用主成分分析法 (Principal component analysis, PCA) 对复杂网络特 征向量进行特征降维处理;采用最优有向无环图支持向量机 (Directed acyclic graph support vector machine, DAG-SVM)算法进行缺陷分类.结果表明该方法识别率高而且识别速度快.     

基于图像中心加权特征的图像检索

本文讨论了基于内容的图像检索系统中特征提取的技术，并提出了一种基于图像中心加权特征提取算法，即对图像不同位置提取的特征采用不同的加权系数，越靠近图像中心加权系数越大。最后使用支持向量机技术作为图像分类器进行图像的检索。实验表明该系统能有效地检索大规模的图像数据厍，并取得了比较好的效果。     

基于支持向量机的电路故障诊断模型

提出了一种基于遗传编程和支持向量机的故障诊断模型。通过遗传编程对时域指标进行特征选择和提取，得到更能反映信号本质的特征信号，该特征信号可作为识别特征输入多类支持向量机，实现对模拟电路不同类型软故障的识别。实验结果表明，同传统时域指标相比，经过遗传选择和提取的特征对模拟电路的软故障具有更好的识别能力，进而提高了多类支持向量机的分类准确性。     

基于Radon变换的纹理图像多尺度不变量分析算法

为了更好地进行图像纹理分析,提出了一种基于Radon变换的不变量纹理识别算法。该算法首先利用Radon变换将图像投影到1维空间,然后通过对投影数据进行一种平移和比例不变的自适应小波变换来构造出具有比例和平移不变性的图像的特征矩阵。这种通过对特征矩阵进行多尺度分析得到的多尺度能量特征不但具有平移、比例和旋转不变性,而且反映出了纹理图像在不同尺度上的能量分布特征。在特征提取完成以后,即可利用支撑向量机进行分类。同其他方法的比较说明,该算法可较好地描述纹理特征,并可完成纹理识别。     

融合Hu矩与BoF-SURF支持向量机的手势识别

基于尺度不变特征变换的特征包（BoF-SIFT）支持向量机的分类方法具有较好的手势识别效果, 但是计算复杂度高、实时性较差。为此, 提出了融合Hu矩与基于快速鲁棒特征的特征包（BoF-SURF）支持向量机（SVM）的手势识别方法。特征包模型中用快速鲁棒性特征（SURF）算法替换尺度不变特征变换（SIFT）算法提取特征, 提高了实时性, 并引入Hu矩描述手势全局特征, 进一步提高识别率。实验结果表明, 算法无论是实时性还是识别率都要高于BoF-SIFT支持向量机方法。     

马田系统与SVM相集成的模式识别技术研究

为了解决现有马田系统阈值确定方法的不足,基于超球面支持向量机算法,构建了单类及二类超椭球面支持向量机算法,并理论上证明了此算法可转换为二次规划模型。推导了基于超椭球面支持向量机的马田系统阈值确定公式。将所提出的方法应用于故障诊断,得到了较高的判别正确率。     

基于支持向量机的电路故障诊断模型

提出了一种基于遗传编程和支持向量机的故障诊断模型。通过遗传编程对时域指标进行特征选择和提取,得到更能反映信号本质的特征信号,该特征信号可作为识别特征输入多类支持向量机,实现对模拟电路不同类型软故障的识别。实验结果表明,同传统时域指标相比,经过遗传选择和提取的特征对模拟电路的软故障具有更好的识别能力,进而提高了多类支持向量机的分类准确性。     

An expert diagnosis system for classification of human parasite eggs based on multi-class SVM

In this paper, it is proposed a new methodology based on invariant moments and multi-class support vector machine (MCSVM) for classification of human parasite eggs in microscopic images. The MCSVM is one of the most used classifiers but it has not used for classification of human parasite eggs to date. This method composes four stages. These are pre-processing stage, feature extraction stage, classification stage, and testing stage. In pre-processing stage, the digital image processing methods, which are noise reduction, contrast enhancement, thresholding, and morphological and logical processes. In feature extraction stage, the invariant moments of pre-processed parasite images are calculated. Finally, in classification stage, the multi-class support vector machine (MCSVM) classifier is used for classification of features extracted feature extraction stage. We used MATLAB software for estimating the success classification rate of proposed approach in this study. For this aim, proposed approach was tested by using test data. At end of test, 97.70% overall success rates were obtained.     

特征级数据融合在医学图像检索中的应用

医学图像检索的效果很大程度上取决于特征提取的优劣。针对医学图像的自身特点,采用直方图、Gabor小波、不变矩三种典型方法分别提取了颜色、纹理、形状三类特征,然而将各种方法提取的特征直接用于图像检索效果并不理想。为此,提出了基于主元分析的特征级数据融合算法,避免了不同特征间数值上的悬殊对分类的影响,同时还达到了特征降维、去除特征间冗余的目的。实验结果表明,融合后的特征能更好地表达医学图像的内容,在医学图像检索中取得了较好的检索效果。     

基于形状不变矩的图像检索算法的研究

描述了一种基于Hu形状不变矩的图像全局形状特征提取方法和算法IMS。实验结果表明,使用IMS。算法提取的形状特征向量具有对平移、旋转和尺度变化的不变性,适合于进行图像形状的检索。     

Rotation invariant textural feature extraction for image retrieval using eigen value analysis of intensity gradients and multi-resolution analysis

In this paper a novel rotation invariant multi-resolution based texture retrieval technique is proposed. The rotation invariance is achieved by aligning the direction of maximum variation of intensity gradient (defined as principal texture direction) along the reference axis. The principal direction is determined using eigen value analysis of gradient image. Wavelet transform based techniques are applied on the rotated image. The independent representation of textural energies along various directions enhances the retrieval performance over the existing rotation invariant wavelet based techniques which achieve rotation invariance by averaging the direction sensitive components. Extensive experiments on Brodatz database support this postulate.     

基于支持向量的单类分类方法综述

研究基于支持向量机理论和单类分类思想的2种支持向量域数据描述模型,即单分类支持向量机和支持向量描述模型,分析2类模型之间的区别和联系以及参数的优化设置,总结支持向量域单分类方法存在的缺点以及目前对这2类支持向量描述模型研究的改进方向。