基于相容粒模型和三支决策的图像分类算法

相容粒空间模型是粒计算理论的主要方法之一,利用粒计算的方法对相容粒及其空间模型的研究已经比较深入,然而在实际图像分类的应用中,面对的问题更为复杂。为了解决现实图像分类中存在的信息有限或信息缺失而造成分类不准确的问题,本文重点研究相容粒模型的分层思想,通过与善于解决以上问题的三支决策理论相结合,形成一种基于相容粒模型和三支决策理论相结合的图像分类算法,并通过仿真实验验证该算法是有效可行的。     

基于粒计算的图像特征提取及其检索的研究

运用符合视觉感应的HSV模型、抗几何形变的小波变换理论和Hu矩理论分别对图像的颜色、纹理和形状特征进行提取,再结合粒计算理论对这三个特征进行粒化,得到三个特征向量,并分别归一化。在此基础上,加权融合图像的颜色、纹理和形状特征,利用相似性度量算法求图像的贴近度,然后结合相关反馈机制调整各个特征的权重,如此反复,直到用户满意为止,进而实现颜色、纹理和形状特征相结合的图像检索。     

一种煤岩图像特征提取与识别方法

提出了一种基于二进制十字对角纹理矩阵的煤岩图像特征提取与识别方法。该方法首先提取煤岩图像的二进制十字对角纹理矩阵,然后利用二进制十字对角纹理矩阵的角二阶矩能量、相关性、方差、逆差矩、熵、和熵、差熵、和均值、对比度、惯性矩及相关信息测度构造煤岩图像的特征向量,最后结合稀疏表示进行煤岩图像分类识别。实验结果表明,与基于十字对角纹理矩阵的图像特征提取与识别方法相比,该方法具有更好的煤岩识别效果,平均识别率达94.38%,且单幅图像特征提取时间大幅降低,提高了煤岩识别的实时性。     

复杂动态环境下运动车辆的识别方法

针对目前车辆识别方法在动态变化的复杂环境中车辆识别正确率低的问题,提出了一种基于动态自适应阈值的车辆识别方法。该方法首先利用基于熵权法的图像质量量化算法计算交通流视频中背景图像的质量值;然后通过对样本交通流设置的车辆检测阈值和基于该阈值识别车辆的正确率进行多项式拟合,获得该样本的车辆最佳检测阈值;最后对样本背景图像的质量值和样本车辆的最佳检测阈值进行高斯拟合,得到自适应阈值计算模型。该方法采用高斯混合模型实时获取交通流视频中的背景图像,计算背景图像的质量值,并输入到自适应阈值计算模型得到实时的车辆最佳检测阈值以识别车辆。实验和理论分析表明,该方法能根据动态变化的环境实时更新车辆检测阈值,有效地提高了车辆识别的正确率。     

基于LBP的加权分布纹理熵的图像检索算法

通过对目前存在的一些基于纹理的图像检索算法的分析,指出了它们存在的不足,提出一种基于LBP的加权分布纹理熵的图像检索算法。首先,该算法依据图像关键兴趣区域分布特点将图像分成不均匀的9块子图,接着单独对各个子图块根据Uniform Pattern LBP计算个子图块的纹理特征,并结合信息论统计各个子图的纹理熵,然后把9块子图的纹理熵合并作为整个图像的纹理特征向量,最后依据特征向量元素对应各个兴趣区域的重要性加权进行图像检索。该算法相对传统LBP算法,保留图像空间信息,且区域偏重权系数能弱化不相关信息,同时9维度的特征向量能加快图像的检索效率。实验结果表明,该算法能获得较好的检索性能。     

基于边缘直方图的快速汽车标志识别方法

提出了基于边缘直方图的一种快速识别方法,对汽车标志可以进行高准确度的识别。边缘直方图能够比较准确地反映图像的边缘和纹理信息,不同类图像反映出的统计特性能比较准确地用于分类识别。通过大量的试验证明使用提取边缘直方图和相关算法相结合的方法比一般的识别方法更加快速、有效。     

一种有效的基于小波信息分布熵的图像检索技术

在分析基于小波域图像索引技术的缺点后,提出一种基于小波信息分布熵的图像检索新方法.该方法首先将图像分割成若干个子图像,然后对这些子图像进行三层小波变换,并对小波变换后的各个子带图像进行处理以获取纹理图像,从而大大减少了计算的复杂性.最后以小波纹理直方图为概率密度函数,计算各个子图像的信息分布熵,不但使图像特征有紧密表示,而且也使图像检索的速度大大加快.实验结果表明,该方法对图像检索是有效的.     

一种利用图像邻域信息进行边界光滑的纹理识别的方法

在传统纹理识别方法中，纹理识别是对图像分块进行的，因此得到的纹理边界不光滑，同时呈现明显的分块痕迹。一种充分利用图像邻域信息的“相关度计算”方法，通过计算包含象素点的所有图像分块被识别的概率，来判断象素点是否被识别。结果表明，“相关度计算”方法可以得到相对光滑的纹理边界。     

一种鲁棒的多特征彩色图像检索新方法

为了提高彩色图像检索的准确性,以回归型支持向量机(SVR)理论为基础,结合重要的图像边缘信息,提出了一种鲁棒的多特征彩色图像检索新方法。该方法首先利用回归型支持向量机(SVR)理论,对原始图像进行去噪处理及彩色边缘提取;然后将整个彩色边缘划分成局部网格区域,并分别计算出每个网格区域的颜色直方图和纹理直方图;最后综合利用上述网格区域的颜色直方图和纹理直方图来计算图像间内容的相似度,并进行彩色图像检索。实验结果表明,该方法不仅能够准确、快速的检索出用户所需图像,而且对光照、锐化、模糊等噪声攻击均具有较好的鲁棒性。     

基于近似集与粒子群的粗糙熵图像分割方法

基于经典粗糙集理论的图像分割方法缺少对目标图像不确定性边界域的精确划分,其根据先验粒度构建的图像粗糙集信息系统,并没有客观准确地反映出不同粒度之间的粗糙性信息。基于粗糙集近似集理论模型,首先采用自适应粒化方法得到图像的最优粒度,接着基于该粒度划分构建图像的目标和背景的上下近似集,再根据近似集思想对目标集合的边界域进行精确刻画,同时结合粒子群算法提高求解粗糙集近似集最大粗糙熵的效率,最终得到图像分割的最优分割阈值,并通过仿真实验表明该方法具有可行性和有效性。     

基于颜色和纹理特征的彩色图像检索

提出了一种基于颜色和纹理特征的图像检索方法。在对HSV颜色模型量化处理的基础上,提取颜色直方图作为图像的颜色特征。在提取纹理特征时,结合颜色量化结果,设计了反映图像纹理变化的状态转移概率矩阵,在此基础上,提出采用颜色相关熵来描述图像的纹理特征。由于综合利用了图像的颜色及纹理特征,实验结果表明,该方法取得了较好的检索效果。     

Perception granular computing in visual haze-free task

In the past decade, granular computing (GrC) has been an active topic of research in machine learning and computer vision. However, the granularity division is itself an open and complex problem. Deep learning, at the same time, has been proposed by Geoffrey Hinton, which simulates the hierarchical structure of human brain, processes data from lower level to higher level and gradually composes more and more semantic concepts. The information similarity, proximity and functionality constitute the key points in the original insight of granular computing proposed by Zadeh. Many GrC researches are based on the equivalence relation or the more general tolerance relation, either of which can be described by some distance functions. The information similarity and proximity depended on the samples distribution can be easily described by the fuzzy logic. From this point of view, GrC can be considered as a set of fuzzy logical formulas, which is geometrically defined as a layered framework in a multi-scale granular system. The necessity of such kind multi-scale layered granular system can be supported by the columnar organization of the neocortex. So the granular system proposed in this paper can be viewed as a new explanation of deep learning that simulates the hierarchical structure of human brain. In view of this, a novel learning approach, which combines fuzzy logical designing with machine learning, is proposed in this paper to construct a GrC system to explore a novel direction for deep learning. Unlike those previous works on the theoretical framework of GrC, our granular system is abstracted from brain science and information science, so it can be used to guide the research of image processing and pattern recognition. Finally, we take the task of haze-free as an example to demonstrate that our multi-scale GrC has high ability to increase the texture information entropy and improve the effect of haze-removing.     

一种粗糙不确定的图像分割方法

图像分割是计算机视觉领域的一个基础问题,涉及图像检索、物体检测、物体识别、行人跟踪等众多后续任务。目前已有大量研究成果,有基于阈值、聚类、区域生长的传统方法,也有基于神经网络的流行算法。由于图像区域边界的不确定性问题,现有算法并没有很好地解决图像部分区域渐变导致的边界模糊问题。粒计算是解决复杂问题的有效工具之一,在不确定的、模糊的问题上取得了良好的效果。针对现有图像分割算法在不确定性问题上的局限性,基于粒计算思想,提出了一种粗糙不确定性的图像分割方法。该算法在K均值算法的基础上,结合邻域粗糙集模型,先对类别边界区域的像素点进行粒化,运用邻域关系矩阵,得到各类别对各粒化像素点的包含度,从而对边界区域类别模糊的像素点进行重新划分,优化了图像分割的结果。在Matlab2019编程环境中,实验选取了BSDS500数据集中的一张马术训练图片和一张建筑物图片来测试算法性能。实验先对彩色图像进行灰度处理,用K均值算法对图像进行初步分割,再设置邻域因子值,依据边界像素点邻域信息重新划分边界点。对比K均值算法的分割结果可知,所提算法取得了更佳的效果。实验结果表明,该方法在粗糙度这一评价标准上优于K均值算法,可以有效降低图像区域边界的模糊性,实现灰度边界模糊的图像渐变区域的分割。     

Adaptive multilevel rough entropy evolutionary thresholding

In this study, comprehensive research into rough set entropy-based thresholding image segmentation techniques has been performed producing new and robust algorithmic schemes. Segmentation is the low-level image transformation routine that partitions an input image into distinct disjoint and homogenous regions using thresholding algorithms most often applied in practical situations, especially when there is pressing need for algorithm implementation simplicity, high segmentation quality, and robustness. Combining entropy-based thresholding with rough set results in the rough entropy thresholding algorithm.The authors propose a new algorithm based on granular multilevel rough entropy evolutionary thresholding that operates on a multilevel domain. The MRET algorithm performance has been compared to the iterative RET algorithm and standard k-means clustering methods on the basis of β-index as a representative validation measure. Performance in experimental assessment suggests that granular multilevel rough entropy threshold based segmentations - MRET - present high quality, comparable with and often better than k-means clustering based segmentations. In this context, the rough entropy evolutionary thresholding MRET algorithm is suitable for specific segmentation tasks, when seeking solutions that incorporate spatial data features with particular characteristics.     

一种悲观多粒度粗糙集中的粒度约简算法

多粒度粗糙集方法是近年来粗糙集理论的一个发展方向,它是一种基于多个粒空间的粗糙数据建模方法。 文中针对悲观多粒度粗糙集模型,引入分布约简的概念,分析多个粒空间中的粒度选择问题。基于给出的粒度重要度提出悲观多粒度粗糙集中的粒度约简算法,并通过实例验证该方法的有效性。结论表明该方法得到的结果更加符合实际决策。     

二进制粒计算模型

粒计算是一种处理不确定性数据的理论方法,涵盖粗糙集、模糊集、商空间、词计算等。目前,数据的粒化与粒的计算主要涉及集合的运算与度量,集合运算的低效制约着粒计算相关算法的应用领域。为此,提出了一种二进制粒计算模型,给出了粒的三层结构,包括粒子、粒群与粒库,并定义了二进制粒子及二进制粒子的运算,将传统的集合运算转化为二进制数的计算,进一步给出了二进制粒子的距离度量,将等价类的集合表示方式转化为粒子的距离度量表示方式,给出了粒子距离的相关性质。该模型定义了二进制粒群距离的概念,给出了二进制粒群距离的计算方法,提出了基于二进制粒群距离的属性约简方法,证明了该方法与经典粗糙集约简方法的等价性,并以二进制粒群距离作为启发式信息,给出了两种约简算法。     

基于加权颜色分层和纹理单元的图像检索算法

针对仅使用单一颜色或纹理特征并不能达到较好的图像检索效果的问题,提出了一种结合颜色和纹理特征的图像检索算法。首先,颜色微观部分利用颜色直方图,刻画每种颜色的像素占整个图像的比例;然后,宏观部分应用颜色熵和位平面熵分别对图像处理,其中位平面熵取特征较明显的前4层,并对每层的位平面熵加权;最后,根据定义的五种基本纹理结构基元中各像素点的颜色值和角度值,结合颜色特征,实现图像检索。实验结果表明,加权位平面熵和不加权位平面熵比较,在Corel-1000数据集上平均查准率和平均查全率分别提高10.01个百分点和1.2个百分点。结合颜色和纹理特征的图像检索算法与仅表现纹理特征的结构元素描述(SED)方法相比,在Corel-10000数据集上平均查准率和平均查全率分别提高4.3个百分点和2.1个百分点,有效地提高了图像检索效果。     

基于粒度计算的属性约简算法研究

从粒度计算的角度对粗糙集理论的属性约简进行研究,分别基于代数方法和信息论方法定义了粒度差和粒度熵的概念,并在此基础上提出了两种新的属性约简算法.实验分析表明,这两种可靠有效的粒度计算方法都能得到信息表的最小约简,为进一步研究知识的粒度计算提供了可行的方法.     

一种基于区域综合特征的彩色图像检索方法

提出了一种基于区域综合特征的彩色图像检索算法.该算法首先结合MPEG-7视觉内容描述对真彩色图像进行量化处理,并将量化后的图像划分成若干个子区域.然后选取子区域的主要颜色及其所占百分率作为颜色特征,选取子区域的熵、能量和对比度作为纹理特征.再综合利用上述颜色、纹理两个特征计算图像间内容的相似度,并进行彩色图像检索.仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率、查全率和较快的检索速度.     

基于环状矩形分块的纹理图像检索

摘要：提出一种环状矩形分块纹理检索算法。将图像分成环状矩形边缘区域、中心环状矩形区域和核心矩形区域。对最外层边缘区域不予处理,这可明显减少检索时间,且对检索效果影响很少。对每幅图像分别求出中心区域和核心区域基于灰度共生矩阵的能量、对比度和熵所构成的纹理特征向量,两幅图像中心区域纹理特征向量欧式距离和核心区域纹理特征向量的欧式距离之和决定这两幅图像相似性。而环状矩形具有圆形分块的旋转不变性但计算更简单。经实验验证,对一些类别图像有较好的检索效果