一种基于EM算法的图像分割改进技术

图像分割是计算机视觉的基础,该文结合EM算法和PCA降维技术,给出了一种有效快速的进行图象分割的方法。该方法利用高斯混合模型对原始图像进行建模,通过EM算法将分割问题转化为参数最大似然估计的问题,同时采用PCA降维技术和随机采样来降低计算量。通过人工合成图象及真实图象的实际测试结果,验证了该算法的有效性和快速性。     

自适应梯度重建分水岭分割算法

目的 针对灰度分水岭算法存在过分割且难以直接应用到彩色图像分割的问题,提出一种自适应梯度重建分水岭分割算法。方法 该方法首先利用PCA技术对彩色图像降维,然后计算降维后的梯度图像,并采用自适应重建算法修正梯度图像,最后对优化后的梯度图像应用分水岭变换实现对彩色图像的正确分割。结果 采用融合了颜色距离、均方差和区域信息的性能指标和分割区域数对分割效果进行评估,对不同类型的彩色图像进行分割实验,本文算法在正确分割图像的同时获得了较高的性能指标。与现有的分水岭分割算法相比,提出的方法能有效剔除图像中的伪极小值,减少图像中的极小值数目,从而解决了过分割问题,有效提升了分割效果。结论 本文算法具有较好的适用性和较高的鲁棒性。     

基于AEI与(2D)2PCA的行为分类算法

提出一种基于行为能量图像(AEI)和双向二维主成分分析((2D)2PCA)的行为分类算法解决行为分类问题。该算法利用AEI作为识别特征,无需运动周期的分割,运用(2D)2PCA对特征空间降维,用最近邻方法分类。实验结果表明,该算法能以较少的运行时间获得较高的分类准确率。     

基于机器学习的图像压缩算法研究

爆炸式的图像增长对图像传输和存储能力提出了巨大挑战,图像压缩成为解决这类问题的重要技术之一。利用机器学习的方法来实现对图像的压缩,将图像压缩定义为一个降维问题;利用基于聚类的方法 (K-Means)和基于降维的方法 (PCA)对图像的矩阵值进行降维。实验表明,K-Means相对于PCA算法对图像压缩效果更好。实验还将压缩前后的图像进行了可视化对比,能更直观地对压缩前后的性能做对比。     

一种适合Web图像检索的图像降维算法研究

本文对现有Web图像检索技术现状进行了归纳，分析阐明了图像降维算法在基于内容的Web图像检索技术中的地位和作用。在介绍了几种经典图像降维方法后，重点介绍了国外近来提出的基于拉普拉斯特征值映射（LE）的图像降维算法。针对Web环境下图像检索必须进行剧烈降维的特点，本文进而对基于KL变换的主成分分析（PCA）算法和基于LE的图像降维算法进行了实验分析和比较。实验结果表明：对于需要进行维数剧烈缩减的Web图像检索来说，基于LE的图像降维算法可以获得最佳的效果。     

基于多级纹理频谱特征与PCA的人脸识别算法

针对主成分分析(PCA)算法在人脸识别中识别率低的问题,提出一种图像纹理频谱特征与PCA相结合的人脸识别算法。该算法利用纹理单元算子提取人脸图像纹理频谱特征,然后用PCA对所提取的特征降维,最后利用最近邻(KNN)分类器进行人脸识别。在ORL人脸库和Yale人脸库上对所提出的算法进行了测试,识别率均高于PCA、模块化二维PCA(M2DPCA)等方法,分别为96.5%和95%。实验结果表明了该算法的有效性和准确性。     

基于Quaternion-Gabor滤波器的彩色纹理分割算法研究

提出一种的简单快速的多通道Gabor滤波技术对彩色纹理进行分割。首先,通过DRBFT和IDRBFT对彩色纹理的进行多通道Gabor滤波,再运用PCA对滤波得到的特征向量进行降维,对降维后的特征向量进行k-mean聚类,最后再对聚类后的区域用mean shift进行平滑,通过对平滑后的区域进行边缘检测就可以得到不同纹理的边界。最后给出几种分割算法的实验结果比较,表明该算法对于分割彩色纹理还是非常有效的。     

基于轮廓PCA的字母手势识别算法研究

提出了一种改进的手势检测识别算法。首先对采集的手势图像综合运用Krisch算子的背景差分与肤色分割等算法进行预处理,然后根据手势的方向去除胳膊等非目标,截取手型区域。最后对手型图像进行轮廓检测,根据手型轮廓的二值图像进行PCA降维,并与投影降维后的样本计算空间距离,从而进行手势分类。通过此方法可以快速、准确地检测到手型区域,识别手型含义,且具有实时性。     

基于MB-LBP算子和Multilinear PCA算法的人脸识别

针对运用MB-LBP算法提取的人脸特征维数较高、而直接用MB-LBP算法提取的特征进行人脸识别时计算量较大的问题,提出一种融合MB-LBP和Multilinear PCA算法的新的人脸识别方法。首先利用MB-LBP算法提取人脸图像的特征;然后用Multilinear PCA算法对提取的人脸特征进行降维;最后用最近邻分类器进行人脸识别。在FERET人脸库上进行验证,实验结果表明,该方法的识别率高于传统PCA、分块PCA、LBP和PCA相结合的方法。     

基于同质性降维和CMP算法的高光谱图像分类

针对高光谱数据维数高,波段间冗余信息大的问题,提出一种基于同质性降维和组合匹配追踪算法的高光谱图像分类方法。该方法首先利用均值漂移算法对高光谱图像进行分割得到同质性图像块,对同质性的图像块进行流行学习得到降维映射函数,然后由降维后的高光谱数据训练稀疏最小二乘支持向量机分类模型,为避免正交匹配追踪稀疏重构算法迭代次数多的缺点,提出一种基于组合匹配追踪的稀疏重构求解方法。通过高光谱数据的分类结果可以得出,该方法有效提高了高光谱图像的分类精度。     

维纳滤波和调整EM算法在COSM中的应用

用基于深度变化成像模型的调整EM算法进行三维显微图像复原,不能更好地复原图像细节,而且耗时长。为提高图像的复原质量,缩短时间,提出把维纳滤波和调整EM算法相结合的算法。该算法首先利用加权小波去除图像的部分离焦模糊,再用维纳滤波算法进行滤波复原,最后用基于深度变化成像模型的调整EM算法对序列图进行复原。实验表明复原效果得到了明显改善,并减少了迭代次数,效率明显提高。     

调整EM算法结合加权小波在COSM中的应用

用基于深度变化成像模型的调整EM算法进行三维显微图像复原,不能更好地复原图像细节,而且耗时长。为提高图像的复原质量,缩短时间,提出把调整EM算法与加权小波相结合的算法。该算法先对加权小波系数进行调整,再用调整EM算法进行迭代复原。实验表明复原效果得到改善,并减少了迭代次数,效率明显提高。     

低层特征获取高层语义的图像检索

首先采用基于颜色聚类的方法将图像分割成区域,提取每个区域的Gabor小波纹理特征和灰度共生矩阵纹理特征,接着采用信息熵对特征进行选择,使用选择后的特征对图像区域进行聚类,得到每幅图像的语义特征向量;然后提出遗传模糊C均值算法对图像进行聚类。在图像检索时,查询图像和聚类中心比较,在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,提高了检索的精度。     

基于混合概率PCA模型高光谱图像本征维数确定

如何有效实现降维是现代成像光谱仪辨识地物类别的一个难点所在。该文在已知高光谱图像地物类别数的情况下，提出了一种采用混合最小描述长度(MMDL)模型选择准则确定高光谱图像本征维数的方法。该方法在期望最大化算法框架下同时实现混合PPCA降维和聚类，并根据MMDL准则确定数据降维维数，可以得到数据在概率意义下的精确的降维表征。仿真数据和真实数据进行的比较实验表明，该方法能精确地选择数据的本征维数。     

Learning a hierarchical image manifold for Web image classification

Image classification is an essential task in content-based image retrieval.However,due to the semantic gap between low-level visual features and high-level semantic concepts,and the diversification of Web images,the performance of traditional classification approaches is far from users’ expectations.In an attempt to reduce the semantic gap and satisfy the urgent requirements for dimensionality reduction,high-quality retrieval results,and batch-based processing,we propose a hierarchical image manifold with novel distance measures for calculation.Assuming that the images in an image set describe the same or similar object but have various scenes,we formulate two kinds of manifolds,object manifold and scene manifold,at different levels of semantic granularity.Object manifold is developed for object-level classification using an algorithm named extended locally linear embedding(ELLE) based on intra-and inter-object difference measures.Scene manifold is built for scene-level classification using an algorithm named locally linear submanifold extraction(LLSE) by combining linear perturbation and region growing.Experimental results show that our method is effective in improving the performance of classifying Web images.     

An EM based multiple instance learning method for image classification

In this paper, we propose an EM based learning algorithm to provide a comprehensive procedure for maximizing the measurement of diverse density on given multiple Instances. Furthermore, the new EM based learning framework converts an MI problem into a single-instance treatment by using EM to maximize the instance responsibility for the corresponding label of each bag. To learn a desired image class, a user may select a set of exemplar images and label them to be conceptual related (positive) or conceptual unrelated (negative) images. A positive image consists of at least one object that the user may be interested, and a negative image should not contain any object that the user may be interested. By using the proposed EM based learning algorithm, an image retrieval prototype system is implemented. Experimental results show that for only a few times of relearning cycles, the prototype system can retrieve user’s favor images from WWW over Internet.     

基于深度变化成像模型的图像估计

该文提出了一种基于EM算法的最大似然图像复原算法,此算法是基于三维显微光学切片中成像随深度变化的模型实现的。实际成像中,由于样本中物质是变化的,故样本不同位置的折射率不一样,并且会导致其点扩展函数也不同。虽然大多数显微镜具有像差补偿功能,但由于样本的折射率和物镜的折射率不匹配,导致不同深度其点扩展函数也不一样。该文对二维图像和三维图像序列进行实验,结果表明通过此算法能够补偿由于深度变化所带来的模糊,从而将模糊图像复原。     

基于距离变换的改进分水岭算法在白细胞图像分割中的应用

在白细胞图像中,由于白细胞细胞核的存在,直接应用分水岭算法时,往往达不到较好的效果。本文提出一种结合EM聚类的改进分水岭算法。通过将EM聚类获得的图像中细胞核区域替换,然后使用基于距离变换的分水岭分割,确定白细胞区域。对距离变换后的图像采用形态学处理减少了细胞分割中的过分割现象。同时使用细胞核位置的先验条件,合并分水岭分割区域,进一步减小过分割的影响。本文方法提供一种新的将分水岭算法应用于白细胞分割的思路。同时实验证明,方法在分割精度上有着良好的表现。     

Silhouette analysis-based gait recognition for human identification

Human identification at a distance has recently gained growing interest from computer vision researchers. Gait recognition aims essentially to address this problem by identifying people based on the way they walk. In this paper, a simple but efficient gait recognition algorithm using spatial-temporal silhouette analysis is proposed. For each image sequence, a background subtraction algorithm and a simple correspondence procedure are first used to segment and track the moving silhouettes of a walking figure. Then, eigenspace transformation based on principal component analysis (PCA) is applied to time-varying distance signals derived from a sequence of silhouette images to reduce the dimensionality of the input feature space. Supervised pattern classification techniques are finally performed in the lower-dimensional eigenspace for recognition. This method implicitly captures the structural and transitional characteristics of gait. Extensive experimental results on outdoor image sequences demonstrate that the proposed algorithm has an encouraging recognition performance with relatively low computational cost.