基于链码描述的图像图形特征提取

为提取云团反射率图像内部层次类特征和轮廓线上不规则的凹陷类特征,在构建基于图像内容的层次结构模型的基础上,提出相对极坐标系下的距离链码和基于八方向链码的累积导数和差码方法,前者用于层次类特征提取,后者用于轮廓形态特征的提取,构建梯度特征、云砧特征以及凹陷特征的提取算法.实验证明,该方法下的特征类间区分度高,运行速度快,可用于解决非刚体图像的相关特征的提取.     

基于链码的果实图像形状特征提取方法研究

提出了基于链码的轮廓跟踪算法提取果实图像外形轮廓的方法，利用链码特性计算果实形状特征参数。为农业自动化工程中果实形状特征的描述提供了有效的方法。     

基于形态-变长夹角链码的测井曲线识别

在同位素示踪注水剖面测井中,磁性定位测井曲线的形态能直观反映井下工具的类型,针对曲线整体形态相似而局部曲率、幅度、波峰个数不同的识别问题,提出了一种以曲线形态语义与变长夹角链码结合的曲线编码和描述方法.用折线重构测井曲线,以曲线的形态类型,折线的长度和相邻折线的夹角作为特征描述,采用基因遗传算法求得最优权值,对折线长度和夹角特征分别进行加权,最后用特征加权K近邻算法实现对井下管柱工具的分类.实验表明该方法能有效的用于井下工具的识别.     

一种基于可变夹角链码的靠岸舰船目标检测方法

高分辨率遥感图像上靠岸舰船的灰度、纹理特征往往和码头接近,其自动检测相对比较困难,而半米粒状轮廓特征是靠岸舰船检测中区分度较好的特征之一。利用可变夹角链码对靠岸舰船的这种轮廓特征进行描述,具有平移、旋转及缩放相对不变性。改进了可变夹角链码生成算法,并在此基础上提出了一种基于可变夹角链码的靠岸舰船检测方法。实测数据实验证明该方法在一定程度上能够解决靠岸舰船检测问题。     

曲线描述的一种方法:夹角链码

提出了一种有效的曲线编码和描述方法--夹角链码.夹角链码的思想框架是:首先将曲线用一串有方向的等长度的线段来表述,根据相邻线段之间的夹角差形成一串角度序列,即夹角链码来描述这条曲线.描述曲线的直线段的数目由面积法则来决定,并且待处理的曲线将被分割成相等数目的线段.该方法最大的一个优点是曲线的描述具有平移、拉伸和旋转的不变性.该方法的一个实际应用在于,将某一个地区的合成孔径雷达(synthetic aperture Radar,简称SAR)图像与地图相匹配.     

基于链码的减震器示功图故障检测算法

减震器示功图是测量减震器外特性的重要手段,快速准确的识别减震器故障类型对降低减震器的次品率和改善减震器的设计缺陷具有重要意义。为此,提出了基于链码的多特征模式匹配算法对故障示功图进行分类。首先,对示功图进行预处理并记录最大拉伸阻尼力和最大压缩阻尼力的值,对预处理后的示功图进行十字分割,分别求出分割后的示功图各部分的链码序列,然后求出其对称性、链码长度、面积这三个特征值,最后根据编码原则对特征参数进行编码,将其编码后的值与类型库的编码进行匹配,从而得出样本的故障类型。实验结果表明,该算法能够正确识别示功图的13类基本故障类型。     

基于团块的特征提取

本文提出了一种新的基于团块的图像处理思想，描述了在团块的链码表示的基础上提取其点、线、面 算法，与以往的图像处理方式相比，新方式更接近人眼观察景物的方式，并可在图像处理的早期引入组织的早期引入知识以控制搜索空间，减少计算量，加快运算速度。     

基于链码的人脸表情几何特征提取

已有人脸表情特征提取算法的表情识别率较低.为此,提出一种基于链码的人脸表情几何特征提取算法.以主动形状模型特征点定位为基础,对面部目标上定位的特征点位置进行循环链码编码,以提取出人脸表情几何特征.实验结果表明,相比经典的LBP表情特征鉴别方法,该算法的识别率提高约10％.     

基于Huffman编码的改进压缩链码

对图像处理及模式识别中的各类链码技术进行了研究,并基于压缩顶点链码提出了一种新的链码:改进的压缩顶点链码。该链码比压缩顶点链码新增一位码值,采用Huffman编码对各码值进行编码,实现了一组不等长的链码表示。通过对大量图像的数据统计,分别计算了改进压缩顶点链码与现有的8种链码的码值平均表达能力、链码平均长度和效率以及相对于8方向Freeman链码的压缩比率。实验结果表明,所提出的改进压缩链码的效率最高,链码压缩率最为理想。     

基于侧链连接卷积神经网络的手掌静脉图像识别

针对手掌静脉图像数量少且质量参差不齐,进而导致掌脉识别系统的性能降低的现象,提出一种基于侧链连接卷积神经网络的手掌静脉图像识别方法。首先,在ResNet模型的基础上,用卷积层和池化层提取掌脉特征。然后,采用指数线性单元（ELU）激活函数、批归一化（BN）和Dropout技术来改进和优化模型,以缓解梯度消失、防止过拟合、加快收敛及增强模型泛化能力。最后,引入稠密连接网络（DenseNet）,使提取到的手掌静脉特征更具丰富性和有效性。在两个公开库和一个自建库上分别进行实验,结果表明所提方法在三个数据库上的识别率分别为99.98%、97.95%、97.96%。可见该方法能有效提高掌脉识别系统的性能,且更适用于掌脉识别的实际应用。     

基于自适应融合的手掌静脉增强方法

针对掌脉轮廓不清晰，图像对比度低、亮度低，进而导致识别性能降低的现象，提出一种自适应融合的手掌静脉增强方法。首先，基于暗原色先验（DCP）去雾算法，根据掌脉图像变异系数自适应选择去雾系数，得到DCP增强图像，并且基于部分子块重叠直方图均衡（POSHE）算法得到POSHE增强图像；然后，将图像分为16个子块，依据图像灰度均值与标准差确定各子块权重；最后，根据各子块权重对DCP和POSHE增强图像进行自适应融合，得到最终增强图像。该方法既保留了DCP算法在增强图像对比度和亮度的同时不引入明显噪声的优点，又保留了POSHE算法在增强图像对比度和亮度的同时不损失局部细节的特点；同时，两者的自适应融合既解决了DCP图像阴影部分掌脉缺失现象，又削弱了POSHE产生的块效应。在对两个公开库和自建库分别进行的实验中，三个数据库的等错误率分别为0.0004、0.0472、0.0579，识别率分别为99.98%、94.27%、92.05%。实验结果表明，与现有的图像增强方法相比，该方法降低了等错误率，提高了识别精度。     

掌纹识别的一种新的特征提取方法*

通过分析已有的掌纹识别方法和特征提取所面临的问题,提出了一种新的掌纹识别算法——直接监督保局投影(DSLPP)。该算法在传统的保局投影（LPP）算法中加入类别信息,同时对角化XLX T和XDX T,可以直接达到保局投影算法的最优准则,并且无须在原始高维数据(如原始图像)上先进行任何特征提取或降维处理。在PolyU 掌纹库中进行实验,与Eigenpalm、Fisherpalm和LPP算法相比具有较高的识别速度和识别率;当掌纹库中图像总数为600张,共100人,每人用5张掌纹图像作为训练样本,1张掌纹图像作为     

基于非线性距离和夹角组合的最近特征空间嵌入方法

最近特征空间嵌入NFSE方法在训练过程中选取最近特征空间时采用传统的欧氏距离度量会导致类内离散度和类间离散度变化同步;测试时,最近邻规则也使用欧氏距离度量,而高维空间样本间直线距离具有趋同性。这些都会降低识别率,为解决此问题,提出了基于非线性距离和夹角组合的最近特征空间嵌入方法。在训练阶段,该方法使用非线性距离度量选取最近特征空间,使类内离散度的变化速度远小于类间离散度的变化速度,从而使转换空间中同类样本距离更小,不同类样本距离更大。在匹配阶段,使用结合夹角度量的最近邻分类器,充分利用样本相似性与样本夹角的关系,更适合高维空间中样本分类。仿真实验表明,基于非线性距离和夹角组合的最近特征空间嵌入方法的性能总体上优于对比算法。     

基于SIFT特征和Fisher的人脸识别方法

针对人脸识别中特征提取和特征分类问题,提出一种基于SIFT特征和Fisher鉴别的人脸识别新方法。采用具有旋转、缩放、平移、光照不变性及部分仿射不变性的SIFT特征作为初级特征,利用Fisher线性鉴别方法再次提取初级特征,从而得到样本的二次特征,通过比较二次特征之间的欧氏距离,得到识别结果。实验结果表明,新的方法具有99．65％的正确识别率,高于Fisher方法和核Fisher方法,识别速度和Fisher方法相当。     

基于单样本的手掌静脉识别方法

针对单样本手掌静脉识别率较低的问题,研究了一种结合手掌静脉2DPCA特征和分区LBP特征的识别方法。利用图像重采样和奇异值扰动方法生成虚拟样本,利用2DPCA从生成的虚拟样本图像上提取静脉特征进行识别;利用LBP从原单样本手掌静脉提取分区特征进行识别;利用决策层融合方法将以上两种方法进行融合。在Poly U手掌静脉库上的实验表明,该方法能有效地解决手掌静脉的单样本识别问题。     

基于上下文环境和句法分析的蛋白质关系抽取

针对蛋白质交互作用关系(PPI)抽取方法中特征利用的片面性问题,提出了一种从上下文环境和句法结构中抽取特征的方法。该方法抽取词法特征、位置特征、距离特征、依存句法特征和深层句法特征等丰富特征构成特征集,并且使用支持向量机（SVM）分类器进行PPI抽取。方法在5个公开的PPI语料上进行了评估。实验结果表明,丰富特征有效地利用了更为全面的信息,避免丢失重要特征的危险,得到了较好的PPI抽取性能。即在AImed语料上的实验取得了59.2%的F值和85.6%的曲线下面积（AUC）值。     

级联优化CNN的手指静脉图像质量评估

目的 针对手动设计的手指静脉质量特征计算过程复杂、鲁棒性差、表达效果不理想等问题,提出了基于级联优化CNN（卷积神经网络）进行多特征融合的手指静脉质量评估方法。方法 以半自动化方式对手指静脉公开数据库MMCBNU_6000进行质量标注并用R-SMOTE（radom-synthetic minority over-sampling technique）算法平衡类别;将深度学习中的CNN结构应用到手指静脉质量评估并研究了不同的网络深度对表征手指静脉质量的影响;受到传统方法中将二值图像和灰度图像结合进行质量评估的启发,设计了两种融合灰度图像和二值图像的质量特征的模型：多通道CNN（MC-CNN）和级联优化CNN（CF-CNN）,MC-CNN在训练和测试时均需要同时输入二值图像和灰度图像,CF-CNN在训练时分阶段输入二值图像和灰度图像,测试时只需输入灰度图像。结果 本文设计的3种简单CNN结构（CNN-K,K=3,4,5）在MMCBNU_6000数据库上对测试集图像的分类正确率分别为93.31%、93.94%、85.63%,以灰度图像和二值图像分别作为CNN-4的输入在MMCBNU_6000数据库上对测试集图像的分类正确率对应为93.94%、91.92%,MC-CNN和CF-CNN在MMCBNU_6000数据库上对测试集图像的分类正确率分别为91.44%、94.62%,此外,与现有的其他算法相比,CF-CNN在MMCBNU_6000数据库上对高质量测试图像、低质量测试图像、整体测试集图像的分类正确率均最高。结论 实验结果表明,基于CF-CNN学习到的融合质量特征比现有的手工特征和基于单一静脉形式学习到的特征表达效果更好,可以有效地对手指静脉图像进行高、低质量的区分。     

基于多特征的静态软件胎记提取算法

针对使用现有软件胎记进行程序抄袭检测结果不准确的问题,提出一种新的静态软件胎记提取算法。该算法产生的程序胎记由软件的两个方面特征综合生成。算法对源程序和可疑程序进行预处理得到程序元信息,然后通过元信息获取程序的应用程序接口（API）调用集合和指令序列作为两个特征,综合这两项特征生成软件胎记;接着,计算源程序与可疑程序的软件胎记之间的相似度,通过相似度判定两程序之间是否存在抄袭行为。实验验证了该算法得到的软件胎记具有可信性和弹性,与传统的k-gram软件胎记相比更具有弹性。     

基于PSO与ICA的表情特征提取

提出基于粒子群优化（PSO）与独立分量分析（ICA）的表情特征提取方法。首先利用ICA算法对表情图像数据建立基本的独立基向量求解框架；为了减少计算复杂度，然后利用PSO算法对处理后的表情图像数据搜索最优的解集合；最后利用支持向量机（SVM）作为算法验证的分类器。实验结果表明该算法在保证较高表情识别率的基础上加快了表情图像特征提取的速度。