基于多尺度随机模型的SAR图像无监督分割

合成孔径雷达（synthetic aperture radar,SAR）是一种基于相干原理的成像系统,在SAR图像中存在严重影响图像质量的斑点噪声,使得SAR图像的可靠分割非常困难。〖BP）〗根据SAR图像的成像机理,利用两种多尺度随机模型,即多尺度自回归（Multiscale Autoregressive,MAR）模型和多尺度自回归滑动平均（Multiscale Aautoregressive Moving Average, MARMA）模型,分别来描述同一场景不同分辨率SAR图像像素间的统计相关性,并构造了相应的多分辨混合算法实现SAR图像的无监督分割。试验结果表明,提出的两种无监督分割方法是可行的,且MARMA模型比MAR模型能够更精确地捕捉SAR图像多尺度序列中不同类型地形的统计信息,使分割质量具有明显的改进。     

WBCT域系数相关性的图像融合算法研究

基于小波变换的Contourlet变换(WBCT)是一种非冗余的多尺度几何分析变换,比Contourlet变换具有更好的信息挖掘能力.因此将WBCT应用于图像融合领域,能更好地提取图像边缘特征,为融合提供更多的原始图像特征信息.WBCT域系数相关性的图像融合算法是针对WBCT分解系数尺度内以及不同区域内像素点间的相关性设计图像融合规则.实验表明,以WBCT为基础设计的系数相关性融合算法能更有效、更准确地提取图像中的特征,为融合图像保留更全面的原始图像信息,是一种有效可行的图像融合算法.     

多变换域马尔可夫树图像去噪算法*

针对图像去噪时单一变换方法的不足,提出了一种新的基于Contourlet变换和小波变换的多变换分级图像降噪算法。根据Wavelet变换和Contourlet变换系数对图像中不同频带信号的稀疏表示特点,利用隐马尔可夫树（HMT）模型可以描述相邻尺度变换域系数的互相关性。首先使用小波域HMT方法进行第一级降噪,然后将其作为先验估计,利用Contourlet变换进行迭代阈值降噪。通过与几种传统的小波域HMT和Contourlet域HMT去噪算法相比,本算法改善了去噪图像的可视性并使PSNR值有所提高。     

基于对偶树复小波和MRF模型的纹理图像分割

基于对偶树复小波（DT-CWT）和马尔可夫随机场（MRF）模型提出了一种监督纹理图像分割算法，算法包括两个步骤，首先对复小波变换系数进行较为精确的建模，提取其一阶统计信息作为纹理特征，综合多个尺度的信息，基于极大似然标准进行初始分割；其次，将初始分割结果用MRF模型表示，基于贝叶斯最大后验（MAP）融合初始分割结果，得到最终的分割结果。算法应用于合成纹理图像和实际图像得到了良好的结果，对比实验表明算法所采用的纹理特征的提取方法、小波变换方式、用MRF模型来建模标号等是算法简洁有效的基础。     

复小波域混合概率图模型的超声医学图像分割

针对存在大量不规则斑点噪声、目标边缘弱化的超声医学图像分割中较难识别目标的问题, 提出了一种复小波域中混合概率图模型的超声医学图像分割算法.采用具有近似平移不变性和良好方向选择性的双树复小波变换(Dual tree-complex wavelet transform, DT-CWT)提取超声医学图像6个方向的高频特征信息; 其次, 为关联目标的弱特征信息并抑制统计独立的高频噪声, 构建了复小波域混合概率图模型; 尺度间"父—子"节点间标记采用贝叶斯网络进行建模, 尺度内邻域间标记采用马尔科夫随机场(Markov random field, MRF)无向图建模, 对复小波域中同尺度的特征系数采用高斯混合模型建模, 尺度内同标记的观测特征采用高斯模型建模; 最后, 用迭代条件模式(Iterated conditional mode, ICM)实现MRF中误分割率最小的能量函数最优解, 获取标记场, 实现超声医学图像分割.实验结果从视觉效果和定量分析两方面验证表明, 本文算法能有效地提取超声图像的弱目标信息, 较好地定位目标区域, 具有较高的分割精度和鲁棒性.     

有效的SAR图像多尺度分类算法

为提高分类精度,提出一种基于最大期望(EM)与遗传(GA)算法的多尺度SAR图像无监督分类方法.利用多尺度自回归(MAR)模型描述SAR图像中不同尺度之间的统计相依性,提取多尺度特征.应用混合模型描述多尺度特征,并将GA算法与EM算法相结合给出混合模型的参数估计算法,利用最小描述长度(MDL)准则选择模型的分量教.最后使用Bayes分类器实现了图像的分类与分割.该方法集EM算法和GA算法结合后的优点,对设定初值有较少的敏感性,因而避免了局部最优解.应用于SAP图像的实验表明,在分割精度上GA-EM方法优于MAR模型的算法.     

基于二代bandelets域HMT模型的图像分割

在小波域隐马尔可夫树模型(WHMT)图像分割算法的基础上,根据二代handelets系数的分布统计特性,提出一种新的bandelets域隐马树模型(BHMT)有监督图像分割算法.新算法试图利用二代bandelets能表示图像几何规律性的特点来改进分割效果.为证明算法的有效性,用合成纹理图像和真实的航空和遥感图像做分割实验,并和小波域隐马模型树分割算法作了对比,对合成纹理图像分割,用错分概率作为评价参数.实验结果表明,此方法错分概率低、分割效果理想.     

基于尺度相关性的旋转不变纹理图像渐进式检索算法

在常用的基于小波变换域旋转不变纹理图像检索算法中,由于存在方向信息提取有限且多尺度间系数相关性被忽略的局限性,检索效率受到影响。提出一种基于尺度相关性的渐进式旋转不变纹理图像检索算法。该算法首先采用Log-polar变换与非下采样Contourlet变换组合的方式获取具备旋转不变性的多尺度多方向变换系数,然后利用广义高斯模型拟合低通波段的全局结构信息作为粗判依据,方向子带间的尺度相关信息则采用非高斯双变量模型拟合,并作为精细渐进式检索的特征变量。基于Brodatz标准纹理库的实验结果表明,与小波变换及基于层内关系模型方法相比,该方法能以更低的特征维数获得更高的检索效率及检索准确率,是一种进行旋转纹理检索的有效手段。     

基于双变量收缩函数的局域自适应图像去噪

由于图像小波系数存在很大的层间相关性，引入双变量概率分布模型，基于贝叶斯估计理论，得到了相应的非线性阈值函数（双变量收缩函数）；基于层内局域方差估计，利用该收缩函数得到一种局域自适应的图像去噪算法。在实验中，将该算法分别应用到实值离散小波变换域和双树复数小波变换域，并和隐马尔科夫模型的去噪方法做了比较分析。实验表明，复数小波变换的局域自适应收缩图像去噪算法去噪效果最好。     

基于非下采样Contourlet变换域

依据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布模型,并基于该模型提出一种新的非下采样Contourlet变换图像分割方法。用合成纹理图像和实际图像进行仿真实验,并与小波域隐马尔可夫树模型分割及Contourlet域隐马尔可夫树模型分割等方法进行了比较,实验结果表明,在大多数情况下,该算法分割结果要好于相比较的方法,在边缘特征方面保持了良好的视觉效果,并且模型的训练简单快速。     

一种危险分析软件的设计与实现

危险分析是一个复杂的系统工程,单凭手工完成是难以想象的。本文系统地介绍了系统安全性分析中的危险分析及几种危险分析方法,并提出了一种计算机辅助危险分析的软件设计,最后指出了目前关于危险分析计算机化尚存在的问题,为今后的继续研究提出了新的思路。     

局部Fisher判别分析算法及仿真研究*

复杂化工过程常被多种类型的故障损坏,正常的训练数据无法建立准确的操作模型。为了提高复杂化工过程中故障的检测和分类能力,传统无监督Fisher判别分析(Fisher Discriminant Analysis,FDA)算法无法在多模态故障数据中的应用,本文提出基于局部Fisher判别分析(Local Fisher Discriminant Analysis,LFDA)的故障诊断方法。首先计算训练数据的局部类内和类间离散度矩阵,寻找LFDA的投影方向;其次把训练数据和测试数据向投影向量上投影,提取特征向量;最后计算特征向量间的欧氏距离,运用KNN分类器进行分类。把提出的LFDA方法应用到Tennessee Eastman(TE)过程,监控结果表明,LFDA的效果好于FDA和核Fisher判别分析(Kernel Fisher Discriminant Analysis,KFDA),说明LFDA方法在分类及检测不同类的故障方面具有高准确性及高灵敏度的优势。     

基于PCA和LDA统一化原理的增强型线性鉴别分析准则

主分量分析(PCA)和线性鉴别分析(LDA)是模式识别领域的使用最为广泛的两种特征抽取方法,而在图像识别中经常采用的是PCA LDA方法来代替单纯的LDA。本文提出一种增强型线性鉴别准则(ELDA),将PCA的优点和LDA的优点充分地融合在一起,不仅解决了PCA过程中使用最小距离方法时识别精度相对低的缺点,而且解决了LDA过程中当类内散布矩阵奇异时投影向量的求解问题,也就是说可以使用该方法来替代PCA LDA的两步骤方法。另外,该方法在识别精度上比PCA和LDA或PCA LDA方法都有较大的提高,通过在ORL、Yale和NUST603人脸库上的实验验证了该算法的有效性。     

基于线性投影分析和FCM动态聚类的人脸识别*

依据主成分分析方法(PCA)对图像具有很好的表达能力,即能很好地重构原图像,而线性鉴别分析(LDA)可使图像样本具有较高可分性的特点,提出对图像先进行PCA处理,再进行LDA处理,从而降低人脸特征维数并对人脸图像进行了特征提取;并提出用FCM动态聚类算法作为识别分类器,对人脸进行识别。实验和分析结果表明,在人脸识别中,这种融合PCA和LDA的分类方法能够更好地对特征进行提取,且FCM动态聚类分类器比K近邻判别分类器更具有灵活的分类能力。     

Plant-wide detection and diagnosis using correspondence analysis

This paper presents an approach based on the correspondence analysis (CA) for the task of fault detection and diagnosis. Unlike other data-based monitoring tools, such as principal components analysis/dynamic PCA (PCA/DPCA), the CA algorithm has been shown to use a different metric to represent the information content in the data matrix X. Decomposition of the information represented in the metric is shown here to yield superior performance from the viewpoints of data compression, discrimination and classification, as well as early detection and diagnosis of faults. Metrics similar to the contribution plots and threshold statistics that have been developed and used for PCA are also proposed in this paper for detection and diagnosis using the CA algorithm. Further, using the benchmark Tennessee Eastman problem as a case study, significant performance improvements are demonstrated in monitoring and diagnosis (in terms of shorter detection delays, smaller false alarm rates, reduced missed detection rates and clearer diagnosis) using the CA algorithm over those achievable using the PCA and DPCA algorithms.     

基于方差滤波和ICA算法的人眼定位

采用方差滤波器确定人眼候选区域, 结合独立成分分析(ICA)方法对人眼进行快速定位, 能够有效地提取训练图像的高阶统计特征, 很好地去除基向量的相关性. 与主成分分析(PCA)和传统ICA方法相比具有更好的鉴别能力. 实验表明, 该方法的识别率可达97.3%, 并对光照和姿态变化也具有很好的鲁棒性.     

基于ICA和GSPSO-SVM的人脸识别方法

针对人脸识别中,利用粒子群算法训练支持向量机进行分类识别时存在易陷入局部最优和收敛速度慢的问题,提出一种基于雁群优化算法的人脸识别方法。将主成分分析与独立成分分析相结合提取人脸特征,利用支持向量机进行分类,在分类识别的过程中,引入雁群优化算法以提高速度和效率。实验结果表明,与标准粒子群算法相比,改进的粒子群算法提高了人脸识别率,具有较快的识别速度。     

基于PCA和ICA的虹膜识别方法

为了提高虹膜识别的正确率,提出了利用主成分分析(PCA)与独立成分分析(ICA)相结合的方法,来对虹膜进行识别的方法。用该方法进行虹膜识别时,首先对预处理后的虹膜图像,利用PCA算法进行去二阶相关和降维处理;然后再进行ICA训练。ICA训练采用了以下两种方法:方法1,将参与ICA训练的图像看作是随机变量,而将图像中的像素值看作是随机实验结果,ICA训练后即可得到相互独立的ICA虹膜基图像;方法2,将图像中的像素值看作是随机变量,而将图像看作是随机实验结果,ICA训练后即得到相互独立的ICA系数。采用CASIA虹膜数据库进行的试验结果表明,基于PCA和ICA的虹膜识别算法在两种训练方式下的正确识别率分别达到98.89%和98.33%。     

系统决策的价值分析、 价值寻求和价值综合集成的比较研究

基于元决策价值概念模型．对简单小系统、大系统、巨系统和复杂系统决策的价值问题进行研究。讨论了价值分析（VA）、价值寻求分析（VSA）、价值综合集成（VMS）3个层次的内涵；进而讨论了不同决策系统中决策与价值分析、价值寻求分析的关系．在此基础上基于复杂系统方法论，提出面向复杂系统问题决策的价值综合集成的思维框架。     

高斯PLDA在说话人确认中的应用及其联合估计

近年来,基于总变化因子的说话人识别方法成为说话人识别领域的主流方法.其中,概率线性鉴别分析（Probabilistic linear discriminant analysis,PLDA）因其优异的性能而得到学者们的广泛关注.然而,在估计PLDA模型时,传统的因子分析方法只更新模型空间,因此,模型均值不能很好地与更新后的模型空间耦合.提出联合估计法对模型均值和模型空间同时估计,得到更为严格的期望最大化更新公式,在美国国家标准与技术局说话人识别评测2010扩展测试数据库以及2012核心测试数据库上,等错率得到一定提升.