基于亮度分级和方向密度的无监督文本定位

提出一种基于RGB亮度分级和方向密度的自然场景无监督文本定位方法,该方法基于场景文本通常与局部背景有较大的对比度这一特性,分别在R、G、B三个颜色层进行亮度分级,以降低背景复杂性;然后,利用文字笔画的显著方向性,以方向密度为依据进行文本区域粗定位;再进一步利用SVM多类分类器实现文本区域精确判别。新方法克服了一般无监督方法颜色聚类数目选定困难的问题,限制了候选区域的种类,从而降低了SVM分类器的训练难度,具有较高的准确性和鲁棒性。     

基于随机矩阵变换的隐私保护聚类方法

在保护隐私的情况下挖掘有用的信息是近年来数据挖掘领域研究的热点之一。针对Johnson-Lindenstrauss定理中数据高维特征空间映射到低维特征空间数据点之间距离基本保持不变的原理,提出了基于随机正交矩阵的隐私保护聚类方法。实验结果表明,该方法计算简单,在不影响聚类结果的情况下起到了保护隐私的作用。     

结合Fisher判别的手写数字特征提取方法

在手写数字图像的特征提取中,提出一种结合Fisher线性判别的多分辨率Gabor滤波方法,在所有特征点上寻求特定滤波方向上的局部最优滤波频率,以获得最佳滤波效果,同时压缩不相关特征.在MNIST手写数字图像库上的识别实验表明:在小样本情况下,该方法能更准确地抽取手写数字图像特征,识别效果明显优于直接进行Gabor特征提取.     

基于可分离Gabor滤波的纹理分析方法

提出一种基于可分离Gabor滤波的纹理分析新方法,该方法把传统的Gabor滤波器分解成为两个相互正交的低通和带通滤波器,以降低滤波运算量;并指出在正交分解条件不满足的情况下,通过旋转样本图像,解决Gabor滤波器在任意角度的正交分解问题.实验表明,新方法与传统方法相比,效率提高30%以上,并且准确率更高.     

结合亮度分级和笔画检测的彩色图像文本提取

提出一种彩色图像下的文本提取方法,该方法对彩色图像在R、G、B三个颜色层分别进行亮度分级,以避开传统颜色聚类方法的聚类数目选择问题,降低图像复杂度;考虑到文字笔画的显著方向性特征,并且通常具有稳定的颜色,利用方向梯度算法进行文本粗定位;然后进一步利用多类SVM分类器实现文本区域精确判别。新方法限制了候选区域的种类,从而降低了SVM分类器的训练难度,具有较高的准确性和鲁棒性。     

基于颜色散布分析的自然场景文本定位

针对现有的文本定位方法存在阈值选择困难、计算窗口尺寸敏感、文本特征与非文本特征交错难以区分等问题,提出一种文本定位方法。利用局部颜色散布分析,突出文字和背景的差异,使阈值选择范围更宽松。通过空间颜色散布分析,基于文本和背景颜色的空间分布实现文本的精确定位和分割,避开文本特征分类问题。实验结果表明,该方法适应性较好,准确性较高。     

基于参数模板匹配的指纹中心定位

目前广泛采用最大曲率方法实现指纹中心定位,但在指纹中心缺失情况下,该方法定位并不准确.为解决该问题,提出了一种基于相关参数模板匹配的指纹中心定位新方法,对FVC2004指纹数据库的测试表明,在指纹经过初步增强的基础上,借助最小距离判别,新方法能够对指纹中心准确定位,与最大曲率方法相比,在中心点缺失的情况下,有更高的鲁棒性.     

红外人体图像模糊Renyi熵快速分割

针对红外人体图像目标与背景对比度低、边缘模糊、细节分辨能力差等特点,以及通常情况下的实时性处理要求,提出了一种新的有效分割方法。基于Renyi熵原理,构造了一种广义模糊熵——模糊Renyi熵;为了较快地获得分割阈值,基于混沌理论设计了一种混沌模拟退火算法,用于最佳分割阈值的搜索;把提出的模糊熵与混沌模拟退火算法相结合用于红外人体图像分割,并与几种著名的图像阈值分割方法进行了比较。实验结果表明,用该方法对红外人体图像进行分割,能得到较满意的分割结果,与其他方法相比,鲁棒性较好;对具有256级灰度的图像进行分割,其CPU耗时约为0.8 s,满足了红外人体图像分割的精确、实时性要求。     

基于聚类支持向量机的入侵检测算法

针对支持向量机应用到入侵检测中训练时间长的特点,提出了一种基于聚类的支持向量机的入侵检测算法。该方法可以对训练数据进行剪枝,以靠近判别边界的聚类中心集合作为有效的训练样本集合对支持向量机进行训练,减少了样本的训练时间,提高了算法的效率。实验结果表明该方法对入侵检测是有效的。     

基于Fisher的Gabor特征提取方法

提出在Gabor滤波理论的基础上,结合Fisher线性判别方法,对手写数字图像的所有特征点寻找局部最优滤波频率和滤波方向,从而提取最优Gabor特征的方法。对MNIST手写体数据库的识别实验表明,该方法在小样本情况下明显优于直接Gabor特征提取。