一种新的图像识别算法

提出了一种图像的识别算法,首先对图像进行Gabor小波变换,为了解决图像中的平移、旋转、尺度不变性,以及局部遮挡问题,对滤波结果计算其4个不变矩作为反映整体形状特征的特征向量,再对提取的特征向量利用SVM算法进行图像检测,检测结果表明该算法具有较好的抗噪性并能解决目标检测中的遮挡问题.最后利用弹性网格的方法对其进行识别.文中的检测和识别结果表明,多通道的Gabor滤波器对于纹理图像的特征描述比较充分,该识别算法有比较理想的鲁棒性和容错性,能得到较好的识别结果.     

一种改进的小波特征提取算法及其应用

特征提取是模式识别中的一个关键问题.为解决现有的基于灰度空间和梯度方向的小波特征用于目标物分类检测时对光照及背景噪声敏感的问题,提出一种改进的小波特征提取算法,即对感兴趣区域(Region of Interest,ROI)基于HSV颜色模型的V通道分量进行小波金字塔式分解,然后取塔式分解得到的小波系数幅值,对其进行归一代处理,最后进行阈值化处理.将改进的算法应用于基于单目视觉的静态图像后方车辆检测系统中,实验结果表明其能显著提高车辆识别效果,增强系统的鲁棒型.     

一种基于低对比度图像的车辆检测算法

提出一种基于低对比度图像的车辆检测算法。对图像分割算法得到的感兴趣区域(ROI)进行预处理,利用Haar小波特征提取算法提取ROI的图像边缘及纹理特征,利用支持向量机对ROI进行车辆检测。实验结果表明,该方法对车辆检测率达到90.6%,误报率为3.8%。通过再学习还可以进一步提高算法的识别性能。     

一种新的彩色图像数字水印算法

数字水印是有关多媒体信息内容安全的一种技术.本文应用离散脊波变换(Discrete Ridgelet Transform),设计并实现了一种基于离散眷波变换和离散小波变换的图像水印算法,算法分别在彩色图像的离散小波变换域和离散眷波变换域嵌入彩色图像水印,可以抵抗噪声、JPEG压缩、改变亮度、改变对比度、改变颜色、lens blur、缩放、剪切和一些联合攻击.     

基于SVM算法的图像分类

介绍了SVM算法的原理和在图像分类上的一些应用,将该算法应用于飞机图像的分类,并跟传统的神经网络分类算法进行了比较。跟传统的基于神经网络的图像分类相比,具有良好的抗噪性和较高的识别率,并且具有良好的扩展性。对于飞机图像的分类问题有较好的应用。     

一种新的人脸识别算法

针对基于SVM的人脸识别算法运算量较复杂的问题,提出了一种基于RS-SVM的人脸识别算法.进行基于几何特征的特征提取,在人脸图像上标记24个特征点形成12个测量距离,作为脸部特征.为了从所有提取的特征中选择出与人脸识别相关的、必要的特征,使用了粗糙集理论(Rough Set)的属性约简算法进行特征选择,有效降低特征维数.然后用支持向量机(SVM)进行分类.实验证明,该方法可以有效降低SVM的运算复杂度,并具有良好的识别效果.     

一种新的多类支持向量机算法

提出了一种新的多类支持向量机算法OC-K-SVM.对k类分类问题,该方法构造了k个分类器,每一个分类器只对一类样本进行训练.使用Benchmark的数据集进行了初步的实验,实验结果验证了算法的有效性.     

基于小波变换的国画特征提取及分类

像素域内利用图像处理技术对图像进行特征提取得到广泛研究。为了在新的信号域内找到更好的图像特征表示方法,提出在小波域内利用不同分辨率及频带的图像结构所展现的艺术风格的不同表现形式来获得国画艺术深度信息的方法。该方法利用三层小波变换提取图像的纹理特征,并采用3种不同的分类器决策树、BP神经网络和支持向量机,对不同画家的风格进行学习,以完成自动分类。实验结果表明,该算法能有效提取图像纹理特征,实现国画的自动分类。     

一种新的基于SVM的相关反馈图像检索算法

提出了一种新的基于支持向量机(SVM)的相关反馈图像检索算法。实验结果表明,该算法在一定程度上解决了基于SVM的相关反馈图像检索中存在的样本不足的困难,提高了系统的检索性能。     

一种新的拼接图像检测方法*

图像的拼接检测在数字图像取证中占有重要的地位,因此引起了广泛的关注。为此,提出了一个有效的被动盲取证方法来检测拼接图像,通过提取多尺寸块离散余弦变换二维数组（MBDCT）的统计特征量和图像质量评价量（IQMs）来建立模型。选用哥伦比亚大学的图像拼接检验数据库来测试该模型,采用支持向量机（SVM）作为分类器进行训练和测试,实验结果表明新的拼接检测模型具有精确度高、应用面广的优点,在拼接检测中有很好的发展前景。     

基于小波域方向树结构的图像水印算法

在小波变换域中,不同分辨率上、同方向子带内、相同空间位置的小波系数之间有较强的相似性,该文提出了一种基于小波域方向树结构的图像水印算法。该算法利用支持向量机建立小波系数方向树结构模型,通过调整模型的输出值与目标值的大小关系来隐藏水印。提取水印时,不需要原始载体图像。实验结果表明,该算法对常见的图像攻击具有很好的鲁棒性,而且水印嵌入容量大、隐蔽性好、安全性强、性能优越。     

一种新的SVM对等增量学习算法

在分析支持向量机（SVM）寻优问题的KKT条件和样本分布之间关系的基础上,分析了新增样本的加入对SV集的影响,定义了广义KKT条件。基于原训练样本集和新增训练样本集在增量训练中地位等同,提出了一种新的SVM增量学习算法。算法在及时淘汰对后继分类影响不大的样本的同时保留了含有重要分类信息的样本。对标准数据集的实验结果表明,算法获得了较好的性能。     

一种基于支持向量机的图像数字水印算法

为了使数字水印综合性能更好，根据图像邻域像素之间具有很强的相关性这一特点，提出了一种基于支持向量机的图像水印算法。该算法将支持向量机的思想用于数字水印，并取得了较好的效果。由于支持向量机在有限训练样本的情况下具有很好的学习和泛化能力，因此，可以首先利用回归型支持向量机较好地建立图像邻域像素之间的关系模型，然后，通过调整模型的输出值与中心像素值之间的大小关系来嵌入或提取水印。实验表明，用该技术嵌入水印后的图像不仅具有很好的图像感知质量和较强的鲁棒性，对图像增强、JPEG压缩、噪声、几何剪切等抵抗强，而且安全性好、实用性较强。     

SVM文本分类中一种新的特征提取方法

随着互联网的迅速发展,面向重要网络媒体海量发布信息实现智能分类,对于网络信息监管、舆论引导工作有着深远的意义。文中针对在文本分类中的特征选取问题,描述了一种基于法矢量权重的特征评价和选取方法。将此方法与SVM学习算法进行结合,在路透社标准文本测试集上进行了对比评估。实验结果显示,此特征选取方法相对于传统的特征选取方法可以产生更优的分类性能。此特征提取方法提供一种有效的途径,在基本保持分类器性能的前提下显著地减少特征空间的维数,进而提升系统的资源利用效率。     

SVM文本分类中一种新的特征提取方法

随着互联网的迅速发展,面向重要网络媒体海量发布信息实现智能分类,对于网络信息监管、舆论引导工作有着深远的意义。文中针对在文本分类中的特征选取问题,描述了一种基于法矢量权重的特征评价和选取方法。将此方法与SVM学习算法进行结合,在路透社标准文本测试集上进行了对比评估。实验结果显示,此特征选取方法相对于传统的特征选取方法可以产生更优的分类性能。此特征提取方法提供一种有效的途径,在基本保持分类器性能的前提下显著地减少特征空间的维数,进而提升系统的资源利用效率。     

基于SVM算法和纹理特征提取的遥感图像分类

遥感图像分类是遥感图像处理领域中的一个重要的研究方向,传统的遥感图像分类方法根据像素值进行分类,忽视了遥感影像中丰富的纹理特征信息.小波分析通过引入宽度可变的窗口,可以同时对信号的局部信息进行频率域和时间域的变换.小波分析算法可以有效地提取出图像中的纹理特征信息.支持向量机算法是20世纪90年代提出的一种新的机器学习算法,通常被用来进行模式识别和分类.结合小波纹理提取算法,利用支持向量机进行遥感图像分类.研究结果表明,结合纹理特征的支持向量机分类的效果优于直接对灰度图像进行分类.     

一种新的脊波变换方法

小波变换适用于表示具有各向同性奇异性对象的局部特性,脊波变换适用于表示具有各向异性奇异性对象的局部特性,但是各自对于对方所适用的局部特性的应用效果却不明显.提出了一种新的对脊波理论加以改进的多分辨分析方法——拟脊波多分辨分析方法.该方法统一了小波理论和脊波理论,使小波理论和脊波理论成为该方法的两种特殊情形.同时它具有对各向同性和异性的奇异性对象的辨识能力.通过实验比较表明,该方法对小波理论和脊波理论优点的组合、缺点的规避相当明显,在图像去噪应用中具有更强的灵活性.     

一种新的半自动图像注释方法

手工注释图像是一项费时费力的工作,论文利用SVM,实现了半自动图像注释。首先将图像库分为两部分,手工标注训练图像库中的图像,剩余的图像作为测试图像;然后用SVM对图像进行分类,并将输出结果概率化;最后应用K—NN决策规则,为待注释图像获取关键词。实验结果显示,该方法是有效的。     

一种基于小波过零检测和SVM的虹膜识别方法*

提出了一种新的基于SVM的虹膜识别算法,通过对虹膜纹理采用小波变换来实现特征提取,最后通过SVM完成模式匹配。实验结果表明,该算法识别率高并可有效地应用于虹膜身份鉴别系统中。     

一种新的支持向量机增量学习算法

支持向量机已经成为处理大规模高维数据的一种有效方法。然而处理大规模数据需要的时间和空间代价很高,增量学习可以解决这个问题。该文分析了支持向量的性质和增量学习的过程,提出了一种新的增量学习算法,舍弃了对最终分类无用的样本,在保证测试精度的同时减少了训练时间。最后的数值实验和应用实例说明:算法是可行的、有效的。