带约束条件的特征与最小二乘影像匹配

讨论了一种新的边缘检测方法和用链码描述的线矩数学模型,给出了基于不变线矩匹配的约束条件,并采用基于特征与最小二乘结合实现了精确的子像素匹配。     

用带约束的最小二乘法拟合平面圆曲线

研究各种拟合圆的方法,提出了一个圆的代数距离表示法的系数约束条件,在此约束条件下讨论圆的几何特征参数的估计问题,并给出了特征参数在约束条件下的最小二乘估计．实例验证表明,文中算法比一般最小二乘法具有更高的拟合精度．     

一种融合最小二乘和相位相关的粗匹配纠正算法

针对影像粗匹配后的同名点对匹配不准的问题,提出了一种序列窗口下融合最小二乘和相位相关的影像匹配纠正算法。该方法是在已有粗匹配的基础上进行,首先使用最小二乘对粗匹配结果进行处理,并选取一系列大小变化的影像窗口分别进行最小二乘匹配,得出匹配结果并计算每个匹配窗口的相关系数值。然后选用大小序列变化的影像窗口分别进行相位相关匹配,同时记录匹配结果并计算每个匹配窗口的相关系数值,以相关系数的大小作为衡量同名匹配正确与否的指标,选择相关系数最大的窗口下的匹配结果作为最终的结果。以山西山地区域的无人机影像作为实验基础数据,得出序列窗口下融合最小二乘和相位相关的影像匹配纠正算法能够显著提高粗匹配结果的精度,达到精匹配的目的。     

一种融合最小二乘和相位相关的粗匹配纠正算法

针对影像粗匹配后的同名点对匹配不准的问题,提出了一种序列窗口下融合最小二乘和相位相关的影像匹配纠正算法。该方法是在已有粗匹配的基础上进行,首先使用最小二乘对粗匹配结果进行处理,并选取一系列大小变化的影像窗口分别进行最小二乘匹配,得出匹配结果并计算每个匹配窗口的相关系数值。然后选用大小序列变化的影像窗口分别进行相位相关匹配,同时记录匹配结果并计算每个匹配窗口的相关系数值,以相关系数的大小作为衡量同名匹配正确与否的指标,选择相关系数最大的窗口下的匹配结果作为最终的结果。以山西山地区域的无人机影像作为实验基础数据,得出序列窗口下融合最小二乘和相位相关的影像匹配纠正算法能够显著提高粗匹配结果的精度,达到精匹配的目的。     

基于特征相关的偏最小二乘特征选择方法

针对传统的偏最小二乘法只考虑单特征的重要性以及特征之间存在冗余和多重共线性等问题,将特征之间的统计相关性引入到传统的偏最小二乘分析中,构造了一种基于特征相关的偏最小二乘模型。首先利用特征相关度对特征进行评估预选出特征组;然后将其放入偏最小二乘模型中进行训练,评估该特征组是否可取。结合前向贪心搜索策略依次评价候选特征,并选中使目标函数最小的候选特征加入到已选特征。分别采用麻杏石甘汤君药止咳、平喘和UCI数据集进行分析处理。实验结果表明,该特征选择方法能较好地寻找较优的特征组。     

基于移动最小二乘法的视差图像拼接

对于视差图像拼接,现有的工作大都采用单应性变换,这不足以得到好的拼接结果。提出一个新的视差图像拼接算法。首先检测图像的特征点并匹配,随后用随机采样一致算法RANSAC(Random Sample Consensus)和距离相似性筛选出正确的匹配点集;其次,以这些特征点结合移动最小二乘法构造一个全局仿射变换对准图像;最后,在图像的重叠区域以像素为顶点构建一个网络流,用最大流最小割算法寻找最优拼接曲线,并融合图像。由于提高了特征点匹配的正确性,对准模型的准确性明显好于以前的工作,图像拼接结果平滑真实,无扭曲、鬼影等现象。     

基于约束模态匹配-加权最小二乘的区域有源噪声控制

在区域存在源控制问题中,在目标区域产生大的降噪量的同时还需要控制次级声源阵列尽量不在其他区域内产生不必要的噪声增加.在实际应用中,可用的次级声源数目和能量都是有限的,如何充分利用有限的资源来最优化控制效果是一大难点.本文提出了一种结合加权最小二乘指向性声场控制算法和约束下的模态匹配次级声源布放优化算法的新有源控制算法....     

一种基于最小哈希的二值特征匹配方法

特征匹配是图像识别中一个基本研究问题。常用的匹配方式一般是基于贪婪算法的线性扫描方式,但只适用于低维数据。当数据维数超过一定程度时,这些匹配方法的时间效率将会急剧下降,甚至不强于强力线性扫描方法。本文提出一种基于最小哈希的二值特征匹配方法。通过最小哈希函数映射变换操作,将原始特征集合分成多个子集合,并将一个在超大集合下内查找相邻元素的问题转化为在一个很小的集合内查找相邻元素的问题,计算量有所下降。使用Jaccard距离度量的最小哈希函数能最大限度地保证原始数据中相似的向量对在哈希变换后依然相似。实验表明这种匹配方法应用在二值特征上时,可以获得比KD-Tree更好的匹配效果。     

基于最小二乘法的联合地图匹配算法的研究

地图匹配是车辆监控与管理系统的主要功能之一.从提高地图匹配算法准确率和缩短监控系统所需地图匹配时间的角度出发,提出了一种新的基于最小二乘法的联合地图匹配算法.该算法利用最小二乘法改进几何线到线地图匹配算法和拓扑结构地图匹配算法,根据路段混合使用算法,能实时准确地将行驶车辆匹配到相应的道路上.实验仿真表明,该算法为几何线到线在平行路段匹配不准的问题和拓扑范围越大匹配越不准的问题提供了有效的解决方法,具体可应用于路网密集的区域,为路网密集区域的道路定位与路径匹配提供准确和快捷的途径.     

基于最小二乘支持向量机的SAR影像边缘检测算法

为了实现不同传感器影像之间的边缘特征匹配,提出了一种新的SAR影像边缘检测方法.该方法首先利用最小二乘支持向量(LS-SVM)时影像进行拟合以减小相干斑噪声的影响,然后采用基于小波变换的断面检测法进行影像边缘检测.通过与经典影像边缘提取算子的实验对比,表明该方法更适合于斑点噪声明显的SAR影像边缘检测.     

基于神经网络的图象编码预测器的实现

提供了一种基于神经网络的ＤＰＣＭ的编码方法。它通过基于图象实例的训练,可以处理一些线性预测方法所不能处理的高阶特征以及非线性相关性。并由此方法设计了一种典型的预测器—２Ｄ－ＮＮＡＤＰＣＭ预测器,且提出根据不同图象的信息和要求进行人为分块,以达到更好的编码效果。     

DPCM编码在图像压缩中的应用

DPCM编码(差分脉冲编码调制)是一种线性预测编码,在二维图像中,由于相邻像素间的相关性很强,所以图像数据的冗余度都很大.对于瞬时斜率比较大和传输速度要求比较高的信号场合,为了使相邻像素间的相关性减小,通常采用DPCM编码技术对图像进行压缩.通过MATLAB仿真知,DPCM编码能有效地对图像进行压缩.     

局部灰度级展开的子块直方图均衡方法

直方图均衡是进行图像处理最基本的处理方法，该文提出一种用改进的子块直方图均衡的方法，在将图像分成子块处理的基础上再根据子块内的灰度分布决定其展开范围，而不是机械地在全部灰度级展开，通过对一幅肺部CT图像进行处理表明，该方法较之传统的方法更能够提高细节的对比度，能有效地应用于边缘检测以及医学图像处理等领域。     

基于分块权值的语义图像检索

图像低层视觉特征和高层语义间的“语义鸿沟”是图像检索的关键问题.为了进一步提高基于语义的图像检索系统工作效率,以分块权值和视觉词库为基础,结合图像低层特征和高层语义的相关性,提出了一种基于分块权值的语义图像模型,该模型用来反映图像的视觉特性,对图像的高层语义进行有效检测,从而提高语义图像的检索效率.实验结果表明,该方法提高了语义图像检索系统的查全率和查准率.     

一种改进的概率神经网络用于信源——信道联合编码

本文提出了一种将概率神经网络进行改进井使其用于信源一信道联合编码的方法。改进后的网络可以利用信源中的相关性，对噪声有更好的鲁棒性。它的复杂度低，结构设计简单，并可以灵活地改变以适应不同的信源模型。     

预测与可变长编码在图像压缩中的应用

图像压缩成为了多媒体技术的关键和瓶颈.预测编码(DPCM)和可变长编码(VLC)是两种最重要的无损压缩算法.介绍预测编码的原理,证明了对DPCM数据进行可变长编码的可行性,并对标准测试图像进行测试得到了测试结果,最后对结果进行了分析.     

基于动态阈值分块算法的屏幕图象压缩技术

计算机屏幕图象压缩一直是屏幕共享技术中的关键问题,而现有算法一般是直接应用传统的RLE,LZW或JPEG算法,但由于这几种算法在对计算机屏幕图象进行压缩时,均无法兼顾恢复质量与压缩比的要求.为此提出了一种基于动态阈值分块的高效压缩算法,该算法首先将屏幕图象按照某种规则划分为纯色块、文字块、图标块和图象块4种特征块,然后针对特征块特点采用相应的压缩算法,以保证压缩算法在恢复质量与压缩比上能同时达到最佳.实验结果表明,该算法图象恢复质量较好,压缩比较大,压缩速度较快,整体性能优于当前现有的屏幕压缩算法,具有广泛的应用前景.     

基于约束规划的选择性神经网络集成方法

提出了一种基于约束规划的选择性神经网络集成方法,在训练出个体网络之后,用约束规划方法选择出相对最佳的个体网络组成神经网络集成。理论分析和实验结果表明,该方法设计过程简单,能够以较小的运算代价提高神经网络集成的泛化能力。     

图像压缩中的几种编码方法

首先讨论了几种经典的图像编码算法：行程编码压缩算法、哈夫曼编码压缩算法、LZW压缩算法及离散余弦变换,并给出了各自的压缩原理和特点,然后介绍了几种较新的图像编码方法,这些编码方法分别使用了分形技术、小波技术和人工神经网络技术,并且简要叙述了这三种技术的原理、算法步骤、优缺点,还对这些技术的发展进行了展望。     

一种基于神经网络集成的决策树构造方法

神经网络集成方法具有比单个神经网络更强的泛化能力,却因为其黑箱性而难以理解;决策树算法因为分类结果显示为树型结构而具有良好的可理解性,泛化能力却比不上神经网络集成。该文将这两种算法相结合,提出一种决策树的构造算法：使用神经网络集成来预处理训练样本,使用C4．5算法处理预处理后的样本并生成决策树。该文在UCI数据上比较了神经网络集成方法、决策树C4．5算法和该文算法,实验表明：该算法具有神经网络集成方法的强泛化能力的优点,其泛化能力明显优于C4．5算法;该算法的最终结果昆示为决策树,显然具有良好的可理解性。