基于改进的核判别分析的人脸识别算法研究

由于目前面临光照、表情、姿态等影响,人脸识别是计算机视觉领域中的一个难题.由于人脸图像蕴含着丰富的纹理信息,充分利用纹理特征也是提高人脸识别算法的有效方法.利用图像处理中信号处理和学习两种方法的优势,提出了基于Gabor小波和KDCV相结合的图像特征提取算法.首先利用小波分析提取人脸图像的纹理特征,然后用改进的核判别分析方法对提取的纹理特征进行降维,用降维后的数据作为人脸识别的特征.通过仿真实验表明,改进的核判别分析算法可有效提高人脸识别正确率,提高算法的实际应用性.     

基于深度学习图像语义分割的机器人环境感知

基于深度学习图像语义分割模型SegNet,提出了一种基于深度学习的实时图像语义分割框架RT-SegNet(Real time segmentation network)。框架分为3个阶段:编码阶段、解码阶段和降维阶段。在编码阶段,提出了一种跨层叠加特征图的方法(Feature map skip superposition,FMSS)来提升特征提取效果;在解码阶段,设计了新的轻量化解码器(Light decoder,LD)结构,减少了卷积层数量,以加快模型训练与预测速度;在降维阶段,提出了卷积降维方法(Dimension reduced module,DRM)将编码器与解码器逐层连接,增强解码器效果。与原始SegNet模型相比,RT-SegNet模型在公共数据集Cityscapes、SUN RGB-D、CamVid、KITTI和作者自行标注的数据集JLUData上平均交叉联合度量分别提升了3.2%、1.8%、5.3%、14.6%、6.8%。     

基于Gabor变换和极限学习机的贝类图像种类识别

研究了基于Gabor变换和二维图像主成分分析(2DPCA)相结合的贝类图像识别方法。对贝类图像进行Gabor变换,提取其图像特征,确定了图像特征维数;采用2DPCA方法,对变换后的特征进行降维,并利用极限学习机(ELM)进行贝类图像的分类识别。与BP神经网络和支持向量机(SVM)实验对比发现,极限学习机分类器用于贝类识别不仅速度极快而且泛化性良好,算法具有较高的精度。     

基于小波散射网络下的图像检索

小波散射卷积神经网络由于其优越的性能而被迅速、广泛地运用到图像、音频等领域.本文利用这种新型的网络结构提取图像的特征，结合相似度度量方法，实现该特征提取在图像检索方面的应用.此外，将小波散射网络得到的特征系数，以其均值和方差作为新的特征，实现大规模图像检索的降维.最后，利用实验算法对比验证了上述降维方法的可行性和优越性.     

基于Gabor滤波器和改进BP神经网络的人脸检测方法

提出一种基于Gabor滤波器和改进BP神经网络的人脸检测方法.该方法首先利用Gabor滤波器空间位置与方向选择特性,采用8种方向Gabor滤波器提取人脸样本图像特征;然后把基于Gabor滤波器的特征向量作为人脸/非人脸分类器输入,并用PCA方法对特征向量降维;最后利用已降维的特征训练改进的BP神经网络.仿真实验表明,该方法比单一使用Gabor滤波器和单一使用BP神经网络检测率高.     

基于卷积神经网络和PCA的人脸识别

主要研究了在基于深度学习的人脸识别算法中,对于由深度卷积神经网络提取得到的人脸特征进行降维处理是否有助于提高人脸识别的准确率.利用VGG网络模型提取人脸图像的深度特征,然后利用主成分分析(PCA)对提取到的深度特征进行降维,最后利用余弦分类器进行分类识别,并在LFW人脸库上进行实验.实验结果表明通过PCA降维后的深度特征具有较高识别率.     

基于Gabor及深度神经网络的葡萄种子分类

种子成熟度需要受过长期训练的专家通过肉眼进行观察和判断。为了改变传统人工经验判断的方式,该文提出了一种基于Gabor小波特征提取及深度神经网络的葡萄种子图像分类识别算法,以便实现高效、准确的分类识别效果。首先,利用背景差分法在背景图像中分割出兴趣目标,从而完成图像的预处理。然后,通过改进的Gabor小波特征提取,使得Gabor滤波后的图像具有更多的细节纹理信息。最后,将深度卷积神经网络和提取到的纹理特征信息相结合进行分类。实验结果表明,基于机器学习的葡萄种子成熟度识别是切实可行的。且相比于其他类似分类算法,本文算法的图像分类精度有了一定的改善。     

SST和深度脊波网络在轴承故障诊断中的应用

传统滚动轴承故障诊断方法过度依赖专家经验,故障特征提取与选取困难。为此,提出一种基于同步压缩小波变换(synchrosqueezed wavelet transform,SST)和深度脊波网络(deep ridgelet network,DRN)的滚动轴承故障诊断方法。首先,对轴承振动信号进行SST变换,得到信号时频图像;其次,将时频图像进行双向二维主成分分析压缩,然后将其作为DRN的输入,进行自动特征提取和故障识别。试验结果表明,该方法能够对滚动轴承进行多工况和多种故障程度的有效识别,特征提取能力和识别能力优于浅层人工神经网络、支持向量机等传统方法,以及深度信念网络、深度稀疏自编码器等深度学习模型。     

基于深度学习法的视频文本区域定位与识别

通过对视频图像进行快速、准确的文本定位与识别,有利于提高视频信息处理的效率与准确率.采用Gabor滤波器实现在横、竖、撇、捺四个方向上的视频图像的纹理特征的提取,再通过RBM逐层增量深度学习算法构建深度置信网络,实现对提取的纹理特征图像中文本区域的定位.论文同时研究了利用形态学处理方法和OCR字符库实现对视频图像文本识别的可行性,并分析了识别效果.测试结果表明,本文提出的深度学习算法与形态学字符识别方法相结合,不但能够实现对视频图像文本区域的准确定位,还有利于提高字符识别的效率和准确率.     

深度学习驱动的跨模态数据检索

针对大数据下跨模态数据检索效率低下的问题,该论文深入研究了深度学习理论,采用了人工卷积神经网络模型和感知机模型,提出了一种深度学习驱动的跨模态数据检索模型并基于开源深度框架进行了完备的对比试验.该检索模型利用深度学习强大的学习和表征能力,其由图像特征提取子网、文本特征提取子网、哈希码学习子网组成;并依据条件熵和交叉熵的...     

Novel Method Fusing (2D)2LDA with Multichannel Model for Face Recognition

A fusion method of Gabor features and (2D)²LDA for face feature extraction is proposed in this paper. Gabor filters are utilized to extract multi-direction and multi-scale features from facial image to employ its robust performance for illumination, expressional variability and other factors. The extracted features have the defect of high dimension and redundancy data. (2D)²LDA is implemented to reduce the dimension of Gabor features and select effective feature data. Finally, the nearest neighbor classifier is used to classify characteristics and complete face recognition. The experiments are implemented by using ORL database and Yale database respectively. The experimental results show that the proposed method significantly reduces the dimension of Gabor features and decrease the influence of other factors. The proposed method acquires excellent recognition accuracy and has light architectures as well.     

采用COLDIST色差的一种图像检索方法研究

在基于内容的图像检索方法中,颜色相似度的计算主要采用欧氏距离。然而,欧氏距离不符合人眼的色彩识别特征,导致检索准确率偏低。本文提出了一种采用COLDIST色差公式的组合特征检索方法。首先计算图像的颜色直方图作为颜色特征、灰度共生矩阵和灰度行程矩阵作为纹理特征、泽尼克矩作为形状特征。然后采用COLDIST色差公式计算颜色相似度,并结合纹理、形状特征的相似度计算图像相似度。利用图像数据库Corel10000对本文提出的方法进行仿真测试。结果表明该方法具有更好的检索性能,有效地提高了检索的准确率。     

基于支持向量机的图像纹理识别方法

将支持向量机(SVM)应用于基于内容的图像检索领域，提出一种基于Gabor小波变换和支持向量机分类器的新型集成纹理识别方法.目标是利用Gabor小波设计的多通道小波滤波器对图像目标进行小波变换，用Gabor小波变换系数的模的平均值和标准差生成表示目标图像的特征向量，将特征向量归一化后用支持向量机进行训练和识别.最后，利用Brodatz纹理库中的纹理图像进行了试验并与其他几种方法进行了比较.结果表明，该方法的识别率在小样本情况下要优于其他几种方法，并且具有更好的泛化和推广能力.     

基于深度学习编码模型的图像分类方法

针对矢量量化编码的量化误差严重,而稀疏编码只是一种浅层学习模型,容易导致视觉词典对图像特征缺乏选择性的问题,提出了一种基于深度学习特征编码模型的图像分类方法。首先,采用深度学习网络无监督的受限玻尔兹曼机（RBM）代替传统的K-Means聚类及稀疏编码等方法对SIFT特征库进行编码学习,生成视觉词典;其次,对RBM编码添加正则化项分解组合每个特征的稀疏表示,使得生成的视觉单词兼具稀疏性和选择性;然后,利用训练数据的类别标签信息有监督地自上而下对得到的初始视觉词典进行微调,得到图像深度学习表示向量,以此训练SVM分类器并完成图像分类。实验结果表明,本文方法能有效克服传统矢量量化编码及稀疏编码等方法的缺点,有效地提升图像分类性能。     

基于PC-LDA的交通标志形状特征识别方法

针对PCA方法所提取的特征分类效果较差,而LDA方法通常不能直接应用于图像特征提取的问题,提出了一种基于PC-LDA的交通标志形状特征识别方法.通过对交通标志图像进行归一化和二值化处理,得到交通标志形状特征.将PCA方法与LDA方法相结合用于交通标志二值图像特征提取,可以得到既有最佳描述性又有最佳分类效果的PC-LDA特征子空间.利用标准交通标志图像数据库进行验证,并采用最小距离分类器对所提取的特征进行识别,结果表明,该方法能够快速有效地进行维数约减,提高了交通标志识别率.     

基于多级特征并联的轻量级图像语义分割

针对当前语义分割算法普遍具有网络结构复杂和计算开销巨大的问题,为了综合提高语义分割算法实时性和精确度,提出计算高效的基于多级特征并联网络（LSSN）的轻量级图像语义分割网络. 该算法综合考虑网络的参数量、运行速度和性能,能更好地应用到嵌入式设备和可移动设备上. 应用微调的深度卷积神经分类网络作为特征提取网络结构,提取网络不同深浅层语义和位置特征. 提出空洞残差增强模块和深度空洞空间金字塔模块分别处理来自特征提取基准网络的深层特征和浅层特征,并将深浅层特征按特定维度比例以并联的方式进行融合. 所提方法在PASCAL VOC 2012数据集上准确度（平均交并比）为77.13%,与当前具有高性能的语义分割算法和实时语义分割算法相比,能更好地平衡网络的实时性和精确度,具有更优的实用价值和性能效果.     

一种深度神经网络SAR遮挡目标识别方法

提出了一种利用深度神经网络的合成孔径雷达图像部分遮挡目标的特征提取和目标识别新方法.该方法首先对合成孔径雷达图像进行预处理,然后提取预处理后合成孔径雷达目标的小波域低频子带图像作为训练数据,最后利用深层稀疏编码模型进一步提取合成孔径雷达遮挡目标的有效特征向量作为目标的特征以完成目标识别.采用MSTAR数据库中的3类目标进行目标遮挡模拟及识别实验.结果表明,新方法可以综合利用遮挡目标的局部和整体结构信息以提高目标的正确识别率,是一种有效的合成孔径雷达遮挡目标特征提取和目标识别方法.     

混合跨域神经网络的草图检索算法

基于草图的跨域图像检索任务以手绘草图为输入,从彩色图像数据库中检索得到最相似的图像。为了在基于草图的图像检索任务中,更好地融合来自草图和彩色图像的特征,本文提出了用于草图检索任务的混合跨域神经网络,由草图特征提取分支与异构特征融合的彩色图像网络分支组成。该网络提取获得手绘草图、正负样本彩色图像及其边缘轮廓的特征表示,并将彩色图像及其草图近似图(即彩色图像的边缘轮廓)进行特征融合,作为彩色图像特征,弥补了手绘草图与彩色图像直接匹配的跨域差距。通过对网络模型的参数与网络结构等方面探索,进一步优化草图检索算法。在Flickr15K草图检索数据集上的实验结果表明,本文提出的方法优于当前其他先进的草图检索算法,在检索平均精确度这个客观指标上达到了0.584 8,相比其他方法中指标最优的值提升了0.052 2。     

基于SIFT特征和颜色融合的图像检索方法

根据图像检索方法中颜色直方图存在的问题,提出了一种改进的基于分块和主颜色的颜色直方图提取算法;根据SIFT特征存在的问题,提出了一种改进的基于harris角点的SIFT特征提取算法。最后运用两种改进算法提出了一种融合颜色直方图和SIFT特征的图像检索算法。实验结果表明,本算法在功能及性能上优于其他算法,并具很好的鲁棒性。