基于流形学习的图像检索算法研究

流形学习以发现非线性高维数据的本质维数为目标,使其更适合数据分析和高维数据的降维。图像检索中“语义鸿沟”问题指的是高维数据空间与低维的语义子空间之间的鸿沟,虽然利用相关反馈机制可以缩小这种鸿沟提高准确率,但是因为反馈图像数目较少,图像特征维数相对较高,会容易产生维数灾难问题。流形学习的引入为解决这一难题带来了新的希望,因为通过流形学习的方法学习高维图像特征数据的本征维数用于图像检索,大大提高了检索性能。基于流形学习的图像检索算法都是半监督的流形学习,充分利用了反馈信息,学习查询图像的语义子空间,有效的实现了高维数据的降维。     

基于流形学习的车牌图像超分辨率算法

为了解决视频监控系统中车牌图像分辨率较低、车牌字符难以辨识的问题,提出一种基于流形学习的车牌图像超分辨率重建算法。首先学习训练样本库中高、低分辨率图像之间的映射关系,然后利用线性判别分析(Linear Discriminant Analysis,LDA)算法提取图像特征,并利用流形学习中的局部线性嵌入(Locally Linear Embedding,LLE)算法对特征向量进行参数建模,最后通过特征映射关系获得高分辨率图像。实验表明,该方法对监控系统中的低分辨率车牌图像具有较好的超分辨率复原效果,不仅提高了字符的可读性,而且具有更高的峰值信噪比。     

缺失像素图像集的流形学习算法

针对具有像素缺失的图像集,提出了修正的局部切空间对齐算法。该算法在每个局部邻域,扩展基于EM算法的主成分分析法,利用已知像素提取局部信息,替代了传统的SVD方法,从而避免了利用先验知识对图像进行恢复、固定值填充等所带来的累计误差,最终实现恢复图像集的内在流形结构。在标准的测试数据集上的实验表明,修正的局部切空间算法能很好地发掘缺失像素图像集的内在流形结构,且具有良好的图像恢复能力。     

基于知识库进行人脸图像特征提取的研究

采用区域性增强法对人脸图像进行预处理，用基于知识库的方法提取人脸几何特征．通过选用人脸上３２个特征点，结合人像学，美学原理及人脸识别的心理特征，提出一种简便的，高精度的“知识库”法和“区域处理”法，使人脸图像可有别于其它图像进行处理．     

浅谈流形学习中的LLE算法

在机器学习领域中有一个重要的研究领域就是流形学习,而流形学习中最为重要的算法之一就是局部线性嵌入算法(LLE),这种算法是一种非线性降维,具有很好的泛化性,在图像分类和目标识别等方面被广泛地应用。主要介绍了流形学习的基本思想,典型的LLE算法,同时归纳了几种现有的LLE改进算法,使得我们能够更好地去理解流形学习和LLE算法。     

基于流形学习算法的人脸识别研究

为了有效地实现对人脸的识别,先用线性判断分析（LDA）方法将原始的人脸数据降维,利用降维后的数据选取点的k近邻,进而提出度量优化的保持邻域嵌入算法（MONPE）。MONPE算法：一方面,通过LDA降低原始数据的维数,使得欧氏度量的应用成为合理。另一方面,通过LDA拉近了类内点的距离,拉大了类间点的距离,使得某个采样的近...     

基于黎曼流形的稀疏图保持投影的特征提取

为了解决流形学习算法在欧式空间提取的特征不够显著的问题,提出了一种基于黎曼流形的稀疏图保持投影算法,并用于轴承的故障诊断.首先,计算原始数据的对称正定矩阵,构造对称正定流形(SPD流形).其次,利用正则技术探索SPD流形中的稀疏结构,在此基础上分别建立样本的类内内在图和类间惩罚图,并通过图嵌入的方法实现数据的特征提取....     

基于局部保持线性判别嵌入特征提取的光谱图像分类

针对难于获得足够多的高光谱图像训练样本的问题,基于流形学习标准、Fisher标准和最大边缘标准,提出了一种适用于高光谱图像小样本问题的局部保持线性判别嵌入(LPLDE)监督线性流形学习特征提取方法。LPLDE方法利用类内近邻图和类间近邻图描述类内的紧性和类间的可分性,有效地避免了因类内离散度矩阵奇异导致的小样本问题,具有更好的判别性能,更适合于分类问题。高光谱数据的实验结果表明了该方法的有效性。     

基于小波变换的织物疵点图像特征提取

为实现织物疵点自动检测,本文应用Mallat算法对织物图像进行小波分解,并根据织物组织结构特点,对纬向子图和经向子图分别提取能量、熵、极差、方差和逆差矩5个特征值,同时以平纹坯布为实验对象,对白杠、断纬、破洞、反丝、杂纤维、掉扣、飞花、色污等多种常见疵点进行特征值提取实验,实验结果表明,织物疵点使织物图像在经纬方向产生不规则纹理,通过提取特征值可得出织物疵点图像在不同特征值曲线处均有明显变化。该研究对判定疵点的存在、分析疵点的走向与"形状"具有参考价值。     

基于最小熵的流形学习排列方法

提出一种渐进式的排列方法：每次只是排列当前阶段交集最大的二个分片的局部坐标.该方法具有以下特点：方法简单,避免了全局排列方法中大型稀疏矩阵的特征值问题;每次排列都保证是误差最小的排列;减轻误差的积累和传播.     

一种基于神经网络提取图像特征的图像检索方法

脉冲耦合神经网络是新一代的人工神经网络,具有优良的自适应图像分割和自适应图像特征提取能力。本文有机的运用自适应图像分割和自适应图像特征提取,提出了一种新的图像特征———空间自适应类直方图,它既包含了图像的空间位置特征,又包含了图像的灰度特征。最后,我们把空间自适应类直方图与传统的基于共生矩阵的图像纹理特征组合作为图像的特征应用于图像检索。大量实验表明本文方法的有效性。     

基于多描述子分层特征学习的图像分类

为解决图像分类任务中词袋(Bag-of-Words)模型分类算法单一局部描述子信息缺失、特征量化误差较大、图像特征表现力不足等问题,提出一种基于多描述子分层特征学习的图像分类方法.结合尺度不变特征变换(SIFT)与形状核描述子(KDES-S)进行局部特征提取,并构建分层特征学习结构来减少编码过程中的量化误差,最后将图像特征分层归一化后进行线性组合并利用线性支持向量机(SVM)进行训练和分类.在Caltech-101、Caltech-256、Scene-15数据库上进行实验,结果表明:相比其他图像分类方法,本文方法在分类准确率上具有显著提升.     

使用兴趣点局部分布特征及多示例学习的图像检索方法

提出了一种基于兴趣点的图像检索新方法.在尺度空间中检测兴趣点,依据兴趣点的分布将图像划分成一系列等面积的扇形子区域并提取图像特征.该特征既反映了兴趣点的局部特性,又考虑了兴趣点的空间分布结构,同时对图像旋转、缩放和平移具有不变性.在相关反馈阶段,将图像看作是由各子区域内兴趣点局部特征构成的多示例包,根据用户选择的实例图像生成正包和反包,采用多示例学习算法获得体现图像语义的目标概念.本方法缩小了用户查询中的歧义性,在Corel图像库中进行的实验表明,与其他基于兴趣点的图像检索方法相比,平均检索准确率提高7%以上,可以更准确地查找到用户所需图像.     

基于半监督学习的蛋白质关系抽取研究

使用半监督学习方法中的自训练、协同训练方法,利用少量已标注样本和大量未标注样本来完成蛋白质关系抽取的任务.首先使用基于词特征的SVM(support vector machine)模型进行自训练,然后使用基于词特征的SVM模型和基于依存树特征的SVM模型进行协同训练.通过对4个语料的实验,验证了自训练及协同训练方法在蛋白质关系抽取领域中的应用效果.相比于自训练,协同训练可以通过两个相对独立的视图相互补充、相互学习,进而可以有效利用未标注数据.     

基于低秩表示投影的无监督人脸特征提取

为了构造数据之间的自适应邻接图,同时克服稀疏表示系数和协同表示系数互相独立、提取全局信息弱的缺陷,提出采用低秩表示(low-rank representation, LRR)系数构造权重矩阵的流形学习算法,即低秩表示投影(low-rank representation projections, LRRP)和判别低秩表示投影(discriminative low-rank representation projections, DLRRP)。在新算法中,将低秩表示系数表征的样本之间的邻接关系保留在特征空间;同时利用低秩系数的聚类性质,在优化目标中加入类内散度最小化项,计算出具有判别性的投影矩阵。试验结果表明,在真实人脸图像库上与其他几种流形学习算法相比,LRRP和DLRRP能够取得更好的识别率。提出的新算法是有效的特征提取算法,能够丰富流形学习框架。     

基于几何特征与流形距离的锂电池健康评估

作为实现电池健康管理的有效途径,精准的荷电状态估计和健康衰退状况评估能够很好的解决锂离子电池在实际使用过程中面临的可靠使用和安全管理问题。 考虑到现有电池健康衰退状况评估方法将监测数据放在欧氏空间进行分析,因而扭曲了数据的本质结构导致工况适用性差,利用流形学习挖掘隐藏在电池监测数据中的健康信息,并在流形空间中对锂离子电池健康状态进行度量。进行实例分析并对该方法的有效性进行了验证。     

人脸序列图像的特征自动提取方法研究

提出了一种从粗糙到精细估计脸部特征点和表情区域的方法,利用帧间的运动信息把分析的对象分割出来;在得到的整个运动对象后,分割出头部;对头部边沿图像作进一步分析,得到脸部区域;再在脸部区域定位下巴、嘴角、鼻孔和眼睛中心的位置及嘴巴和眼睛的表情区域,这种逐级定位的方法,以前级结果作为知识,从而降低了计算量;同时,也提高了参数估计的可靠性,采用综合帧内和帧间分析结果,进一步提高了系统的鲁棒性。