基于Pseudo-zernike不变矩的肺部图像特征提取及分类研究

为准确、快速地分析肺部图像的特征,提出了一种基于Pseudo-zernike不变矩的肺部特征分析方法.通过对肺部图像进行预处理和基于Pseudo-zernike不变矩的特征提取,利用具有良好识别性能的SVM分类器对提取的肺部图像特征值做分类研究.实验结果表明,该方法能够很好地表征肺部图像的特征,具有良好的分类准确率.     

多元特征融合的地面及低空目标识别方法

针对地面及低空雷达目标识别中存在的雷达散射截面积小、回波幅度低、多普勒频移不明显等因素引起的目标特征被淹没难以检测识别的问题,提出了一种微多普勒特征与距离-多普勒特征融合识别方法.首先基于距离-多普勒二维矩阵,提出一种新型十字开窗目标检测手段,然后设计微动特征与距离-多普勒特征等多元特征提取方法,最后根据多元特征融合结果设计分类器进行目标分类识别.实验结果表明,相对于传统的运动、微动特征提取与分类,基于多元特征融合的分类器设计可以有效地提升地面及低空慢速小目标的识别准确率.     

基于Pseudo—zernike不变矩的肺部图像特征提取及分类研究

为准确、快速地分析肺部图像的特征,提出了一种基于Pseudo—zernike不变矩的肺部特征分析方法。通过对肺部图像进行预处理和基于Pseudo-zernike不变矩的特征提取,利用具有良好识别性能的SVM分类器对提取的肺部图像特征值做分类研究。实验结果表明,该方法能够很好地表征肺部图像的特征,具有良好的分类准确率。     

基于Adaboost-高斯过程分类的人脸表情识别

为了弥补Ababoost分类器分类精度不够、训练耗时的缺点,利用高斯过程分类器分类精度高、计算复杂度低的优势,提出一种改进的表情识别方法.该算法将高斯过程分类（GPC）和Adaboost的人脸表情识别算法相结合,在训练二分类Adaboost时利用高斯过程分类器训练弱分类器;把这些弱分类器组合成一个总分类器,将二分类Adaboost GPC扩展为多类分类算法.采用Gabor提取面部表情特征,由于Gabor特征提取后存在维度变高、冗余大的问题,引入二维主成分分析（2DPCA）对Gabor特征进行选择.基于Cohn-Kanade和JAFFE数据库的实验结果表明,该算法在识别正确率和速度方面的表现均较好.     

改进的主成分分析和最近邻的人脸识别方法

在传统的主成分分析特征提取中,直接求解特征空间是很困难的,同时也是非常浪费资源,为优化这一问题,该文提出了改进的主成分分析特征提取。在人脸特征提取中,同时还选择了适当的主分量数,用于提高分类识别的速度。在人脸分类识别的过程中,分类策略选取最邻近分类器,通过计算最短欧几里得距离来分类识别测试样本。通过十折交叉验证方法验证了改进的主成分分析和最邻近分类的有效性。     

基于联合特征的变电站设备图像识别

随着变电站智能化水平的提高,变电站设备图像分类与识别逐渐实现自动化。变电站设备图像分类识别的结果对故障检测和故障定位等工作十分重要。提取变电站设备图像的sift特征,用K-means聚类、BOF(Bag-ofFeatures)模型等方法,在SVM分类器下实现对变电站设备图像的分类识别。然后,在sift特征基础上提出一种新的特征表示方法,即把图像的sift特征与图像的稀疏表示特征相结合组成联合特征,用联合特征代替sift特征实现对变电站图像的识别与分类。仿真分析结果表明:联合特征是一种更加稳定、高效的图像特征表示方法,可以提高变电站设备图像分类识别的准确率。     

基于组合零样本学习的接触网吊弦线缺陷识别

目前现场接触网吊弦缺陷图像严重不足，导致模型特征学习不充分，识别准确率难以得到有效提高，为此提出基于组合零样本学习的接触网吊弦线缺陷识别方法.采用以ResNet-50作为主干网络的视觉特征提取模块提取图像视觉特征；使用预训练的Word2Vec词向量对标签组合图中的节点特征进行初始化，并通过2层图卷积网络学习标签组合图中各节点之间的依赖关系，从而优化组合标签节点的语义特征，改善最终的识别效果；将提取到的视觉特征和优化后的组合标签节点的语义特征相对齐，构建相似度函数计算图像视觉特征与组合标签语义特征之间的相似度得分，并通过交叉熵损失完成图像组合标签的预测.仿真实验结果表明：所提方法对可见类样本的类平均检测准确率为93.5%，对不可见类样本的类平均检测准确率为86.5%.     

现场勘验刀具图像特征描述与识别

针对人工录入现勘刀具图像耗时耗力、准确率低的问题,提出一种基于目标形状特征的现勘刀具图像识别算法。在分析现勘刀具图像特色数据基础上,总结现勘刀具图像的典型内容特性;利用基于结构森林的边缘检测和聚类的方法对目标定位和轮廓提取,再结合包含目标轮廓的最小外接矩形给出刀尖角度的计算方法,并与长宽比、矩形度、圆形度构建识别刀目标的形状特征向量,将该特征向量输入支持向量机建立二分类模型,实现对现勘刀具图像的识别。实验结果表明,该算法性能明显优于其他特征提取算法,且对现勘刀具图像识别准确率达到94.61%,可有效表征刀具图像的内容。     

一种有效的SAR图像目标识别方法

根据不变矩特征提取和支撑矢量机分类的优势,提出了一种有效的SAR图像目标识别方法.首先对样本SAR图像进行预处理。然后提取目标区域的不变矩特征并计算灰度均值,将其组成特征向量训练SVM分类器,最后用训练好的SVM分类器对要识别的SAR图像进行目标识别.采用该方法对一些含有桥梁和坦克的SAR图像进行目标识别实验,取得了较好的识别结果.     

一种基于支持向量机的虹膜识别算法

提出了一种基于极值加权平均分数维特征提取和支持向量机分类器识别的虹膜识别方法。利用形态学和圆形边缘检测算子定位虹膜,并将虹膜纹理映射到极坐标空间。定义了一种新的图像分数维--极值加权平均分数维,用于提取虹膜特征。最后,利用支持向量机分类器对虹膜特征矩阵进行匹配识别。试验表明,基于极值加权平均分数维特征提取和支持向量机分类器识别的虹膜识别系统识别率高,速度快。