结合稀疏表示和邻域互信息的类属属性学习

本文首先采用最小二乘法回归作为目标函数,通过添加L1正则化稀疏表示特征。通过邻域互信息将各标记的类属属性进一步约简。为验证本文所提算法性能,采用5个先进多标记算法在6个多标记基准数据集上与本文算法进行对比实验,结果说明本文算法的有效性。     

基于改进形态学标记分水岭算法的高分辨率遥感影像违章建筑识别研究

违章建筑的自动识别技术对于建设房产管理部门实时动态掌握房屋建设状态和执法检察具有重要意义。本文在传统分水岭算法的基础上提出改进的形态学标记分水岭算法用于建筑物图斑提取,并结合房屋产权数据作违章建筑识别。该算法基于形态学标记方法,通过设置合理的阈值和高斯滤波将梯度影像划分出标记区域和未标记区域,提高图像分割能力。实验以江苏省扬州市的GF-1卫星影像为数据源,分别利用传统分水岭算法和改进形态学标记分水岭算法对图像建筑物提取。结果显示改进后算法有效避免了图像过分割现象,提取出的目标地物边缘轮廓具有较好的几何特性,表明改进后的算法对高分辨遥感影像具有一定的实用价值。     

视频监控中遗留物检测算法研究

本文首先介绍了混合高斯模型的算法原理,并且提出一种利用递归法检测多个前景物体的方法,然后提出一种基于慢高斯的遗留物检测算法,该算法利用混合高斯模型进行背景建模,利用递归法对检测到的前景物体分别计时,当计时器达到阈值时进行标记并报警。     

基于修正饱和度特征的过曝光区域检测算法

本文提出了利用颜色特征、亮颜特征和边界邻域特征并加入了新提出的修正饱和度特征的过曝光检测算法。首先使用LC检测算法标记已转入CIE-Lab彩色空间的图像,将过曝光区域都标记好的图像作为训练图像,提取出融合了上述四种特征的特征向量组用于分类。再使用L2正则化逻辑非线性回归算法得到分类器模型参数。然后用该模型实现对输入图像过曝光区域的识别与标记。     

基于分水岭分割的图像处理算法研究

本文通过使用开闭运算和腐蚀膨胀运算等相关形态学算法,结合距离算法、标记算法和梯度图算法,提取梯度幅值图像的局部极小点,得到改进的梯度幅值图像,在此梯度图上使用分水岭分割,有效解决了传统分水岭分割存在的"过分割"问题,具有较高的分割精度。     

一种基于潜在语义分析的迁移学习方法

迁移学习是研究如何利用大量的源领域标记数据,帮助少量标记甚至无标记的相关领域来解决特征稀疏问题的一种方法。针对迁移学习的研究大多只是从特征项表层对数据进行分析并没有考虑到源领域与目标领域之间的语义相关性问题,提出一种基于潜在语义分析的迁移学习方法。通过实验表明,本文算法可以较大提高分类器的精确度。     

无监督特征选择算法的分析与总结

高维无标记数据的出现不仅使数据处理的时间和空间复杂度增加,同时还会使训练模型出现过拟合,因此对高维无标记数据降维变得越来越必要。特征选择是数据降维的有效方法,本文给出了几种具有代表性的无监督特征选择方法,并指出了这些算法的优缺点,为进一步研究基于无监督的特征选择提供了理论基础。     

改进的清洁机器人全覆盖路径规划算法

本文研究了基于已知环境地图栅格化描述的清洁机器人全覆盖路径规划算法,对未清扫区域和障碍区域分别进行标记,记录区域清扫次数,利用不同的优先准则,即顺时针优先准则、逆时针优先准则和最优区域随机选择准则,搜索清扫区域,从而得到清洁机器人的全覆盖路径规划的改进随机算法。利用MATLAB语言编程进行仿真实验,实验结果表明,改进的搜索算法能保证清洁机器人完成清扫区域全覆盖的前提下,使得平均重复覆盖率比一般随机算法低。     

基于特征的图像压缩算法研究

本文在现存的基于SIFT图像压缩算法基础上进行研究并对其改进。提出的改进方法包括两个部分：第一部分利用稠密SIFT特征来代替SIFT特征,可以提高特征点的密度和提取效率;第二部分针对未匹配到的图像区域,采用在原始图像中标记匹配图像块,并计算像素平均值代替块内所有像素,然后利用HEVC对标记图像进行编码,编码后图像同匹配图像块进行融合,得到重建高质量图像。实验结果表明,这个两个方面的改进可以获取比现存方法更好的主观质量。     

基于改进YOLOv3的火焰检测

针对基于深度学习的目标检测算法YOLOv3在火焰检测时对疑似火焰物体误检率高、小火焰漏检率高的问题,提出了一种基于改进YOLOv3算法的火焰检测算法。首先构建包含多种复杂场景的火焰数据集;其次采用k-means++聚类算法初始化候选框,降低原始候选框与标记不符导致的误检率;然后基于YOLOv3算法改进多尺度特征融合结构,在特征融合过程中提出同尺度特征密集相连结构和空间金字塔卷积运算,降低因浅层位置特征信息融合不足导致的漏检率。实验结果表明,所提方法的检测准确率、召回率和F_1值分别达到了100%、97.64%和98.81%,能有效解决复杂场景下对疑似火焰物体误检率高、小火焰漏检率高的问题。