基于多特征融合的层次支持向量机遥感图像云检测

云检测是遥感图像处理和应用的前提,针对遥感图像云检测的准确率容易受到薄云及似云地物影响的挑战,提出一种结合遥感影像灰度、纹理和频率特征的层次支持向量机云检测算法.该方法首先采用简单线性迭代聚类算法将遥感图像分割为像素块,再采用一种层次支持向量机分类器对遥感图像以像素块为单位进行云检测.层次支持向量机的第一层将像素块初步...     

基于证据理论和神经网络的烟雾图像检测

烟雾图像检测对于预防火灾具有重要的研究意义,烟雾受到空气和自身扩散的作用,变化过程十分复杂,导致传统方法的检测效果差,为了解决该难题,提出证据理论和神经网络的烟雾图像检测方法。研究了当前烟雾图像检测状态,找到引起当前方法检测效果差的原因,提取烟雾图像特征,并采用神经网络得到烟雾图像检测结果,最后根据证据理论对神经网络的烟雾图像检测结果进行融合,并通过烟雾图像检测实验进行可行性验证,该方法烟雾图像检测正确率超过95%,获得了令人满意的烟雾图像检测结果。     

基于SVM的医学图像分类器的设计

提出了一个基于支持向量机的医学图像分类器.能提取形状和纹理特征作为分类算法的特征输入,进行计算机辅助诊断.提出了一种支持向量机新算法,解决了当两类中的样本数量差别较大时,支持向量机的分类能力将会下降的问题.实验表明,在小样本、两类样本数量严重不均衡的情况下,该算法有着较强的分类能力,可以极大地提高医学图像分类的效率和准确性.     

证据理论和支持向量机相融合的高校教学质量评价

针对当前高校教学质量评价精度低的难题,为了提高高校教学质量评价的可靠性,提出基于证据理论和支持向量机(DS-SVM)相融合的高校教学质量评价模型。建立高校教学质量评价指标,并收集高校教学质量评价样本,分别通过支持向量机对专家、同行、学生的评价结果进行估计,采用证据理论对专家、同行、学生的评价结果进行有效融合,获得高校教学质量最终评价结果。实验结果表明,该模型可以获得较高精度的高校教学质量评价结果,比对比模型评价结果更加可靠,可以应用于实际的高校教学质量评价改革中。     

基于多特征融合的红外图像行人检测研究

当前红外图像行人检测方法存在误差大,对外界环境变化鲁棒性差,为了获得理想的红外图像行人检测结果,提出了多特征组合的红外图像行人检测方法.首先对当前红外图像行人检测进展进行分析,找到引起红外图像行人检测效果不佳的因素,然后提取红外图像行人检测的HOG特征和ISS特征,并采用支持向量机进行红外图像行人检测,最后引入证据理论...     

基于贪婪树的外部支持向量机近似重复图像聚类算法

准确地检测出近似重复图像对于冗余去除和版权侵犯检测具有重要的意义。为了改善基于均匀分裂外部支持向量机聚类算法的性能,提出了一种结合贪婪树和外部支持向量机的近似重复图像聚类算法。该方法先利用外部支持向量机将数据集聚为两类,然后采用贪婪树生长算法选择“最优”的类进行分解,重复上述过程直到不可分为止。此外,为了克服图像视觉单词的同义性问题,利用概率潜在语义分析模型将同现的图像视觉单词映射到潜在语义空间中的同一方向上。实验结果表明,与内部支持向量聚类算法和基于均匀分裂的外部支持向量机聚类算法相比,该方法在聚类性能方面有了明显的提高。。      

基于参数优化支持向量机的火焰图像识别

图像型火灾探测的主要问题是关于火焰和干扰物的识别。通过提取火灾图像特征,利用支持向量机来进行识别。为提高火灾准确预报率,用参数优化后的支持向量机来预报。提出一种混沌粒子群算法对支持向量机进行参数优化。实验表明,改进的粒子群算法比传统方法的火灾准确预报率有大幅提高,可以进一步降低火灾探测系统的误报。     

一种基于PSOSVM的盲隐写分析方法

针对盲隐写分析中的特征选择问题,提出了结合粒子群优化算法（PSO）的支持向量机分类器进行特征选择的方法。该方法使用非线性支持向量机作为分类器,使用PSO为支持向量机寻找最优的图像特征集合作为训练集和测试集,同时选择最优的支持向量机参数,进而利用最优的特征集和支持向量机参数对隐写图像进行检测。实验结果表明,该优化方法明显优于Farid。ANOVA和F—score方法,提高了检测隐写图像的成功率和系统检测效率。     

基于SVM聚类遥感图像的分割

要分析和理解遥感图像,首先要对遥感图像进行分割。文章将传统的聚类分析方法和支持向量机理论相结合,并进行了算法的改进,将支持向量聚类方法应用到遥感图像分割领域,对遥感图像进行分割。实验结果证明,应用该方法进行分割,能取得良好的分割效果,是一种有效的遥感图像分割方法。     

基于支持向量机的脑部MR图像细分类

本文提出了基于支持向量机的脑部MR图像细分类器,采用纹理与形状特征相结合方式表达图像,应用StARMiner算法对特征进行选择和计算特征加权系数,最后用支持向量机理论设计分类器对脑部图像进行精细分类。经反复实验优化各参数,粗略分类率可以达到92.10%。细分类可应用于特定人体部位图像的检索系统,以检索出更精确的图像,并且缩减检索空间,提高检索效率。     

基于局部极值共生模式和能量分析的烟雾检测

针对烟雾稀薄的场景提出了一种新颖且具有鲁棒性的视频烟雾检测方法,该方法主要由预处理、特征提取和图像分类三个阶段组成。在预处理阶段,使用背景差分算法提取视频帧的运动前景区域,并采用HSV颜色空间作用于运动前景区域识别烟雾像素;然后使用局部极值共生模式(Local Extrema Co-occurrence Pattern,LECoP）计算纹理特征和使用烟雾能量分析计算能量特征;最后,将特征矢量融合训练支持向量机（Support Vector Machine,SVM）用于识别烟雾。实验结果表明该方法能有效检测出烟雾。     

基于Multilinear PCA的烟雾图像识别算法

为了提高火灾烟雾图像识别正确率,更好地预防火灾,提出一种基于multilinear PCA的火灾烟雾图像识别算法。在提取烟雾疑似区域的基础上,首先分别提取烟雾的静态和动态特征,然后采用multilinear PCA对特征进行融合,消除其中冗余特征,并根据选择特征进行训练样本构造,最后将训练样本输入支持向量机建立烟雾图像分类器,并对测试样本进行识别。仿真结果表明,相对于其他烟雾图像识别算法,提出的算法不仅提高了烟雾图像识别正确率和识别效率,而且具有良好的抗干扰能力,可以满足不同环境下烟雾图像识别要求。     

基于多核支持向量机的火灾烟气检测算法研究

火灾烟气中气体和烟雾浓度测量对火灾研究有着重要意义。文中提出一种利用多传感器技术同时在线测量各种有害气体浓度,然后将多个测量结果作为特征向量,利用上位机的模式识别算法进行判别的方案。上位机对多传感器同时探测到的数据进行智能化处理,可有效抑制线性方法的过拟合问题,提高数据泛化能力,减小预测结果对于噪声的敏感度,从而提高预测的效率和精度。基于不同气体的测量值的重要程度不同,文中提出了利用多核支持向量机对特征进行分类的设计实现方法。实验表明,文中提出的气体数据后处理方案可以有效地对火灾进行预警。     

基于先验知识的支持向量机在图像分割中的应用研究

文中在研究现有先验知识与支持向量机融合的基础上,针对置信度函数凭经验给出的不足,提出了一种确定置信度函数方法,更好地进行分类。该方法是建立在模糊系统理论的基础上:将样本的紧密度信息作为先验知识应用于支持向量机的构造中,在确定样本的置信度时,不仅考虑了样本到所在类中心之间的距离,还考虑样本与类中其它样本之间的关系,通过模糊连接度将支持向量与含噪声样本进行区分。文中将基于先验知识的支持向量机应用于医学图像分割,以加拿大麦吉尔大学的brainWeb模拟脑部数据库提供的不同噪声的图像进行实验,实验结果表明采用基于先验知识的支持向量机比传统支持向量机具有更好的抗噪性能及分类能力。     

基于主动标记支持向量机和太赫兹光谱的转基因物质检测方法研究

为克服传统支持向量机需要事先对训练样本进行 人为标记的缺点,提出了一种主动训练 支持向量机模型。利用仿射传播聚类算法对未标记样本进行聚类分析,在迭代过程中 不断更新现 有支持向量机的训练数据,从而不仅可以减少人为标记样本所带来的误差,还能够最大限度 地提高模型的识 别准确率。本文以转基因棉花的太赫兹光谱数据为研究对象对该模型进行了验证,实验结果 表明,本文 提出的方法对总待测样品的种类的识别率为95.56%,较其他三种方法 有较少的误判和更高的识别率。 基于仿射传播聚类的支持向量机较传统支持向量机有更高的识别率和更低的误判率,为转基 因物质的检测提供了一种快速,无损的新方法。     

遗传算法优化特征权值的支持向量机图像分类

为了提高图像分类的准确率,提出了一种遗传算法优化特征权值的支持向量机图像分类(GA-SVM).首先分别提取图像的颜色和纹理特征,然后采用改进遗传算法确定特征权值,最后采用支持向量机建立图像分类器,并对corel图像库进行仿真测试.结果表明,相对于其他图像分类算法,GA-SVM提高了图像分类精度.     

基于SVM的疲劳驾驶人脸图像特征检测算法

针对传统图像识别算法对疲劳驾驶检测精度差、准确率低的缺陷,提出了一种利用人脸图像特征提取的疲劳驾驶检测方法。首先将实时采集到的车辆驾驶员面部图像进行预处理,借助Dlib检测出图像中的人脸区域并进行人脸图像特征点的标注,然后使用基于眼睛纵横比(Eye Aspect Ratio,EAR)的方法进行图像中人眼疲劳特征的识别,基于嘴唇纵横比(Mouth Aspect Ratio,MAR)的方法进行图像中嘴部疲劳特征的识别,最后利用支持向量机(SVM)的方法将两种特征融合起来进行疲劳驾驶检测。实验表明,该方法可以准确地定位出特征点,疲劳检测的识别率达84.29%,可以有效地识别出疲劳状态。     

基于图像失真类型的自适应图像质量评价方法

提出了一种图像质量评价方法,所提出的评价算法抽取DCT系数特征来代表图像的失真类型,使用基于支持向量机的分类器对图像失真类型进行预测,随后针对每一种失真类型,给出相应的融合评价算法,对图像进行质量评价.实验结果表明,该算法在整体性能上要优于传统的PSNR及SSIM等图像质量评价算法.     

TDFF:一种强鲁棒性的烟雾图像检测算法

烟雾图像检测是及早发现火灾的一种重要手段。针对传统LBP(Local Binary Patterns)特征与Gabor特征的融合算法存在鲁棒性和检测率低的问题,提出一种TDFF(Triple Multi Feature Local Binary Patterns and Derivative Gabor Feature Fusion)的烟雾检测算法。采用T-MFLBP(Triple Multi Feature Local Binary Patterns)算法分别对像素间不同灰度差值以及非均匀模式中特殊位置的像素进行编码计算,可以捕捉更清晰的纹理特征;然后利用高斯核函数的一阶偏导数提取Gabor特征,从而优化提取图像边缘灰度信息的性能;最后对融合后的特征进行训练,可以提高最终分类的准确性。实验结果表明,TDFF算法具有较强的鲁棒性,烟雾图像的检测率也显著优于未改进的传统算法。