一种字符图像线段提取及细化算法

为了对字符图像进行稳定有效的细化和线段特征提取，提出了一种同时完成字符图像线段提取和细化的算法。在定义字符图像的线段区域、交点区域和子段区域，同时指出待细化字符图像是线段区域的集合的基础上，该算法首先基于图像行(列)连通像素段来提取字符图像中所有的交点区域和子段区域，然后对属于同一线段区域的所有子段区域和交点区域进行合并，最后用Bernstein—Bezier多项式方法拟合每个线段区域的骨架。该算法的鲁棒性分析及实验结果表明，该算法可取得稳定有效的细化及线段提取效果。     

基于灰度图像的车牌字符提取算法研究

本文提出了一种基于灰度图像的车牌字符提取算法,该算法利用Canny算子提取车牌灰度图像中的字符。车牌字符提取后,采用迭代分割法求出最佳阈值对图像进行阈值化处理,结合形态学方法填充字符中的空隙。在VisualC＋＋6.0编程环境下进行了算法实现,实验结果表明,与传统的字符提取算法相比,该算法不仅具有较强的字符提取能力,明显降低噪声对检测结果的影响,而且字符边缘的连接较好,为后期车牌字符的识别提供了技术基础。     

提取文本流主题的神经网络新算法

目前,关于动态文本数据处理已逐渐成为数据挖掘的研究热点,例如,在聊天室中提取热门主题以及所有的讨论主题。目前已有的神经网络方法能较好地提取所讨论的主题,但不能决定哪个主题是热门主题,而且,提取到的主题之间相互干扰。利用主题之间相互独立和主题自相关的特性,基于自相关矩阵以及独立主元分析教学模型,本文提出一种新的神经网络方法,该算法能成功解决这些问题。在Yahoo聊天室上的实验结果表明,本文算法能准确提取主题以及热门主题,并且主题之间相互干扰大大减小。关键词独立主元分析,神经网络,自相关矩阵,时间序列     

运用独立元分析的仿射运动估计算法

目前在视频流中的运动估计都是针对平移运动的,对于旋转和扭曲运动效果很差,采用Oirrak等提出的Fourier方法可实现旋转和扭曲运动估计,但当目标轮廓简单或噪声大时效果不佳．提出用独立元分析(ICA)方法对图像目标的扭曲运动进行估计,该方法对噪声具有很好鲁棒性,克服了Fourier方法对简单物体仿射参数估计效果差的局限性;同时,采用快速ICA算法计算量小,在视频处理和通信领域中有很好的应用前景．     

基于主曲线算法的手写字符特征分析与提取

模式特征的提取与选择是提高手写体字符识别率的关键因素。主曲线是主成分分析的非线性推广,它是通过数据分布“中间”并满足“自相合”的光滑曲线,能够很好地描述数据分布的结构特征。利用软K段主曲线算法提取训练数据的特征,在分析手写体字符结构特点的基础上,选出手写体字符识别所使用的粗分类与细分类特征,利用这些分类特征对手写字符进行识别。该方法在CEDAR手写体数字和字符数据库上的实验表明：选取的分类特征能够有效区分相似的手写体字符,提高手写字符的识别率,为脱机手写字符识别研究提供了一种新的方法。     

两种改进的IPCA算法

随着互联网的迅速发展以及随之带来的数据量指数级增长,与协方差矩阵计算无关的增量式主元分析方法相对传统的批处理方式的主元分析方法更加具有优势。针对现有的增量式主元分析方法中存在的误差积累问题,提出两种改进算法。实验表明,两种改进算法显著提升了主元估计值的收敛性以及特征值估计值的收敛性,这对于增量式主元分析方法的现实应用是很有意义的。     

基于四元数矢量积算法的彩色图像区域生长算法

针对传统区域生长大多只应用于灰度图像而且存在对彩色信息不敏感、生长准则单一等问题,新算法采用LUV彩色模型,将基于四元数矢量积性质的区域生长算法应用到复杂背景下的彩色图像中。实验结果表明,该方法可以准确地细分区域和对象。     

单幅图像多尺度小波深度提取算法

针对浅景深图像中平滑前景区域深度提取误差大的问题,基于像素点分类思想对深度值进行修正,提出一种基于多尺度小波线索的、可同时面向单幅浅景深图像和广角图像的深度图提取算法.首先使用小波分析法在多个尺度下提取图像深度信息;然后提出自适应分类法并根据尺度与深度变化规律对像素点做深度修正,得到深度图;最后结合区域生长与边缘分割算法对深度图进行区域优化.为了加快深度计算,还提出了快速zerocount法以及多尺度加速法来满足标清视频实时处理要求.实验结果证明,采用文中算法获得的深度图相对深度正确,前景和背景区域深度一致性好.     

基于平面提取的点云数据分割算法

针对点云数据处理过程中边缘不易定位准确的问题,提出一种抗噪性强的点云数据分割新算法。该算法以点云的区域分布特性为基础,通过对数据进行主成分分析(PCA),构建点云平面基元检测的新模型。定义多个平面相似度准则并结合多个阈值判断,进行平面的区域增长,实现点云数据的准确分割。实验结果表明,该方法能快速稳定地识别场景物体各个平面,得到较为准确的分割结果,且具有较强的抗噪性能。     

复杂彩色文本图像中字符的提取

从复杂彩色文本图像中提取和识别字符已经成为一个既困难又有趣的问题。本文给出了一个具有创新性和实用性的区域生长算法用于彩色图像的分割:彩色图像游程邻接算法CRAG(color run-length adjacency graph algorithm)。我们将该算法用于彩色文本图像,首先得到图像的彩色连通域,再对这些连通域的平均颜色进行颜色聚类,可得到若干个聚类中心,然后根据不同的颜色中心将图像分为相应的彩色层面,最后通过连通域分析判断所需的文字层。该生长算法修改并扩展了传统的BAG算法,并将其运用于彩色印刷体文本图像中,充分利用了彩色图像的颜色和位置信息。实验结果表明新的方法能很好的从彩色印刷图像中提取多种常见的艺术字,并具有较高的提取速度,同时保留了文字和背景图像的原始色彩,便于将来的图像恢复。     

结合区域生长和水平集的遥感影像道路提取

提出了一种基于主成分分析(PCA)的彩色区域生长算法,并将该方法与水平集方法相结合用于高分辨率遥感影像中城市道路的提取。首先利用区域生长方法分割出大致的道路区域;然后利用预分割的结果构造初始水平集函数,进一步利用一种消除重新初始化操作的水平集方法进行道路边缘演化;最后,提出了一种不用反复初始化的水平集局部边缘修正算法,并利用该方法对因障碍物影响而错分的局部道路边界进行修正。实验结果表明,该方法能完整、有效地提取高分辨率遥感影像中的道路目标,且人工干预较少,具有较强的实用性和抗噪能力。     

图像识别中的兴趣点匹配方法研究

针对图像检索识别的需求,提出了一种基于兴趣点的匹配算法,利用小波变换对图像进行降维和去噪,提取其SIFT点特征,同时进行PCA降维,最后采用基于K-d树的最近邻法进行快速匹配。通过对各种图像大量的实验,结果表明,该方法具有很强的匹配性和鲁棒性,是一种较好的图像匹配算法,可以广泛应用于图像的检索和识别中。     

独立元分析方法及其在视频分割中的应用

该文详细的介绍了独立元分析方法(Independent Component Analysis,ICA)的基本背景、原理,以及各种独立元分析算法及其特点。同时考虑到在视频分割中,视频图像的内容丰富,物体复杂多样,但是前景物体和背景图像基本上保持相对独立的特点,利用盲信号分离的思想,尝试着把独立元分析方法用于视频分割,以获得相对独立的背景和前景图像。文中用摄像头采集的连续几帧图像做实验,取得了比较满意的效果。     

基于改进的旋转森林算法的不平衡网络流量分类方法

针对不平衡网络流量分类精度不高的问题,在旋转森林算法的基础上结合Bagging算法的Bootstrap抽样和基于分类精度排序的基分类器选择算法,提出一种改进的旋转森林算法。首先,对原始训练集按特征进行子集划分并分别使用Bagging进行样本抽样,通过主成分分析(PCA)生成主成分系数矩阵;然后,在原始训练集和主成分系数矩阵的基础上进行特征转换,生成新的训练子集,再次使用Bagging对子集进行抽样,提升训练集的差异性,并使用训练子集训练C4.5基分类器;最后,使用测试集评价基分类器,依据总体分类精度进行排序筛选,保留分类精度较高的分类器并生成一致分类结果。在不平衡网络流量数据集上进行测试实验,依据准确率和召回率两个标准对C4.5、Bagging、旋转森林和改进的旋转森林四种算法评价,依据模型训练时间和测试时间评价四种算法的时间效率。实验结果表明改进的旋转森林算法对万维网(WWW)协议、Mail协议、Attack协议、对等网(P2P)协议的分类准确度达到99.5%以上,召回率也高于旋转森林、Bagging、C4.5三种算法,可用于网络入侵取证、维护网络安全、提升网络服务质量。     

基于二维主元分析的间歇过程故障诊断

传统的多向主元分析(MPCA)已广泛应用于监视多变量间歇过程。在MPCA算法中,三维的间歇过程数据需要转换为高维的二维向量,导致计算量和存储空间大,同时不可避免地丢失一些重要信息。因此,提出一种新的基于二维主元分析(2DPCA)的故障诊断方法。由于每个批次的间歇过程数据是一个二维向量(矩阵),应用以各个批次矩阵为分析对象的2DPCA算法,避免矢量化,存储空间和存储需求小;另外,2DPCA采用各个批次的协方差的平均值来进行建模,能够更加准确地反映出不同类型的故障,在一定程度上增强了故障诊断的准确性。半导体工业实例的监视结果说明,2DPCA方法优于MPCA。     

人脸识别中PCA方法的推广

主成分分析(PrincipalComponentAnalysis,PCA)是公认的特征抽取的最为重要的工具之一,目前仍然被广泛地应用在人脸等图像识别领域。基于PCA,该文提出了分块PCA的人脸识别方法。分块PCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵利用PCA进行鉴别分析。其特点是能有效地抽取图像的局部特征,对人脸表情和光照条件变化较大的图像表现尤为突出。与PCA方法相比,由于使用子图像矩阵,分块PCA可以避免使用奇异值分解理论,过程简便。此外,PCA是分块PCA的特殊情况。在Yale和NUST603人脸库上的试验结果表明,所提出的方法在识别性能上明显优于经典的PCA方法,识别率可以分别提高6.7和4个百分点。     

聚类与PCA融合的特征提取方法研究

针对主成分分析（Principal Component Analysis,PCA）在克服变量多重相关性中的局限作用,提出了基于K-maxmin聚类的改进PCA特征提取方法,并结合RelieF算法去除分类不相关特征,可进一步提高算法效率和准确性。实验结果表明,该方法的特征提取效果优于传统的PCA方法。     

改进的线性局部切空间排列算法

线性局部切空间排列算法（LLTSA）是一种能很好的适用于识别问题的非线性降维方法,但LLTSA仅仅关注了数据的局部几何结构,而没有体现数据的整体信息。本文提出了一种基于主成分分析（PCA）改进的线性局部切空间排列算法（P-LLTSA）,该算法在Linear-LTSA的基础上,考虑了样本的全局结构,进而得到更好的降维效果。在经典的三维流形和在MNIST图像库手写体识别的实验中,识别率较PCA、LPP,LLTSA有明显提高,证实了该算法在识别问题中的有效性。     

鲁棒主元分析在掌纹识别中的应用

为了对存在异常值的图像构建低维线性子空间的描述,提出用鲁棒主元分析(RPCA)的新方法进行掌纹识别。运用图像下抽样方法降低掌纹空间的维数,在低维图像上应用RPCA提取低维的投影向量,然后将训练图像和待识别图像向投影向量上投影得到鲁棒主元特征,计算特征向量间的余弦距离进行掌纹匹配。运用PolyU掌纹图像库进行测试,结果表明,与主元分析(PCA)、独立元分析(ICA)和核主元分析(KPCA)相比,RPCA算法的识别率最高为99%,特征提取和匹配总时间0.032 s,满足了实时系统的要求。     

概率核主成分分析及其应用

主成分分析（PCA）、核主成分分析（KPCA）和概率主成分分析（PPCA）是已经取得广泛应用的特征提取方法。提出一种基于概率核主成分分析（PKPCA）的检测液晶屏幕亮点的方法。作为对PPCA的一种非线性扩展,PKPCA在PPCA的基础上引入了核函数方法,因而其捕获模式非线性特征的能力更强。在KPCA和PPCA的基础上推导了PKPCA过程公式,并在检测液晶屏幕亮点的应用中将PKPCA、PPCA、PCA算法进行比较。实验结果表明,PKPCA的检测率和局部信噪比优于其他两者。