基于双线性注意力网络的垃圾图像识别与分类方法

针对传统图像识别技术应用于垃圾图像的识别及分类中存在的误差较大的问题,文章提出一种基于双线性注意力网络的垃圾图像识别与分类方法。采用二维中值滤波法,对自主拍摄和网络收集而构建的居民生活垃圾图像数据集图像进行去噪处理。应用多尺度融合方法对去噪后的图像质量进行增强处理,以此完成对垃圾图像的预处理。最后,设计一个双线性注意力网络模型,经过模型训练完成垃圾图像的分类识别。实验结果表明,应用该方法识别并分类居民生活垃圾图像的准确率为96.5%,说明该方法具有较好的有效性与较高的准确性。     

基于神经网络的图像识别

神经网络图像识别技术是随着当代计算机技术、图像处理、人工智能、模式识别理论等发展起来的一种新型图像识别技术。在进行图像识别之前需要利用数字图像处理技术进行图像预处理以及特征提取。本文选取字符图像0~9作为识别目标,对图像预处理过程进行了叙述,并在此基础上选取字符图像矩阵每行的与每列的黑色像素点之和以及图像欧拉数这两个特征作为BP神经网络的输入样本。经实验仿真表明图像的平均识别率为89%,这表明图像预处理的结果和提取的特征是合适的、有效的,设计的BP网络也较好的完成了模式分类识别工作。     

基于神经网络的图像识别方法

神经网络是近年来受到国内外广泛关注的高新技术,不同科学的科技人员对其进行了深入的研究,并取得了许多有价值的研究成果。神经网络在图像识别方面也取得了广泛应用。神经网络用于图像识别一般都要提取图像特征,然后把提取好的图像特征送入神经网络识别器进行识别。文中提出的用 BP 神经网络作图像识别的方法,不对图像作特征提取,直接把图像数据作为神经网络识别器的输入。文章最后用 MATLAB 完成了网络的训练与测试,并给出了试验结果。结果表明,不作特征提取的神经网络图像识别系统具有很强的抗干扰能力。     

车牌图像分类识别技术研究

在现阶段的交通管理领域,普遍应用车牌识别系统是交通信息化的一个重要组成部分。为了提高车牌图像识别技术应用的效果,文章围绕车牌图像分类识别技术做出分析,在保证车牌图像识别精度基础上提高识别的效率。本文首先介绍车牌图像分类识别技术,了解该技术基本情况;其次介绍车牌图像采集技术、车牌图像特征值提取与分类器、车牌图像处理技术3种车牌图像分类识别的常见技术,了解不同技术在车牌图像分类识别中的应用要点;最后提出加大采集图像内容与质量控制力度、建立车牌识别样本数据库、明确车牌图像识别规范3点建议,明确今后车牌图像分类识别技术的发展方向,以期能够为今后车牌图像分类识别的发展夯实基础。     

基于数据扩维的SAR目标识别性能提升技术

卷积神经网络的出现使得深度学习在视觉领域取得了巨大的成功,并逐渐延伸到合成孔径雷达(SAR)图像识别领域。然而,SAR图像样本量不足,难以支撑卷积神经网络的训练需求,并且SAR图像包含大量相干斑噪声及不确定性,网络结构的设计较为困难。所以,深度学习在SAR图像识别领域的应用受到阻碍。针对上述问题,文中提出一种基于数据扩维的SAR目标识别性能提升方法,通过对原始SAR 图像进行相关预处理操作并把处理后图像与原始图像结合,从而将一维的原始数据扩充成多维数据来作为训练样本。该扩维方法不仅间接扩充了样本量来支撑网络训练,同时也在网络训练前加入了“主动学习冶影响,所以无需针对SAR图像特性来构建复杂卷积网络,而采用成熟、简单的网络进行训练就可以达到理想的测试精度。最后,使用MSTAR 数据对该方法进行了性能验证,实验结果显示了所提方法的有效性。     

基于深度学习的野生动物识别

为了更好地保护野生动物以及动物基因库的种类,保障生物链的完整性。运用深度学习技术对野生动物的图像进行识别,并且为了降低噪声信息的干扰及提高野生动物图像识别的准确率,提出了基于深度残差收缩网络的野生动物识别模型。目的是可以更好地帮助社会对野生动物进行监管和保护。该模型在深度残差网络的基础上融入注意力机制和软阈值函数,从而降低噪声信息的干扰,提高图像识别的准确率。将深度残差收缩网络与深度残差网络模型对相同野生动物数据集进行训练作对比,同时对部分野生动物图像进行了测试。实验结果表明,深度残差收缩网络提高野生动物图像识别准确率。     

面向车道线图像识别的多种滤波方式对比分析

针对图像预处理的结果会影响车道线识别精度和速度的问题,文中选取二维小波包分解滤波、中值滤波和锐化滤波对某一汽车常用工况下的车道线图像分别进行滤波降噪,采用Sobel算子对未经滤波处理和经过3种滤波处理的车道线图像进行了边缘检测。结果显示二维小波包分解滤波处理后的图像能识别的车道线特征点数目最多,中值滤波处理后的图像能识别的车道线特征点占比最高,锐化滤波处理后的图像识别速度最快。     

大规模复杂背景图像特征识别方法研究

近年来计算机、网络及多媒体技术不断的发展更新,引发了图像识别一门模式识别技术的兴起。图像识别技术通过计算机技术和信息处理技术展现人的视觉认知和理解,主要根据图像特征的识别进行内容分类。本文提出了基于SVM的大规模复杂背景图像识别方法。并针对大规模复杂场景由文本重叠造成的较大背景干扰问题提出了图像特征的检测和识别方法,最后利用图像层关系与验证识别结果的实验证明了大规模复杂背景下该法对图像特征识别优于其它方法,为图像识别技术研究中存在的问题指出了研究方向。     

基于EHMM结合DWT与DCT的人脸识别

人脸识别系统可分为人脸检测,图像特征提取,人脸训练和人脸识别等部分,其中图像特征提取与人脸训练为主要组成部分,决定着系统的识别速度与准确性。人脸训练可为给定某人建立嵌入式隐马尔可夫模型来作为进行人脸图像识别的分类标准。人脸图像特征提取则运用离散小波分析来减少图像数据量,然后计算DCT变换系数矩阵,从而取得模型训练和识别中所需的图像特征。     

锂电池薄膜缺陷图像特征提取技术研究

主要研究锂电池薄膜缺陷图像特征提取技术。将锂电池薄膜缺陷图像分类,分析缺陷的灰度特征、几何特征、投影特征、纹理特征,通过选择不同特征参数进行识别,分析识别结论,选取鲁棒性强的缺陷特征值。     

High-dimensional feature extraction using bit-plane decomposition of local binary patterns for robust face recognition

Transforming an original image into a high-dimensional (HD) feature has been proven to be effective in classifying images. This paper presents a novel feature extraction method utilizing the HD feature space to improve the discriminative ability for face recognition. We observed that the local binary pattern can be decomposed into bit-planes, each of which has scale-specific directional information of the face image. Each bit-plane not only has the inherent local-structure of the face image but also has an illumination-robust characteristic. By concatenating all the decomposed bit-planes, we generate an HD feature vector with an improved discriminative ability. To reduce the computational complexity while preserving the incorporated local structural information, a supervised dimension reduction method, the orthogonal linear discriminant analysis, is applied to the HD feature vector. Extensive experimental results show that existing classifiers with the proposed feature outperform those with other conventional features under various illumination, pose, and expression variations.     

基于粗糙集近似约简和SIFT特征的图像匹配算法

SIFT(Scale Invariant Feature Transform)描述符由于具有尺度、旋转和光照不变等特性在图像匹配领域获得了广泛的应用。但是,SIFT特征点采用128维特征向量表示,当图像特征点较多时,匹配算法所需的存储空间大、匹配时间长,且匹配精度不理想。针对以上问题,本文给出了一种基于Rough-SIFT描述符的图像匹配算法。首先,利用排序法求出图像的稳健特征点,然后为提高后续匹配处理运算效率,将粗糙集约简理论引入到基于SIFT特征的匹配算法中,通过构建一种新的近似约简算法来对稳健特征点的128维特征向量进行降维处理,最后利用约简后的特征点对图像进行匹配。仿真实验表明, 本文方法使得约简后的SIFT特征点更加精确、稳定、可靠,有效减小了匹配算法的存储空间,提高了匹配算法的效率和准确率。      

Comparative analysis of bitplane-based wavelet image coders

Wavelet image encoders based on bitplanes give excellent results in the compression of still images. The bitplane concept has recently been generalised to vectors, and wavelet image encoders based on vector bitplanes have been proposed, some achieving slightly better rate /spl times/ distortion performances than scalar encoders. There remains the open question of whether the use of vector bitplanes has the potential of providing more significant rate /spl times/ distortion improvements over scalar versions. The authors address this question by analysing in detail the performance of adaptations, for the use of vector bitplanes, of four popular wavelet-based bitplane encoders. From this analysis, they determine where the gains in performance of encoders based on vector bitplanes come from. It is concluded that performance improvements may come by increasing the vector dimension, provided that codebooks with good packing properties are used.     

一种基于相关性投影的人脸性别分类算法

针对于人脸图像检测的有效利用性,为了提高其检测的性能,提出一种新的基于 监督学习的优化相关性投影(ORP)人脸性别分类算法,并将其应用到基 于Eigenface算法与Fisherface算法的人脸识别中,以及应 用WPCA到基于PGA的性别分类中。本文算法首先基于带权主成分分析(WPCA)算法来降低脸部 维度,将脸部特征提取出;然后,对其进行优化,同时 计算ORP的误差函数;最后,最小化脸部ORP误差函数,计算特征向量的 欧式距离,进行人脸性别分类。将提出方法与 传统方法进行对比,在FERET数据库上进行了实验,证明了本文方法的有效性,获得了优 于传统方法的识别率。     

Robust discriminative extreme learning machine for relevance feedback in image retrieval

Relevance feedback (RF) has long been an important approach for multi-media retrieval because of the semantic gap in image content, where SVM based methods are widely applied to RF of content-based image retrieval. However, RF based on SVM still has some limitations: (1) the high dimension of image features always make the RF time-consuming; (2) the model of SVM is not discriminative, because labels of image features are not sufficiently exploited. To solve above problems, we proposed robust discriminative extreme learning machine (RDELM) in this paper. RDELM involved both robust within-class and between-class scatter matrices to enhance the discrimination capacity of ELM for RF. Furthermore, an angle criterion dimensionality reduction method is utilized to extract the discriminative information for RDELM. Experimental results on four benchmark datasets (Corel-1K, Corel-5K, Corel-10K and MSRC) illustrate that our proposed RF method in this paper achieves better performance than several state-of-the-art methods.     

SS*:一种嵌入视觉特性的多维图像索引算法

图像检索因信息量巨大，查询速度至关重要。一种有效的方法是对图像特征进行多维索引，然后按多维索引算法检索。但是，现有的多维索引算法并不是专门针对图像数据库设计的，没有考虑图像的视觉特性，检索性能不理想。文章针对图像信息的特点，结合SS多维索引算法，设计了一种新的基于内容的图像检索的多维索引算法——SS^*算法。实验表明，该算法对图像检索是有效的。     

MEMS仿生矢量水听器封装结构的隔振研究

利用隔振原理,设计了矢量水声传感器系统中一种新型隔振封装结构模型,即加入橡胶减振器的新型封装结构。采用ANSYS软件对封装模型进行模态分析,研究模型结构和几何尺寸对其隔振性能的影响,确定最优隔振封装结构;对模型的几何尺寸及橡胶隔震材料力学参数进行优化,并对优化模型的隔振性能进行实验测试和评估。实验结果表明：所设计的新型橡胶减振结构具有一定的减振效果,隔离了一定程度的核心器件以外的外界振动干扰,提高了原有封装结构矢量水听器的探测灵敏度。再次验证了硅微MEMS仿生矢量水声传感器不但体积小、质量轻、结构简单,而且具有低频灵敏度高等优点。     

一种基于Radon变换的微表情识别算法

微表情是人们处在一些与平时生活环境不同的高强度环境下试图控制和掩饰的情感表现,也是一种不曾意识到的瞬时脸部表情,持续时间短,强度弱。为了提高其准确率,提出了基于Radon变换的微表情识别算法。首先,对数据库中的视频序列进行灰度归一化、尺寸归一化和二维主成分分析法(Two-dimensional Principal Component Analysis,2DPCA)降维预处理,使用光流法对降维后图像提取运动特征;然后使用Radon变换算法对光流图像进行处理,得到对应微表情的特征值和特征图像;最后使用支持向量机进行微表情分类识别。实验结果表明,使用Radon变换后得到的微表情特征图像得到了较好的识别效果,在微表情数据集CASME和CASMEⅡ上识别率分别为81. 48%和82. 17%,通过与选取的其他方法对比说明了该方法具有更好的识别性能。     

A DCT-Based Local Dominant Feature Extraction Algorithm for Palm-Print Recognition

In this paper, a frequency domain feature extraction algorithm for palm-print recognition is proposed, which efficiently exploits the local spatial variations in a palm-print image. The entire image is segmented into several small spatial modules and the effect of modularization in terms of the entropy content of the palm-print images has been investigated. A palm-print recognition scheme is developed based on extracting dominant spectral features from each of these local modules using a two-dimensional discrete cosine transform (2D-DCT). The proposed dominant spectral feature selection algorithm offers the advantage of having very low feature dimension, and it is capable of capturing precisely the variations in detail within the palm-print image. It is shown that because of modularization of the palm-print image, the discriminating capabilities of the proposed features are enhanced, which results in a very high within-class compactness and between-class separability of the extracted features. A principal component analysis is performed to further reduce the feature dimension. From our extensive experimentations on different palm-print databases, it is found that the performance of the proposed method in terms of recognition accuracy and computational complexity is superior to that of some of the recent methods.     

采用流形近邻传播聚类的极化SAR图像分类

针对传统近邻传播（Affinity Propagation, AP）聚类算法使用欧式距离构建相似度矩阵,不能有效描述极化SAR数据复杂分布的问题,本文提出一种新的基于联合流形距离的AP聚类算法(CMD-AP) 用于极化SAR图像分类。首先将待分类极化SAR图像分割成若干超像素,在相应的极化特征基础上加入图像纹理特征,利用拉普拉斯特征映射算法对特征降维;然后结合相干矩阵Wishart流形和特征矢量欧式流形作为流形距离测度,构造相似性矩阵;最后利用上述相似性矩阵,采用AP聚类算法,对极化SAR图像进行分类。该算法充分考虑了极化SAR数据集潜在的流形结构,将联合的流形距离测度引入AP算法中。实验表明,本文算法提高了极化SAR图像的分类精度,具有更优的区域一致性和边缘保持效果。