一种基于图的特征选择方法

在很多的机器学习和数据挖掘任务中,特征子集选择是重要的数据预处理步骤之一。提出一种基于图方法的无监督式特征选择方法（GBFS）,构造一个以样本数据为顶点,数据间相似性作为边的图,再根据各特征的得分优先选择那些具有局部信息保持和全局区分能力的特征。实验结果表明,基于该方法选择的特征子集,在大多数情况下都能取得较好的分类效果。     

一种基于混合模型的特征提取方法

图像特征提取是图像过滤的关键步骤之一.对自然的原始图像进行特征提取时,鉴于单一的图像特征不能很好地表征图像视觉信息,因此,对图像的颜色、纹理特征进行分析、处理是十分必要的.针对这一问题,提出了一种基于混合模型的特征提取方法,结合图像颜色及纹理特征的优点,建立混合模型,并采用PCA(Principal Component Analysis)方法对其高维的特征信息进行处理.实验结果表明这种综合方法能够以较好的特征信息来表示图像视觉内容,达到更准确分类过滤的目的.     

基于三分支混合特征提取的双目立体匹配算法

基于深度学习的双目立体匹配算法大多采用卷积神经网络（CNN）进行特征提取。但该网络存在感受野有限、卷积核权重共享等固有的局限性,难以提取到强辨识度的特征,易导致弱纹理区域、细节区域等有挑战性区域的匹配精度较低。针对该问题,本文提出一种基于三分支混合特征提取的双目立体匹配算法。具体地,将CNN分支、Swin Transformer分支、融合分支并联设置,并对左、右图像进行特征提取,并联分支设置有效地保留了CNN的局部特征表达能力和Swin Transformer框架的全局特征表达能力。融合分支由多阶段的全局-局部信息适配器组成,不仅能实现本阶段全局信息和局部信息的融合与表达,而且能够跨不同阶段有效地传播特征,从而筛选出适用于弱纹理区域和细节区域的强相关特征信息,提高了立体匹配的精度。在SceneFlow数据集上进行的消融实验验证了本文算法的有效性。利用SceneFlow、KITTI 2012、KITTI 2015数据集进行了测试。本文方法在SceneFlow数据集上的端点误差为0.652个像素;在KITTI 2012数据集上的非遮挡区域,视差误差大于5个像素的百分比为0.79%。结果表明本文算法具有优异的立体匹配精度。     

一种基于特征模型的人脸检测方法

特征提取是基于特征的人脸检测的关键。提出了一种利用眼睛和鼻子的灰度特征和几何特征的人脸检测方法。选取眼睛和鼻子作为特征点,构造一个三角的特征模型。另外,此方法对候选特征图像采用逐步改变分块大小的方法进行搜索,得到独立的特征点,并利用人脸结构特点的先验知识建立模型的搜索策略。实验证明,此方法能迅速准确的从复杂背景中检测出人脸,而且对多人脸同样有效。     

基于序列特征提取的溯源图上APT攻击检测方法

在真实场景,特别是工业场景下的高级持续性威胁(advanced persistent threat, APT)具有复杂性和长期性,但当前方法无法有效提取攻击中的长期关联关系.针对这一问题,本文提出一种基于溯源图的APT攻击检测方法 SeqNet. SeqNet采用序列特征提取方式,实现APT攻击检测.在SeqNet中,首先将描述系统运行状态的溯源图序列转化为特征向量序列,然后使用GRU (gate recurrent unit)模型提取系统状态变化特征,并使用结合局部注意力机制的编解码器模型训练GRU模型,最后利用K-means聚类方法对系统正常行为进行建模.本文在5个公开数据集StreamSpot, wget, shellshock,ClearScope和CADETS上进行了实验,并与当前具有代表性的方法进行了对比.本文方法在5个数据集上都取得了相似或更好的效果.实验结果证明本文方法能够实现真实场景下的APT攻击检测.     

一种人脸图像特征提取的局部和整体间距嵌入方法

针对边界Fisher分析(MFA)构建的惩罚图没有充分描述类间数据分离度的缺点,提出一种局部和整体间距嵌入(LGME)特征提取方法。该方法在构建惩罚图时采用了全部的不同类样本数据对,并适当地强调了间距较小的不同类样本数据对的作用。与MFA相比,LGME同时使用类间数据的局部和整体间距信息,对类间数据分离度进行了充分描述,从而使其提取的数据特征具有更强的判别力。实验结果表明,LGME方法提取的人脸图像特征在用于人脸识别时,具有较高的识别率,且更具鲁棒性。     

一种基于Snakes方法的人脸五官几何特征提取新算法

本文对传统Snakes方法的能量函数进行了改进：增加了对Snakes曲线进行形状限定的能量项,用来约束Snakes曲线变化时的形状,使之更容易与相应人脸特征吻合;改进了其中的图像能量项,采用图像颜色色度梯度取代图像灰度梯度构造图像能量项,由于色度梯度体现了颜色的本质信息,这种改进有利于Snakes曲线正确收敛于颜色本质差异大的的地方即图像真实轮廓处。实验结果表明,改进后的Snakes用于人脸特征提取鲁棒性强。     

一种半监督人脸数据可分性特征提取方法

针对人脸数据维数高,可分性差的问题,提出一种半监督人脸数据可分性特征提取方法——SCC-LDA.SCC-LDA先采用稀疏概念编码(Sparse Concept Coding,SCC)进行非监督特征提取,以获取保留人脸数据固有空间几何结构的低维稀疏表达;然后采用线性判别分析(Linear Discriminant Ana...     

一种改进的房产档案特征提取与分类方法

针对房产电子档案分类与关键信息提取的问题,提出一种改进的特征提取与分类方法。将文档图像的段落特征和局部像素分布值特征作为房产文档图像的综合特征,利用模板训练支持向量机分类器,实现对入库的房产档案图像的自动分类。实验结果表明,该方法的分类效果和稳定性较好。     

一种DCT和ELBP融合的人脸特征提取方法

仅使用单一算法提取人脸图像的特征不足以捕捉人脸多方面的信息,为了更好地获取人脸面部特征,针对离散余弦变换（Discrete Cosine Transform,DCT）只能提取人脸面部图像的频域特征,而未考虑近邻像素之间的关系、不能提取纹理特质信息等问题进行了研究,提出一种融合DCT特征和伸长的局部二值模式（Elongated Local Binary Pattern,ELBP）的特征提取方法。该方法首先考虑将人脸图像经DCT变换后的少量低频系数作为人脸的频域特征,然后对人脸图像中贡献相对较大的眼部和嘴部区域进行ELBP特征提取,将该ELBP特征作为人脸的空域特征,并采用PCA方法对所提取的空频域特征进行有效融合,得到更有效的人脸特征,最后用最近邻分类器进行识别。在ORL人脸库和Yale人脸库上的实验结果表明：所提方法比单独采用DCT、ELBP方法或采用DCT和LBP相结合的方法提取的特征更有利于识别,提高了识别的准确性。     

基于加权紧凑局部图结构的人脸识别算法

针对局部图结构算法(local graph structure,LGS)构建图结构时用到的像素点距离中心像素太远,以及在图结构形成后分配权重时没有结合周围像素点到中心像素的距离因素问题,提出加权紧凑局部图结构(weighted compact local graph structure,WCLGS)算法。该算法定义了一种混合特征提取策略,从四个方向为中心像素点构建图结构,分别在垂直方向和对角线方向捕获对称和非对称信息,并且在图结构形成后对距中心像素点近的边赋较大的权重,对距中心像素点远的边赋较小的权重。WCLGS通过提取更近的像素点信息和合理的加权策略,密切关注中心像素点的近邻元素的差异,使得中心点两侧的信息提取更加均匀充分。实验证明,与现有的一些局部图结构算法相比,WCLGS在ORL(Olivetti Research Laboratory)、AR(active record)和HD(high definition)热红外人脸数据库上有更好的识别率和性能。     

动态环境下基于动态区域剔除的双目视觉SLAM算法

基于深度学习的双目立体匹配算法大多采用卷积神经网络（CNN）进行特征提取。但该网络存在感受野有限、卷积核权重共享等固有的局限性,难以提取到强辨识度的特征,易导致弱纹理区域、细节区域等有挑战性区域的匹配精度较低。针对该问题,本文提出一种基于三分支混合特征提取的双目立体匹配算法。具体地,将CNN分支、Swin Transformer分支、融合分支并联设置,并对左、右图像进行特征提取,并联分支设置有效地保留了CNN的局部特征表达能力和Swin Transformer框架的全局特征表达能力。融合分支由多阶段的全局－局部信息适配器组成,不仅能实现本阶段全局信息和局部信息的融合与表达,而且能够跨不同阶段有效地传播特征,从而筛选出适用于弱纹理区域和细节区域的强相关特征信息,提高了立体匹配的精度。在SceneFlow数据集上进行的消融实验验证了本文算法的有效性。利用SceneFlow、KITTI 2012、KITTI 2015数据集进行了测试。本文方法在SceneFlow数据集上的端点误差为0.652个像素;在KITTI 2012数据集上的非遮挡区域,视差误差大于5个像素的百分比为0.79%。结果表明本文算法具有优异的立体匹配精度。

     

视频运动特征提取模块的实现

基于内容的视频检索为人们检索具有相似内容的视频数据提供了新的手段,而运动信息作为视频内容中的一种特有信息,是视频检索领域研究关键问题之一.通过对运动特征提取算法进行研究,设计并实现了一个实用的全局运动特征和局部运动特征提取模块.实验表明：该模块能够有效地分割全局运动与局部运动,提取的运动特征信息可作为基于内容的视频相似检索系统的重要索引.     

全局和局部特征相融合的人脸识别算法

为了进一步提高特征提取效率和人脸识别正确率,提出一种融合全局和局部特征的人脸识别算法。引入局部散度矩阵和全局散度矩阵,两者分别表征样本的全局特征和局部特征;基于同类样本尽可能的紧密而异类样本尽可能远离的事实,构造最优化问题,采用支持向量机建立人脸分类器,并通过仿真实验测试算法的性能。仿真结果表明,该算法不仅提高了人脸识别正确率,而且提高了人脸识别效率。     

核最大方差差分嵌入在生物特征提取中的应用

最大方差差分嵌入算法（VDE）最大化全局方差和局部方差之差,该算法直接通过求解一个特征值问题而获得投影矩阵,无需矩阵求逆运算,因此VDE克服了无监督鉴别投影（UDP）算法的小样本问题,为了进一步增强VDE算法的非线性描述能力,提出了核最大方差差分嵌入算法（KVDE）,该算法首先采用核函数将样本映射到非线性高维空间,然后采用核方法得到一个低维子空间,人脸和掌纹数据库上的实验表明KVDE算法比VDE算法具有更好的性能。     

面向叶子图像的植物归类的特征序列描述方法

针对叶子图像的植物数据库的归类系统,提出了一种新的基于高斯混合模型特征函数的图像特征序列描述方法。定义了图像的高斯混合模型、特征函数及其性质,用自适应的方法把图像分解为K个模型,并在每个分量模型和混合模型上定义由频谱、相位角和功率谱组成的局部特征序列和全局特征序列。在中国科学院智能计算所的叶子图像数据集leaves(ICL)上进行了K-means归类实验,结果表明该图像描述方法比LBP局部综合特征和高斯混合密度函数有更好的归类结果。     

基于全局和局部特征的目标识别研究

为提高目标识别的准确性和快速性,提出了基于全局和局部特征对目标识别的方法。基于颜色直方图提取全局颜色特征,利用多尺度空间来表达目标的局部特征,最后将全局和局部特征进行数据融合得到图像的识别结果。实验结果表明,该方法很好地结合了目标的整体和局部信息,能有效地识别目标,且识别效果优于单一的全局特征和局部特征的识别效果。     

改进的Gabor小波变换特征提取算法

针对基于Gabor小波幅值与相位的人脸特征提取方法的特征级联方式使得特征向量维度较高的问题,提出了一种改进的Gabor小波变换特征提取算法.该算法计算局部幅值特征和局部相位特征,增强了每个像素的局部关联性;然后通过实验选定加权系数,将幅值特征与相位特征进行加权融合.实验结果表明,该算法与改进前的算法相比,降低了特征向量...     

基于特征融合和流形增强的视频人脸识别

提出一种在视频环境下的人脸识别算法(FFME)。将人脸划分为不同的区域,并融合针对人脸不同区域变化特点的不同类型局部特征,建立K-NN模型,根据sum rule划分人脸分类,利用流形建立参考人脸图集,以此重排分类结果,增强人脸识别准确率。在视频人脸数据库Mobo数据集和Honda/UCSD数据集上的实验结果表明,FFME的识别性能优于主成分分析、线性鉴别分析、隐马尔科夫模型、局部线性嵌入,以及流形距离等方法。