基于改进型深度LLE和随机森林的人脸检测算法

针对人脸检测问题的特点,提出一种基于改进型深度LLE(Locally Linear Embedding)算法和随机森林相结合的人脸检测算法。首先,通过采集图像的深度信息,结合图像的颜色信息,构建三维图像信息数据库,再通过改进的LLE算法得到最优降维结果,按一定比例选取训练集,输入随机森林算法建立数据分类器;最后,将测试集输入到训练完成的分类器中,实现人脸图像的检测。选取Yale,JAFFE 2类数据集与传统算法进行对比实验,验证算法的优越性和可行性。实验结果表明:所提出的算法可以有效地完成人脸检测,检测率高于传统算法7%左右。     

基于Kalman和双级联随机森林的在线目标跟踪算法

针对传统的基于检测的在线目标跟踪算法容易产生跟踪漂移的现象,提出了一种新的在线目标跟踪算法.以基于主方向模板特征的双级联随机森林分类器作为检测器,卡尔曼滤波器作为跟踪器.首先利用卡拉曼算法跟踪目标,然后以跟踪的目标位置为中心向外扩展一定的范围作为双级联随机森林分类器的检测区域,利用全局随机森林分类器和局部随机森林分类器进行目标检测,并将检测结果作为Kalman跟踪算法下一帧的观测值.实验结果显示,提出的算法在跟踪大小420×320的图像时,跟踪速度达到24.3 f/s(帧/秒),目标中心位置误差在30 pixel时,算法准确率可达到80％以上.     

基于共生特征和集成多超球面OC-SVM的JPEG隐密分析方法

隐密是指将秘密信息以不可察觉的方式隐藏于其他载体之中的技术。隐密分析的目的是检测秘密信息的存在并最终提取秘密信息。目前基于二类或多类分类器的盲隐密分析方法可有效检测已知隐密算法,但无法对未公开隐密算法的生成图像进行检测。该文提出了一种新的JPEG盲隐密分析方法,对已知或未公开隐密算法都可检测。基于共生特征和多超球面OC-SVM分类器,本方法利用能有效对载体JPEG图像的统计分布边界建模。为进一步提高检测性能,还应用Bagging集成学习算法提高分类器的泛化能力。实验结果表明,该文方法能较为准确地检测出典型JPEG隐密算法生成的含密图像,性能优于已有的同类隐密分析方法。     

基于增强随机蕨的果园苹果检测研究

果园中苹果检测是实现苹果自动化采摘作业的一项重要环节。针对目前果园苹果检测方法设施要求高及尺度变换、光照缺乏泛化能力等问题,提出基于增强随机蕨分类器的果园苹果检测。首先,在梯度域中通过方向梯度直方图对图像进行特征提取,形成图像的特征空间。其次,在特征空间中,进行随机二元测试,形成随机蕨类并共享特征,构建弱分类器。最后,引入Real AdaBoost算法构建强分类器实现检测。实验结果表明,基于随机二值特征提取的增强随机蕨类分类器能够有效地检测果园中的苹果。     

面向恶意网址检测的广谱特征选择与评估

针对恶意网址检测系统的特征选择和降维问题,基于特征选择方法的优化结果提出多种特征子集。利用基于分类器的准确率和召回率等性能评价指标,采用随机森林、贝叶斯网络、J48、随机树机器学习方法,对信息增益、卡方校验、信息增益率、基于Relief值、基于OneR分类器、基于关联性规则、基于相关性等多种特征选择算法所确定的特征子集进行检测。结果表明,除基于相关性特征选择算法确定的特征子集外,其他方法确定的特征子集均具有良好的分类性能,其中基于关联性规则选择的特征子集的维度仅为5,但各分类器基于此特征子集的分类准确率均高达99%以上。     

基于Android的图像文本区域检测

针对图像背景复杂的问题,提出一种基于Android平台的图像文本区域检测方法。利用膨胀、腐蚀和二值化等数字图像处理中相关算法并引入图像中文档区域判定规则,实现准确的图像中非文本区域过滤,从而达到图像文本区域检测的目的,并为后续利用该算法实现移动端文本识别打下坚实的基础。通过实验证明,提出的方法具有较好的检测效果,具有广泛的应用前景。     

基于元学习策略的分类器融合方法及应用

提出了基于元学习策略的分类器融合的新模型,使用了两类元学习策略将4种分类算法即Generalized Winnow算法、支持向量机算法、条件随机域算法和最大熵算法进行融合,并根据具体领域的应用任务和分类器特点选择了有效特征信息,在面向生物医学文本命名实体识别的应用中取得了较高识别精度。实验结果表明基于元学习策略的分类器融合方法明显优于单分类器方法,并且也优于基于判别规则的分类器融合方法。     

基于贝叶斯分类器的图像隐写分析

集成分类器是目前用于图像隐写分析的主流分类器。为提高集成分类器的检测精度,针对集成分类器基分类器组合方法过于简单,无法体现基分类器之间的内在联系,不能从整体上对结果进行判定的缺点,依据图像特征在集成分类器分类超平面上的投影值服从多维正态分布这一特性,提出了一种基于贝叶斯分类器的图像隐写分析算法。首先基于随机森林算法生成若干基分类器,然后计算类条件概率密度函数与先验概率并训练贝叶斯分类器,最后使用经过训练的贝叶斯分类器代替简单投票方法进行分类判决。算法的检测错误率比以往算法平均降低了1.6%,ROC曲线比简单投票方法更接近于左上角,即具有更高的检测率,AUC值平均增长约2.12%,并且训练时间仅有少量提高,最大提高约2.610s。可以有效提高集成分类器的检测精度。     

复杂彩色图像中的文本定位

针对复杂彩色图像中文本的特征,提出了利用一组级联弱分类器甄别文本区域的算法。首先根据文本块的边缘特征遴选出备选图像块,而后将其送入设计好的级联弱分类器,依次利用文本块特征、颜色信息、区域特征和字符笔画特征准则判断备选图像块是否包含文本。采用专用的文本定位比赛用图进行实验的结果表明,该方法运算简单,定位时间短,定位准确率可达到94.1%,召回率为85.9%。     

基于标题类别语义识别的文本分类算法研究

本文提出了一种基于标题类别语义识别的文本分类算法。算法利用基于类别信息的特征选择策略构造分类的特征空间,通过识别文本标题中的特征词的类别语义来预测文本的候选类别,最后在候选类别空间中用分类器执行分类操作。实验表明该算法在有效降低分类候选数目的基础上可显著提高文本分类的精度,通过对类别空间表示效率指标的验证,进一步表明该算法有效地提高了文本表示空间的性能。     

基于随机森林的乳腺肿瘤诊断研究

采用人工智能方法对乳腺肿瘤进行自动诊断实质是对乳腺显微图像进行模式分类识别问题,比传统的人工诊断方法具有更高的准确率和效率,从而提高肿瘤治疗效果。基于随机森林的分类器具有良好的泛化性能,首先讨论了随机森林模型的建立,然后利用训练好的模型对乳腺肿瘤数据进行分类测试,最后讨论了影响随机森林分类器性能的因素以及如何选择随机森林里的决策树的数量。仿真实验表明,利用随机森林分类器对乳腺肿瘤进行分类识别比采用BP、LVQ神经网络、决策树方法可以获得更好的泛化性能。     

基于文本布局块距离度量的文档图像检索

针对现有基于图像文档转换为文本后进行文档检索的方法,无法满足当今超大量数字图像库的处理场景。文中提出一种基于文本布局块的文档图像检索方法。根据文本布局块之间的距离特征,定义了新的距离函数,利用新的距离函数计算得到文本布局块之间的距离矩阵,并结合匈牙利算法求出文档图像的最佳匹配结果。通过大量实验证明,所提方法能够有效地提高图像文档检索准确度,并且能保证78.2%的正确率。     

一种基于图像DCT域信息熵的盲检测算法

提出了一种基于图像DCT域信息熵的盲检测算法。该算法通过分析JPEG图像隐写前后子块DCT系数信息熵的变化,提取JPEG图像子块DCT系数信息熵的64维特征向量,之后用LSSVM分类器对待测图像进行分类,最终达到检测载密图像的目的。实验表明,该算法能有效地针对各种隐写算法下的载密图像进行检测,同时对低嵌入比例下的载密图像也能达到较高的检测率。     

采用局部相位量化的合成语音检测方法

由于语音合成的便利性,合成伪装语音对说话人认证系统的安全构成了很大的威胁。为了进一步提升说话人认证系统的伪装语音检测能力,提出了一种利用语谱图频域信息的合成语音检测方法,它通过局部相位量化算法对语谱图频域信息进行描述。首先,将语谱图分为若干子块,然后对每个子块进行局部相位量化,经直方图统计分析后获得局部相位量化特征向量并将该特征向量作为随机森林分类器的输入特征,实现合成语音检测。实验结果表明,该方法进一步降低了合成语音检测系统的串联检测代价数值,并且具有更强的泛化能力。     

基于DCT域的自适应图像数字水印盲检测算法

本文提出了一种基于DCT域的自适应图像数字水印盲检测算法,将二值图像作为有 意义水印信号间接地嵌入到原始图像中。该算法设计了一个基于HVS的分类器,根据块分类结果, 将不同强度的水印信息嵌入到图像子块的DCT域次低频系数中去,增强了算法的鲁棒性;同时提取 水印时实现了盲检测,拓宽了数字水印技术的应用范围。     

基于Laplace变换的视频文本检测

本文提出了一种基于Laplace变换的视频图像水平文本检测算法.首先用Laplace变换对图像滤波,并根据梯度信息用K-均值方法对像素点聚类,得到候选文本区;然后用投影算法对候选文本区进行边缘精确,得到候选文本块;最后分析候选文本块的几何特性,进行文本验证.本文算法在公共数据库上的测试结果表明了算法的可行性和有效性.     

一种有效的文档水印技术

针对二值纯文本图像，深入分析二值中文和英文文档图像本身结构特点，并在此基础之上结合人类视觉特性，提出了一种具有一定全局顽健性的局部易碎性数字水印方案。首先将文本图像依据内容进行分块，使每一图像子块只包含一个英文单词或一个字，然后提取该块的可嵌入水印的像素点，最后从中随机选一部分点，嵌入水印信息。实验结果表明该算法在不破坏图像质量基础上，能有效抵抗噪音等攻击，同时又能抵抗和定位对文本内容的局部篡改。     

基于对比度增强和背景估计的文档图像二值化

针对文档图像存在的退化状况对其二值化处理的影响,文中提出一种基于对比度增强和背景估计的文档图像二值化算法,用于对退化的文档图像进行二值化增强处理。该算法根据不同子区域亮度信息的差异采用不同对比度增强算法对文档图像进行增强处理,通过运用形态学闭运算对增强后的文档图像进行处理来移除文档图像的背景,结合Ostu和Sauvola算法获取文档图像的二值化图像,并通过基于边缘像素邻域灰度值的分布情况进行文本断笔修复。实验结果表明,该算法的F-Measure（FM）为90.47%,峰值信噪比（PSNR）达到19.15 dB,负率指标（NRM）低至0.053 8,分类错误度量（MPM）降至0.000 33,验证了本文提出的二值化算法的有效性。     

基于多区域的随机蕨在线目标跟踪算法

原始的随机森林跟踪算法,是以像素点的灰度值作为检测特征,在目标发生遮挡和旋转时,容易产生跟踪漂移,为此本文提出了一种基于多区域融合的随机蕨在线目标跟踪算法。首先将目标候选区域划分为多个子区域,然后采用基于积分图的随机蕨分类器对每个子区域的候选图像块进行分类,在跟踪过程中自适应地融合子区域分类结果以剔除被遮挡子区域对目标跟踪结果的影响,同时更新随机蕨特征和子区域图像块的选择。结合对TLD算法部分模块的改进,通过对不同视频序列进行测试,实验结果显示本文算法在跟踪大小320 pixel×240 pixel的视频序列时,跟踪速度达到20~30 frame/s左右,目标中心位置误差在30 pixels时,算法准确率可达到80%以上。     

基于文档分割的图像兴趣域检测及编码方法

结合数字图书馆系统建设和应用的需求,文章提出一种基于文档分割的自适应文档图像兴趣域编码方法.文章针对数字化文档结构特征,详细描述了一种基于块缩图和涂染技术的快速图文分割算法,该算法分割图文时不受文本倾斜和插图区域不规则的限制;在将插图域和文本域进行准确分割的基础上,文章提出了一种自适应生成插图兴趣域屏蔽图和兴趣域位移法的压缩编码算法,最后给出采用该方法压缩含插图的扫描文档的示例.