基于融合特征的现勘图像检索结果优化算法

刑侦现勘图像数据库是具有保密性高、图像内容罕见等极具行业特色的图像数据库.针对现勘图像内容复杂、目标物体不明确的特点,提出了DCT-DCT波纹理特征,并与HSV颜色直方图特征、GIST特征相融合构成融合特征.与常用的图像特征相比,DCT-DCT波纹理特征能够得到较高的检索效率,而融合特征的平均检索查准率高于构成其本身的三种特征的平均检索查准率.最后,将语义分析技术引入到检索过程中,提出基于检索结果优化的现勘图像检索算法,利用支持向量机（Support Vector Machine,SVM）分类器对查询图像进行语义提取,并对初次检索的结果进行语义分析,根据初检结果中语义类别的占比选择二次检索方案,该算法能在按例查询的基础上进一步提高平均检索查准率.     

现勘图像检索综述

现勘图像检索是进行证据图像比对以获取物证信息的重要手段.本文基于目前应用广泛的现勘图像数据库,根据图像内容将图像分为鞋印、指纹、纹身等种类.并通过对现勘图像的两项关键技术即低层数字特征提取和高层语义分析的总结,从颜色特征、纹理特征、边缘提取等方面综述了现勘图像低层数字特征提取技术,从利用语义模板和数据库本体结构、机器学习算法、引入人工反馈三大类高层语义提取技术综述了现勘图像高层语义分析的研究成果.最后,结合公安行业利用现勘图像获取物证线索的实际应用需求,指出了通过引入公安行业先验知识来提高检索效率等研究方向.     

基于特征融合方法的高光谱图像分类综述

高光谱图像中包含丰富的光谱特征和空间特征,这对地表物质的分类至关重要.然而高光谱图像的空间分辨率相对较低,使得图像中存在大量的混合像素,这严重制约物质分类的精度.受到观测噪声、目标区域大小及端元易变性等因素的影响,使得高光谱图像的分类仍然面临诸多挑战.随着人工智能和信息处理技术的不断进步,高光谱图像分类已成为遥感领域的...     

基于多特征融合技术的商品图像分类

针对网上商品图像的特点,提出了一种多特征融合的分类方法。本文针对颜色和商品图案风格两方面对图像进行分类。首先对商品图像进行分割,再提取特征,颜色特征选择提取颜色直方图特征和颜色矩特征;提取PHOG和SIFT特征来描述图案风格。然后采用基于决策的加权融合方法将两种特征结合起来进行分类,最后在数据集上进行实验,与仅用单一特征分类和使用普通多特征拼接方法作比较,使用本文融合特征的方法进行分类准确率较高,并且其准确率有8%~10%的提升。实验结果表明本文提出的方法是一种有效的商品图像分类方法。     

基于云计算的图像分类算法

针对单一单板机的图像分类效率低的缺陷,提出一种基于云计算的图像分类算法。首先通过特征提取算法提取图像的多种特征,然后采用Map/Reduce模型对图像进行匹配和分类,根据匹配结果得到图像的最优分类结果,最后采用Matlab软件实现图像分类的仿真实验。结果表明,相比于其他图像分类算法,该算法减少了图像的分类时间,提高了图像的分类速度,尤其对大规模图像分类优势更加明显。     

基于多特征多分辨率融合的高光谱图像分类

由于数据维数高,利用高光谱数据对地物进行分类,常规方法难以获得令人满意的结果,在基于小波多分辨率融合方法进行特征图像的提取过程中,提出了利用多个空间特征所构成的特征矢量确定多分辨率融合权值的算法,有效地降低了原始图像的数据维并获得了用于后续分类的特征图像．对AVIRIS数据进行的实验表明,利用新方法提取的特征进行分类,获得了高于传统方法确定融合权值的结果。     

基于多特征融合的红外图像分类研究

针对传统红外图像目标分类方法准确率低的问题,提出了一种用结合多特征融合的粒子群优化(Particle Swarm Optimization, PSO)算法来优化支持向量机(Support Vector Machine, SVM)的方法。该方法采用方向梯度直方图(Histogram of Oriented Gradient, HOG)和局部二值模式(Local Binary Pattern, LBP)两类特征描述红外图像中目标的轮廓特征和局部纹理,从不同的方面展现红外图像的特点,在图像的特征表达上具有一定的互补性。在特征提取后对样本数据进行凸包算法计算,得到一些具有代表性的样本数据,从而提高分类计算效率;在分类模型训练时,采用PSO算法优化SVM,寻找SVM的最优惩罚因子和核参数,从而提高分类模型的准确率。实验结果表明,多特征融合的分类模型的准确率比单一特征的分类模型提高近10%,且经PSO优化的SVM最终模型的分类准确率高达99%。     

一种基于图像特征的图像分类方法

图像分类是色域匹配的关键环节,不同类型的图像采用不同的匹配方法.针对如何有效分类图像,设计了一种基于图像特征的图像分类算法.首先建立图像颜色的三个通道特征统计模型和基于空间灰度级的纹理统计、边缘特征的统计模型,然后根据模型计算出图像的三类特征值,利用特征统计评判和神经网络技术分析计算数据,最后得出图像类型.实验结果表明,算法有较高的分类精度.     

多色彩通道特征融合的GAN合成图像检测方法

当前,生成对抗网络（Generative Adversarial Networks, GAN）合成的逼真图像难以识别,严重危害国家网络安全及社会稳定.与此同时,多数基于深度神经网络模型设计的检测器需要大规模训练样本,且存在模型可解释度不高、泛化性能差等问题.为了克服上述亟待解决的关键性难题,本文提出一种多色彩通道特征融合的GAN合成图像检测方法.首先,探索分析真实自然图像和GAN合成图像在不同色彩空间相邻像素之间的差异,并设计差异度量算法,完成色彩通道选择.其次,利用图像像素间的高度相关性,在八个方向上通过二阶马尔可夫链对相邻像素之间的差分数组进行建模,提取差分像素邻接矩阵特征.最后,利用上述特征,设计一种简单且高效的集成分类器完成GAN合成图像的检测任务.在基于StyleGAN模型合成的伪造人脸数据集中,所提出方法的检测准确率高达100.00%;在小样本训练约束条件下,正负样本对数仅仅为2时,检测准确率高达99.65%;在单类样本训练约束条件下,正样本数仅仅为50时,检测准确率高达92.84%.在基于更先进的StyleGAN2和PGGAN模型合成的伪造场景数据集中,所提出方法的检测准...     

融合颜色特征和纹理特征的图像检索算法

文章结合颜色特征和纹理特征,利用欧氏距离计算两幅图像的相似度进行图像检索。首先,在HSV空间下,提取颜色特征并进行归一化处理。然后,提取GLCM的特征值,并结合Tamura特征形成更加丰富的纹理特征。最后,分别计算待检索图像和图像库中图像的颜色和纹理相似度,在不同权重下融合颜色和纹理特征得出最终相似度。Matlab实验表明,不同种类的图像,分配颜色和纹理的不同权重时,有不同的查准率。调整图像的特征权重可以提高查准率。     

基于迁移学习和通道注意力的遥感图像场景分类

针对遥感图像场景分类任务中训练样本数量少及遥感图像背景复杂等问题,本文将迁移学习和通道注意力引入到卷积神经网络(convolutional neural network,CNN) 中,提出基于迁移学习和通道注意力的遥感图像场景分类方法。该方法首先选用经过ImageNet自然数据集预训练的两个CNN作为主干,同时引入通道注意力机制,自适应地增强主要特征,抑制次要特征;然后融合这两个网络提取的特征进行分类;最后采用微调迁移学习的方式实现目标域上的学习与分类。提出的方法在几个经典的公共数据集上进行了评估,实验结果证明了本文提出的方法在遥感图像场景分类中达到与其他先进方法相当的性能。     

基于BBO-MLP和纹理特征的图像分类算法

为了提高图像分类的准确率,解决多层感知器(MLP )收敛速度缓慢等问题,提出了一种基于生物地理学优化-MLP(BBO-MLP)和纹理特征的 图像分类算法。首先,从图像库中选取 3类不同的图片,对图像分类算法运行环境进行建模;其次,选取角二阶矩(U NI)、熵(CON)、惯性矩(ENT)和 相关性(CDR)4个纹理参数构建一个四维特征矩,根据用户提供的类别号和图像 的纹理特征向量 生成训练样本文件;然后,将提取的数据作为MLP的输入数据,为MLP定义一个评估栖息地的 误差适应度函数并对适应度函数进行全局优化,利用BBO算法训练MLP,得到分类模型;最后 ,利用训练好的MLP对图像进行分类,并引入二次反馈机制进一步提高算法性能。实验结果 表明,与PSO、GA、ACO、ES和PBIL等优化算法相比,本文的BBO-MLP算法具有较高的分类正 确率。     

基于小波和色彩传递夜视图像彩色融合算法研究

针对传统彩色图像融合存在色彩不自然和运算复杂的缺点,提出了基于小波和色彩传递夜视图像彩色融合算法。该算法的核心思想是把源图像RGB空间转换到YUV空间,然后利用小波变换把源图像和参考图像分别进行分解,并对结果中的一阶统计量和二阶统计量进行计算,最后把参考图像的统计量传递给源图像,此时参考图像和源图像的统计量是相同的,把经过处理过的源图像通过小波逆变换传递到RGB空间,测试结果表明,此算法具有图像细节更加丰富,边缘突出的优点。     

一种多传感器融合的景像匹配算法

为提高景像匹配算法的匹配概率和匹配精度,以多传感器最大属性数据融合方法为基础,分析了光学与雷达传感器获取图像的特性,提出了使用光学和雷达传感器进行融合相关的新匹配算法,实现了这两种传感器的优势互补,大大加强了景像匹配算法的抗干扰能力,有效提高了匹配概率和匹配精度。仿真证明,该方法比较成功。     

粒子群优化算法选择特征的运动图像分类

为了提高图像分类的效果,考虑当前方法准确实现图像分类的难题,提出粒子群优化算法选择特征的运动图像分类方法。对当前运动图像分类方法的研究现状进行分析,提取不同类型的图像,并采用粒子群优化算法选择最优特征,组成特征向量,将特征向量机作为神经网络的输入,实现运动图像的分类。采用具体图像分类实验进行验证,结果表明,该方法可以描述不同运动图像的类别信息,缩小图像的分类误差,避免其他图像分类方法的缺陷,提高了图像的整体分类正确率。     

一种彩色图像幸运区域融合算法

幸运区域融合技术通过挑选、配准、拼接短曝光 序列图像中具有一定概率的清晰度 高的“幸运区域”获得一幅高分辨率的重构图像,目前该技术处理对象通常是单色图像。根 据彩色图像成像过程及其数据特点,结合经典的幸运区域融合算法,提出了一种针对彩色短 曝光图像序列的幸运区域融合算法。该算法分别对彩色图像红、绿、蓝3个通道数据进行选 图、配准和拼接,最后合成一幅高分辨率的彩色图像。通过连续拍摄的2200帧短曝光图像, 对所提出的算法进行了多角度验证。红、绿、蓝三通道的选图结果表明,大气湍流确实对光 学场景中不同区域、不同波段光的成像产生随机的干扰,这从一个方面证明红、绿、蓝三通 道分别处理在理论上是成立的。对实测彩色图像融合结果的主观感受和客观指标也证明该算 法可以提高因大气湍流而退化的图像的分辨率。     

基于人眼视觉特性与自适应PCNN的医学图像融合算法

针对多尺度变换的图像特征,提出了一种基于人眼 视觉特性与自适应脉冲耦合神经网络(PCNN)的医学图像融合新方法。首先,对经配准的源图 像进行非下采样Contourlet变换(NSCT), 得到低频、高频子带系数;然后,考虑到低频子带系数中保留了绝大部分源图像能量和图像 轮廓特征,提出 区域能量(RE)和梯度奇异值度量(GSVM)相结合的方法;考虑到图像全局特 征,将PCNN用于高频子带系数中,提出区域视觉对比度(SLVC )模拟人眼视觉特性作为PCNN的 外部刺激输入,设定PCNN的链接强度随视觉对比敏感度(VCS) 自适应变化,同时考虑到PCNN的迭 代次数,利用Sigmoid函数计算其点火输出幅值的显著性度量;最后,对获得的融合系数进 行逆NSCT得到融合图像。通过实验对比分析表明,本文算法不仅可以保留源图像信息的同时 ,还得到较好的客观评价指标和视觉效果。     

基于区域特征的改进IHS图像融合算法

提出了一种基于区域特征的结合IHS变换和小波变换的图像融合算法,首先分别对多光谱图像和高分辨率全色图像进行IHS变换和直方图匹配,对I分量和调整后的高分辨率图像进行小波分解,然后对不同频率分量进行融合时引入区域特征准则,低频部分采用加权平均算子融合法,高频部分采用改进的区域方差加权融合法,最后结合主观判断和客观定量分析验证该算法,实验结果表明该算法的融合图像的质量要优于传统的IHS变换法和小波变换法。     

基于多尺度特征选择性融合的遥感图像检测算法北大核心CSCD

遥感图像的检测在监察自然环境、军事、国土安全等方面具有极其广阔的应用前景,而遥感图像具有背景复杂、目标面积小、特征提取困难等缺点,进行检测时容易产生小目标漏检问题。本文提出一种基于多尺度特征选择性融合的遥感图像检测算法。所提算法采用改进的Resnet50作为主干网络,将Resnet50第一个卷积替换成动态卷积,并将其ConvBlock模块中的卷积替换成金字塔卷积,提高特征提取能力。同时,为了避免遗漏底层信息,在动态卷积层后加入所提有效空间通道注意力机制模块。最后,选取基于上下文信息的不同尺度特征进行融合,提高了模型对目标物体的定位能力。实验结果表明,本文算法在保证速度的同时提高了对遥感图像的检测精度,在遥感图像公开数据集RSOD和NWPUVHR-10上平均精度均值(mean average precision,mAP)分别达到91.88%和90.23%,检测速度达到33 FPS。     

基于图像融合的深度图像修复算法

针对目前大多数深度相机采集到的深度图像中含有大量噪点以及大面积的空洞问题,提出一种基于图像融合的深度图像修复算法。采用改进分水岭算法提取彩色图像中的边缘信息,基于KD树近邻算法依据深度图像的梯度信息提取分类信息,将彩色图像的边缘信息与深度图像像素点的分类信息相结合,得到精确地图像分类结果,再对融合后的每一类进行最小二乘法算法拟合空洞,修复深度图像中出现的大面积空洞问题。实验结果表明,该方法在对物体边缘处小面积空洞进行较为准确地修复的同时,能够对深度图像中存在的大面积空洞问题进行有效修复。