基于小波分解和支持向量机的准正面人脸识别方法

基于小波分解提取人脸特征技术和多分类支持向量机模型，提出了一种新的准正面人脸识别算法。小波分解提取人脸特征具有对表情变化不敏感的特点；支持向量机作为分类器被认为具有很高的推广(generalization)性能，无需先验知识。在所提出的算法中，首先对训练图像进行预处理，然后使用小波分解方法对人脸图像进行特征提取，用所提取的人脸特征向量训练多分类支持向量机模型，最后用训练好的支持向量机进行人脸识别。利用ORL人脸图像库对该算法的实验测试结果，以及与其它人脸识别方法的比较结果表明了该算法在识别性能方面的优越性。     

VBR视频流量的小波包分解及其长时预测

长时预测是VBR视频流量预测领域中的难点问题.针对其时变、非线性以及长相关性等特点,提出一种多尺度分解的VBR视频业务的特征提取方法.选择具有任意多分辨分解特性的小波包,对其进行空间划分并求解适合视频信号特征提取的最优分解基.基于最优基对视频信号进行快速多尺度分解,得到了各级节点的小波系数矩阵,建立了基于最小二乘支持向量机与最小均方的小波系数预测方法.最后,根据预测小波系数,进一步提出了基于小波系数逆变换的视频流量长时预测方法.仿真结果验证了此算法的有效性.     

基于双谱奇异值和最优参数支持向量机的目标识别算法

提出了基于双谱奇异值和最优参数支持向量机的目标识别算法。首先从目标距离像的双谱中提取双谱奇异值特征;然后通过实验的方法确定支持向量机参数取值的范围,利用遗传算法获取支持向量机的最优参数;最后应用最优参数支持向量机对3种地面坦克目标进行识别。仿真实验表明,即使在较低的信噪比下该算法仍然可以取得比较高的识别率。     

在线脑机接口中脑电信号的特征提取与分类方法

在脑机接口研究中,针对运动想象脑电信号的特征抽取,提出了一种基于离散小波变换和AR模型的方法.利用Daubechies类小波函数对脑电信号进行3层分解,抽取小波变换系数的统计特征;利用Burg算法提取脑电信号6阶AR模型系数.将这两类特征进行组合后使用神经网络、支持向量机、马氏距离线性判别进行分类并比较分析.采用BCI...     

基于小波概率网络的局部放电模式识别

针对高压电器局部放电模式分类中样本数较少,常规的分类方法识别率较低,提出了一种基于概率神经网络与小波变换的混合算法。利用实验室模拟的局部放电信号进行小波分解,提取小波能量系数作为特征参数,并作为概率神经网络的输入进行分类。其得到的结果优于多层前馈神经网络及采用顺序最优化学习方法的支持向量机算法。     

基于SVM和小波系数的图像去噪算法研究

结合小波系数的性质和SVM的优点,提出一种基于SVM和小波系数的图像去噪算法,选取特定的支持向量,输入到训练机中进行训练,然后得到最优的分类函数,最后用最优分类函数对含噪图像进行去噪处理.仿真结果表明,该方法具有很好的去噪效果,且能达到较高的峰值信噪比.     

一种合成孔径雷达图像特征提取与目标识别的新方法

该文提出了一种利用小波域主成分分析和支持向量机进行的合成孔径雷达图像特征提取与目标识别的新方法。该方法对图像小波分解后提取低频子带图像的主成分分量作为目标的特征,利用支持向量机进行分类完成目标识别。实验结果表明,该方法可以明显提高目标的正确识别率,是一种有效的合成孔径雷达图像特征提取和目标识别方法。     

一种合成孔径雷达图像特征提取与目标识别的新方法

该文提出了一种利用小波域主成分分析和支持向量机进行的合成孔径雷达图像特征提取与目标识别的新方法。该方法对图像小波分解后提取低频子带图像的主成分分量作为目标的特征,利用支持向量机进行分类完成目标识别。实验结果表明,该方法可以明显提高目标的正确识别率,是一种有效的合成孔径雷达图像特征提取和目标识别方法。     

基于广义高斯分布的图像盲检测算法

图像拼接是图像篡改机制中简单并常用的方法之一.本文基于自然图像小波子带系数的统计分布符合广义高斯分布的假设,提出了一种拼接图像检测算法.提取小波细节子带系数对应的广义高斯分布模型参数以及模型预测误差为特征向量,采用支持向量机实现了对自然图像和拼接图像的有效分类.实验结果表明本文算法达到了平均88.76%的准确率,性能优于使用Hsu提出的基于相机响应函数的拼接图像检测算法.     

基于特征值的激光成像雷达目标识别算法

提出了一种基于特征值的激光成像雷达目标识别算法。首先从激光成像雷达中获取目标场景的距离像,将场景中各个目标分离,分别提取各个目标距离像的特征值,然后用网格搜索算法对支持向量机参数进行优化,最后应用支持向量机对分离出来的三种目标进行分类识别。仿真实验表明:该方法简单易于实现,识别效果较好。     

Prostate cancer spectral multifeature analysis using TRUS images

This paper focuses on extracting and analyzing different spectral features from transrectal ultrasound (TRUS) images for prostate cancer recognition. First, the information about the images' frequency domain features and spatial domain features are combined using a Gabor filter and then integrated with the expert radiologist's information to identify the highly suspicious regions of interest (ROIs). The next stage of the proposed algorithm is to scan each identified region in order to generate the corresponding 1-D signal that represents each region. For each ROI, possible spectral feature sets are constructed using different new geometrical features extracted from the power spectrum density (PSD) of each region's signal. Next, a classifier-based algorithm for feature selection using particle swarm optimization (PSO) is adopted and used to select the optimal feature subset from the constructed feature sets. A new spectral feature set for the TRUS images using estimation of signal parameters via rotational invariance technique (ESPRIT) is also constructed, and its ability to represent tissue texture is compared to the PSD-based spectral feature sets using the support vector machines (SVMs) classifier. The accuracy obtained ranges from 72.2% to 94.4%, with the best accuracy achieved by the ESPRIT feature set.     

特征选择与深度学习相结合的极化SAR图像分类

给出了一种特征选择与深度学习相结合的极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)图像有监督分类算法。该算法首先根据极化SAR图像数据以及目标分解获取原始特征参数集,然后利用随机森林(Random Forest, RF)方法对特征参数集进行重要性评估,并根据特征重要性排名选择最优极化特征。以最优极,化特征为输入,通过卷积神经网络(convolutional neural network, CNN)学习多层特征信息,再利用训练好的网络模型对极化SAR图像进行分类。利用美国AIRSAR机载系统采集的实测数据进行实验,并同已有经典有监督分类算法进行比较,结果表明本文算法能够选取有效的极化特征,最终得到较为准确的分类效果。      

SAR target detection based on the optimal fractional Gabor spectrum feature

In this paper, an algorithm based on fractional time-frequency spectrum feature is proposed to improve the accuracy of synthetic aperture radar (SAR) target detection. By extending fractional Gabor transform (FrGT) into two dimensions, the fractional time-frequency spectrum feature of an image can be obtained. In the achievement process, we search for the optimal order and design the optimal window function to accomplish the two-dimensional optimal FrGT. Finally, the energy attenuation gradient (EAG) feature of the optimal time-frequency spectrum is extracted for high-frequency detection. The simulation results show that the proposed algorithm has a good performance in SAR target detection and lays the foundation for recognition.     

深层融合度量子空间学习稀疏特征提取算法

特征提取作为模式识别中的重要步骤,一直是图像处理研究的重点,逐渐兴起的深度学习理论,作为一种新的深层特征提取模型,越来越受到广大学者的关注。本文提出一种基于深层融合度量学习的稀疏特征提取算法,在深度学习的框架内,构建度量映射矩阵,对图像进行分层映射,最大化保留样本集类间区分信息,并且通过稀疏迭代来保证特征提取结果的稀疏性。首先构建图像集距离度量函数,然后通过求解最大化类间距离来确定最优度量映射矩阵,同时对特征映射结果进行 范数稀疏迭代,提高噪声鲁棒性。然后对这个基本特征提取单元进行深度化改造,在第二层中进行同样的度量学习操作,最终通过多层融合提取得到分层深度稀疏特征。相对于已有子空间方法,本文在特征映射过程中引入度量自学习机制,并着重对各个特征映射层进行视觉合理性稀疏约束,融合多层特征语义描述生成最终特征提取结果。在FERET、AR、Yale等经典人脸数据库以及MNIST、CIFAR-10等目标数据库上的实验结果表明,该算法可以取得较高的识别率以及较好的光照、表情、人脸朝向鲁棒性,并且相对于卷积神经网络等深度学习框架具有结构简洁、收敛速度快等优点。      

基于组合特征和HSI颜色空间的阴影检测

为了更有效地检测视频序列中的阴影,提出基于组合特征和HSI颜色空间的阴影检测算法.对提取的前景,先采用扩展的不变矩和Gabor小波变换分别抽取待识别区域的全局特征和局部特征来建立组合特征向量,再通过建立的HSI空间的阴影颜色模型来准确检测出目标的阴影.实验结果表明,该算法具有良好的阴影检测效果.     

一种多尺度灰度共生矩阵的纹理特征提取算法

纹理特征作为图像的一个重要特征,在国画分类识别中的地位十分重要,但现有的纹理提取算法大多基于灰度信息而忽略了颜色信息。针对国画分类识别中纹理提取算法存在的问题,本文提出了一种多尺度、多色域的纹理特征提取算法,该算法结合了轮廓波变换和灰度共生矩阵的优点。为了对国画进行特征提取,该算法首先将国画图像转变到HSI色彩空间。然后,提取色调、饱和度、强度这三个色彩分量进行分区域操作,即提取每一个色彩分量的纹理特征。最后,将提取的3个特征向量融合并进行主成分分析降维。实验证明,与灰度共生矩阵相比,本文算法在国画分类识别方面查准率提高了7.5%,查全率提高了8.7%。实验表明多尺度灰度共生矩阵算法优于传统的灰度共生矩阵算法。     

Improving training of radial basis function network forclassification of power quality disturbances

Features extracted from non-stationary and transitory power quality disturbances using wavelet transform modulus maxima can serve as powerful discriminating features for wavelet-based classification of these disturbances. Using these features, a comprehensive 'knowledge-based' algorithm is proposed for the training of the radial basis function network classifier, so that at its convergence the network gives both the optimal feature weight vector as well as the cluster centres and scaling widths     

A new optimal algorithm for multipump sources of distributed fiber Raman amplifier

The most important feature of the Raman-gain spectrum is that the peak-gain wavelength only depends on the pump wavelength (fixed shift about 100 nm). Using this feature, a new optimal algorithm for multipump sources of a distributed fiber Raman amplifier is designed. The numerical analysis results show that the optimal algorithm is simple and effective.     

面向类不平衡网络流量的特征选择算法

针对网络流量分类过程中出现的类不平衡问题,该文提出一种基于加权对称不确定性(WSU)和近似马尔科夫毯(AMB)的特征选择算法。首先,根据类别分布信息,定义了偏向于小类别的特征度量,使得与小类别具有强相关性的特征更容易被选择出来;其次,充分考虑特征与类别间、特征与特征之间的相关性,利用加权对称不确定性和近似马尔科夫毯删除不相关特征及冗余特征;最后,利用基于相关性度量的特征评估函数以及序列搜索算法进一步降低特征维数,确定最优特征子集。实验表明,在保证算法整体分类精确率的前提下,算法能够有效提高小类别的分类性能。     

基于蚁群的无线电源管理网络路由算法

蚁群算法(Ant Colony Algorithm,ACA)是一种新型的基于群体的仿生算法。采用蚁群算法实现了对无线电源管理网络的路由优化,为远程设备管理提供了新的解决思路。对原始蚁群算法进行了改进,提出了一种多蚁群的优化算法。基于蚁群算法及其并行搜索最优的特征,通过蚁群聚类和动态调整网络优化参数的方法,可作为一种面向无线电源管理网络的路由算法,经过仿真验证了该算法的有效性。