排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
提出一种适用于同类别的图像子集的类别判断方法。同类别的图像子集经过PCA主特征提取后,选择较大的p个特征值对应的线性无关的特征向量,组成特征矩阵,则同类别的图像子集可以转化成一个特征矩阵,图像子集与特征矩阵一一对应,进而整个图像库能够用矩阵集合来表示。定义一种矩阵间的距离及最小二乘距离,通过计算待测图像子集对应特征矩阵与图像库中不同类别对应特征矩阵之间的距离或最小二乘距离,判断待测试图像子集所属类别。 相似文献
2.
针对传统双目立体匹配算法采用固定窗口导致弱纹理区域匹配精度较低的问题,提出了一种基于图像分割的自适应窗口立体匹配算法.首先,采用Mean-shift算法对图像进行分割,之后对分割图像进行局部子区灰度标准差统计,在此基础上提出了一种根据纹理丰富程度进行窗口大小自适应设定的算子.基于自适应窗口大小设定,组合使用Census变换和梯度值计算匹配代价,并分别通过自适应权重代价聚合及"胜者为王"策略进行初始视差计算,最后利用左右视差一致性原则和加权中值滤波得到稠密视差图.采用提出的自适应窗口匹配算法与固定窗口匹配算法对Middlebury数据集上的标准图片进行匹配实验,实验结果表明,所提算法的平均匹配错误率为2.04%,相比对比算法,所提方法的匹配错误率分别降低了4.5%和7.9%. 相似文献
3.
一个图像集由大量变化不一的图像组成,而且这些图像都表示同一个人.现实中的图像集数据是非线性的,造成这些现象的因素有人脸的角度不同、光线的明暗等,因此图像集中的每幅图像都是变化的,如果近似的将一个图像集建模为线性子空间,而忽略了集合中数据结构的变化,很显然是不合理的,这也必然会影响到最后的识别率.受流形理论知识的启发,可以将图像集建模为一个流形,这与传统的将图像集建模为子空间的方法有着本质区别.本文在基于流形的人脸图像集识别方法的基础上进行改进,提出新的计算样子空间距离方法,最后采用所有最短子空间距离的平均值作为流形之间的距离,称为改进的多流形方法(Improved multi-manifold method,IMM).IMM方法在CMU PIE数据库上进行实验,结果表明该方法相比其他方法具有更高识别率. 相似文献
4.
5.
为了克服极限学习机(ELM)稳定性差、识别率不高的缺陷, 利用支持向量机(SVM)一对一投票式分类算法准确度高的优势, 提出一种改进的表情识别方法. 该方法将一对一分类算法和ELM算法相结合形成一个新的算法即OAO-ELM(One-Against-One-Extreme Learning Machine), 首先, 对样本采用一对一的分类并利用ELM训练成一个弱分类器, 然后, 将这些弱分类器组合成一个最终的强分类器. 预测结果, 采用投票方式. 用Gabor滤波提取表情特征, 由于提取后特征维度很高, 冗余大, 引入主成分分析(PCA)来降维. 基于JAFFE数据库实验结果表明, 该算法在人脸表情识别上具有较高分类识别率和稳定性. 相似文献
6.
7.
8.
一种快速准确的人眼定位方法 总被引:3,自引:1,他引:2
提出一种利用快速辐射对称变换标准地定位双眼瞳孔的新方法。首先估计眉毛的大体位置,根据眉毛定位的结果,在可能存在双眼的一定区域,利用快速辐射对称变换找到黑色的特征点,用眼珠模板对检测到的特征点进行纠偏后,根据几何特征确定双眼的候选对,再次利用眼珠模板精确定位瞳孔的位置。对ORL和SJTU-IPPR数据库的实验表明,该算法可以实时的定位双眼,准确率达到90%以上。 相似文献
9.
10.
模糊C-均值聚类算法是目前应用最广泛的聚类算法,但其仍然存在对孤立点敏感及对初始中心点依赖等问题.为此,提出了一种改进的基于样本加权的模糊聚类算法,该算法可以更加准确的获得初始中心点且去除噪声点.同时,针对Weka系统中聚类算法的薄弱性以及聚类问题在数据挖掘领域的广泛性,本文对此平台进行二次开发并对传统FCM算法与改进算法进行研究.研究发现,改进算法使得聚类结果稳定,且能准确获得聚类结果,提高了算法准确率. 相似文献
1