基于SVD和KL投影相融合的人脸识别算法

在已有的PCA人脸识别算法的基础上构建了一种基于奇异值分解和KL投影相融合的人脸识别方法。方法对人脸图像进行奇异值分解与KL变换,随后将KL投影的主特征向量和SVD特征向量进行线性融合形成新的特征向量,并以此作为判别标准。经试验测试该方法消除了当检测库中人脸的姿态变化时人脸图像间的相关性下降对识别正确率的影响,大大的提高了人脸识别的正确率。

基于KL特征的空间点群相似匹配算法研究

当前对空间目标的几何匹配研究主要侧重干线目标和面目标匹配，对空间点群目标的相似匹配研究较少，主要采用位置差异度和结构相似度来进行匹配，匹配的成功率不高且易受噪声影响。本文提出一种基于KL特征的空间点群相似匹配算法，首先提取点群的基本关系特征，在此基础上进行点群的KL特征提取，然后再进行点群匹配。实验表明：对等距变换而言，基于距离的KL特征提取的匹配方法最为有效，且不易受到噪声影响。

基于KL信息矩阵的动态加权选题策略

在Henson和Douglas提出的KL信息矩阵(用D矩阵表示)基础上,借鉴后验加权的思想,将原始KL信息矩阵修正为后验加权KL矩阵,并基于认知诊断中项目区分度的计算方式,提出2种新的CD-CAT选题策略:DPWKL1和DPWKL2方法,在不同测验长度、不同诊断模型以及不同属性相关程度下,与传统PWKL方法进行了比较研究.模拟研究表明,不论实验条件如何变化,DPWKL1和DPWKL2方法的属性判准率及模式判准率均要优于PWKL方法.

图像融合效果评价方法研究

随着遥感技术的发展,遥感数据越来越丰富。通过遥感图像融合可以综合利用各种遥感数据的信息,提高遥感图像解译和自动分类的准确性。图像融合的方法很多,但缺乏对融合图像效果评价的方法来综合评价融合方法的效果。本文采用标准差、信息熵和清晰度等定量参数来评价融合效果并用自动分类的精度来验证。

一种新的证据融合方法及在目标跟踪中的应用

为了有效融合高度冲突的证据,本文在余弦相似度和K-L距离基础上提出一种证据自适应融合方法.首先联合余弦距离和经典冲突系数定义了一种新的证据冲突衡量标准;然后利用K-L距离获得待组合证据的权重,提出一种基于序贯式的证据组合方法.而后考虑到Dempster组合规则可以有效融合低冲突证据,为使新的组合方法和Dempster组合规则发挥各自的优势,提出了一种组合规则自适应切换的融合方法.最后基于AMI语料库对本文融合方法的有效性进行了验证.实验结果表明:相比传统的证据理论融合方法,本文方法具有较好的准确性和稳定性,可满足视频跟踪的应用需求.

人脸识别:一种基于特征融合及神经网络的方法(英文)

基于特征融合和神经网络构建了一个完整的人脸识别系统。首先使用广义K-L变换对人脸的自组织特征和形状特征进行融合;然后使用UDT(UncorrelatedDiscriminantTransform)对融合后的特征进行变换,以获得最优鉴别矢量;最后使用多层感知器作为分类器。仿真结果证明了该方法的有效性。

采用不同融合方法对土地利用现状进行自动分类的研究

LandsatTM图像在土地利用上的应用极为广泛,但TM图像的空间分辨率比较低,因此单独采用TM图像进行土地利用分类的精度也较低。通过融合高空间分辨率全色图像的高频纹理信息来提高TM图像的空间分辨率,使融合后的图像既保留TM图像的多光谱特性,又具有高空间分辨率的特性,易于图像的解译,达到提高自动分类的精度,减少自动分类的误差的目的。笔者运用IHS和KL融合方法,并对生成的新图像作分类精度比较研究,探讨融合图像在土地利用中的应用。

基于小波叠加的主成分变换遥感数据融合方法的研究

主成分变换 (KL)是一种经典的遥感数据融合技术 ,本文在主成分变换的基础上将小波变换与KL变换结合起来 ,与原来的KL和IHS方法相比 ,本文方法进一步提高了融合信息的质量。

基于全特征融合的小径管焊接缺陷检测方法

针对小径管焊接X射线图像中缺陷尺寸差异大、大纵横比缺陷和回归位置偏移等问题,提出了基于全特征融合和多级检测头的检测模型,模型由全特征融合网络(FFF-Net)和基于距离交并比(IoU)散度(DI-KL)损失的多级检测头组成。FFF-Net通过双向特征均衡有效提取不同尺寸缺陷的特征,利用形状特征提取大纵横比缺陷的形状特征,并通过注意力机制提高特征的显著性;基于DI-KL损失的多级检测头将DI-KL损失作为回归损失,结合多级检测头缓解了预测框回归位置不准确的问题。实验结果表明:该模型有效提高了小径管焊接缺陷检测精度,特别是小尺寸和大纵横比缺陷的检测精度。

基于（2D）^2-KL变换的小波域图像融合算法

为使融合后的图像在尽可能保留源图像细节信息的同时,还能够有效提高源图像的对比度,提出基于(2D)2-KL((2D)2-Karhunen-Loeve)变换的小波域图像融合算法.首先用(2D)2-KL变换直接对图像信息进行分析,并构建协方差阵,提取图像的重要特征,然后将其主要特征输入到小波域中.在此基础上,对小波变换分解得到各子带系数,用一定的融合策略进行融合.低频子带含有图像的轮廓信息,引入加权因子指导低频子带系数进行融合.实验结果表明,提出的算法有效提高了图像的对比度,并且很好地保留了图像的细节信息,无论在视觉角度上,还是在各种客观性能评价上都比其它传统方法取得了更佳的融合效果.