一种基于颜色的图像表示及全局相似检索技术

基于内容的图像检索是当前图像数据库领域中的一个研究热点 .给出了一种描述图像视觉特征的图像表示方法 ,并据此计算图像之间的全局相似度 .首先 ,通过对彩色空间的分析 ,提取图像中的颜色不变量 ,然后在频域内对这样的颜色信息进行分析 .对频域分析的结果进行 K- L变换 ,变换后的低维向量即为图像的颜色表示 .在此基础上 ,也讨论了图像的相似度量以及相应的图像检索技术 ,并给出了实验结果和图像检索性能的评价 .

采用全局相似性测量的彩色图像分割

本文提出一种新的采用全局相似性测量的彩色图像分割算法。该算法将图像分割问题表述为求解能量泛函最小化的问题。利用Bhattacharyya距离测量前景和背景之间的概率分布函数的全局相似性,并将Bhattacharyya系数作为最终的能量泛函。由于高阶能量项的引入,该能量的最小化通常是一个NP难题,为了能够有效的优化该能量泛函,本文提出一个辅助上界函数并且利用graph cuts对该函数进行优化求解。该辅助函数在优化的过程中能够保证能量递减。该算法能够应用于多种分割问题,包括交互式分割、显著性分割等。实验结果表明,算法具有全局分割的特点,能够对彩色图像进行较准确的分割。

基于局部全局相似度的SVD的协同过滤算法

针对目前协同过滤普存的稀疏和冷启动问题,提出基于局部全局相似度的奇异值分解的协同过滤算法。基于局部和全局相似度对原始"用户-条目"打分矩阵进行预处理,利用奇异值分解的方法处理该预测矩阵,用预测的结果获得活跃用户的邻居,采用基于邻居的Pearson相关系数得到最终提供给用户的预测值。在公共数据集MovieLens100K上的实验结果表明,该算法能提高推荐精准度,一定程度上缓解稀疏和冷启动问题。

基于全局相似度的在线资源个性化推荐算法研究

为了提高个性化推荐的准确度,提出一种基于全局相似度的在线资源个性化推荐算法.首先分别基于用户和在线资源对其各自相似性进行计算,运用K-means聚类方法根据对用户偏好和在线资源属性及评分的相似性计算结果对其进行划簇,实现用户与在线资源聚类划分,以此实现精准的个性化在线资源推送.实验结果显示,本文方法推荐的最小平均绝对误差为0.77,查准率随着数据覆盖率的增加可达到60%以上,推荐耗时基本稳定在20 s以内.在推荐准确度、查全率以及效率方面均有良好表现.

基于局部连续性与全局相似性的光谱保持型亚像元映射

遥感图像的像元级分类精度受混合像元的影响.亚像元映射以像元分解获得的丰度值为基础,在地物分布规律的约束下,细化估计各类地物的亚像元级分布模式.本文同时考虑了地物分布的空间与光谱信息,提出了一种基于局部连续性与全局相似性的光谱保持型亚像元映射算法.针对地物的空间分布特性,提出了利用类内离散度对局部连续性进行建模,并通过相似分布像元表示误差引入全局相似性约束项.针对地物的光谱特性,采用最小化光谱误差约束了亚像元映射过程中的光谱无失真性.模拟数据与真实数据上的实验结果表明,本文算法比其他同类算法具有更高的估计精度,且更适合于实际应用.

基于全局相似度的社交网络个性化推荐算法

针对经典社交网络推荐算法忽略项目相似度信息的问题,提出一种改进的社交网络个性化推荐算法。挖掘项目之间的全局项目相似度信息,分析社交网络用户之间信任值的可靠度,并将两者融合在一种模型中,实现对用户的个性化推荐。在Filmtrust数据集与Ciao数据集上的实验结果表明,与PMF、SocialMF和SoRec算法相比,该算法能够提高推荐准确性,降低在冷启动问题上的推荐误差。

基于全局相似性约束的多视点图像拼接

针对在大视差场景下进行图像拼接时容易出现的扭曲、失真、重影等现象,提出了一种基于全局相似性约束的多视点图像拼接算法。在传统细分网格模型的基础上,添加一个先验的全局相似约束项,对待拼接图像在整体上进行相似性转化,同时分别选取视角不同、亮度不同、复杂场景的三组图像,与已有算法的拼接效果进行对比,并采用质量评价方法对图像进行客观评价。结果表明:提出的方法在拼接效果上可以有效降低已有方法对大视差图像拼接时产生的扭曲和重影,且质量评价提高了10%以上;由于对图像的视角及场景深度无严格要求,因而具有良好的适应性,能够更自然地拼接大视差图像。

基于全局空间相似性的模糊聚类算法

用传统模糊c均值聚类算法分割图像时,类内数据空间分布离散.针对这一问题,提出一种基于全局空间相似性模糊聚类算法.算法建立全局空间相似性度量标准和全局灰度相似性度量标准,分别计算图像中任意一点与聚类中心点的空间相似性和灰度相似性;通过调整参数来控制两种特征在节点间差异计算中所占的比重,增强了分割结果中类内数据样本空间分布的连续性.分别对3类具有不同特征的图像进行仿真实验,结果表明,与传统FCM算法相比,本文算法分割结果更加精确,更能满足用户的实际需要.

一种结合全局和局部相似性的小样本分割方法

针对小样本分割中如何提取支持图像和查询图像共性信息的问题,提出一种新的小样本分割模型,同时结合了全局相似性和局部相似性,实现了更具泛化能力的小样本分割。具体地,根据支持图像和查询图像全局特征和局部特征之间的相似性,提出了一种新型注意力谱生成器,进而实现查询图像的注意力谱生成和区域分割。所提注意力谱生成器包含2个级联模块:全局引导器和局部引导器。在全局引导器中,提出了一种新的基于指数函数的全局相似性度量,对查询图像特征和支持图像的全局特征进行关系建模,输出前景增强的查询图像特征。在局部引导器中,通过引入局部关系矩阵对支持图像特征和查询图像特征之间的局部相似性进行建模,得到与类别无关的注意力谱。在Pascal-5i数据集上做了大量的实验,在1-shot设定下mIoU达到了59.9%,5-shot设定下mIoU达到了61.9%,均优于现有方法。

顾及多特征的多尺度道路网相似性计算模型

针对现有的多尺度道路网相似性计算方法对道路网特征顾及不足的问题,提出了一种顾及全局轮廓和局部细节的多特征多尺度道路网空间相似性计算模型。该模型首先提取道路网的全局轮廓边界,通过傅里叶描述子计算出轮廓边的形状相似性,以此来度量多尺度道路网的全局相似性;其次,将能够反映局部密度特征的道路网眼引入到局部相似性计算中,分别求取网眼之间的拓扑相似度和几何相似度,二者结合计算多尺度道路网的局部相似性;最后,进行全局特征和局部特征的相似性归一化,对多尺度道路网目标相似性进行整体度量。实验结果表明,该模型计算结果与实际地物特征变化程度保持了较高的一致性,比较符合人类认知。

基于项目聚类的全局最近邻的协同过滤算法

用户评分数据极端稀疏的情况下,传统相似性度量方法存在弊端,导致推荐系统的推荐质量急剧下降。针对此问题,提出了一种基于项目聚类的全局最近邻的协同过滤算法。该算法根据项目之间的相似性进行聚类,使得相似性较高的项目聚成一类,在项目聚类集的基础上,计算用户的局部相似度,使用一种新的最近邻用户全局相似度作为衡量用户间相似性的标准;其次,给出了一种利用重叠度因子来调节局部相似度的方法,以更准确地刻画用户之间的相似性。实验结果表明,该算法可以提升预测结果的准确性,提高推荐质量,特别是在数据较为稀疏时,改善尤为明显。

三次B样条曲线曲面相似特征的研究

分析了曲线曲面形状和位置特征要素 ,对曲线与曲面的相似特征进行了定义 ,对平面、曲面和曲线的相似特征给出了统一的表达式 .提出了相似率的概念 ,用以描述局部和全局的相似特征 。

基于全局最优变换矩阵的图像拼接方法

针对目前图像拼接在重叠区域出现重影、误对齐,非重叠区域的透视失真问题,提出了最优单应性矩阵的视差图像的图像拼接算法。首先根据待拼接图像的特征点分布和匹配点的对齐误差获得最佳全局单应性矩阵;再利用RANSAC算法计算全局最优相似变换矩阵,并结合最优单应性矩阵获得输入图像的形变图像;最后利用最佳拼接缝搜索算法获取最优拼接缝,加权融合图像;实验表明:基于最优矩阵的拼接算法有效避免穿过重叠区域的重要目标,减缓非重叠区域的透视失真,拼接效果更加自然真实。

基于全局视觉优化的视频目标检测算法

提出一种基于全局视觉优化的视频目标检测算法,在原有流引导特征聚合算法(FGFA)基础上,更关注寻找检测精度与运行时间之间的折衷策略。首先利用全局视觉优化的思想,使用感知哈希算法在多帧特征聚合前进行帧段两端的全局视觉相似度计算,判断当前帧段的时序信息相关性;其次使用连续帧作为输入,进一步利用视频的时序信息,将相邻帧在运动路径上的特征聚合到当前帧的特征中,进而对视频特征有更好的表达。ILSVRC实验表明,经过全局视觉优化的预处理后,该算法较原本算法在视频中进行目标检测的准确率和速度均得到一定提升。

案例推理技术在环境群体性事件应急决策中的应用研究

将案例推理技术引入到环境群体性事件的应急决策中,在分析了环境群体性事件案例特征的基础上,设计了基于概念树—本体模型—事件元模型三层架构的环境群体性事件案例的通用描述与存储模式;在检索算法上,为了克服传统最近相邻算法中属性值缺失的问题,提出了结构相似度的概念,并根据这一概念提出全局相似度算法;最后开发了基于案例推理技术的环境群体性事件应急辅助决策模型的原型系统,并通过实例验证了该模型的实用性。

基于案例推理的铁路枢纽站应急预案管理

针对铁路枢纽站在应急决策方面存在的不足,提出一种新的基于案例推理方法的应急预案管理模型。以XML技术进行案例表示和建立案例库,给出应急预案的分类管理方法,构建案例特征属性的层次结构。采用层次分析法确定紧急事件预案特征属性的权重,运用全局相似度算法对已有应急案例进行检索与匹配。实例证明该方法能有效提高枢纽站应急决策效率,实现预案管理的信息化和智能化。

基于直线间结构信息的立体视觉图像动态匹配方法

针对立体视觉匹配问题,介绍一种改进的动态规划图像匹配方法,它将边缘直线相似测度分为局部相似测度和全局相似测度,在后者中加入图像边缘直线之间的结构关系信息,并在动态搜索最优匹配路径的过程中利用结构关系约束删除不合理的匹配路径。仿真实验结果证明,采用该方法解决立体视觉中边缘线段的匹配问题,不仅提高了匹配的准确率,而且大大减少了匹配时间。

基于最近邻用户动态重排序的协同过滤方法

在传统协同推荐方法中,相似性的度量是整个方法的核心.在数据稀疏情况下,现有相似度计算方法仅使用历史评分数据,难以准确反映用户之间的相似程度;相关改进方法在考虑用户共同评分数量对相似度的影响时,引入的重叠度参数需要手动调整,限制了方法实用性.针对上述问题,本文提出一种基于最近邻用户重排序(DRNN)的相似度方法,充分利用项目类别信息,根据不同的目标项目动态调整邻居集内用户权重,能更准确地刻画用户之间的相似性;并提出修正的重叠度因子弥补现有方法中手动调整参数的不足,增强了方法实用性.实验结果表明,该方法可以明显提升预测结果的准确性.

基于全局自相似描述子的电塔检测

针对电塔图像中重复出现的纹理特征运用全局自相似描述子进行特征描述,进而准确检测巡检图像中的电塔.从巡检图像处理中的实际问题出发,全面分析了自相似描述子的特性,并结合全局自相似描述子的内在机理,分析了选择全局自相似描述子作为电塔特征刻画工具的原因.最后,以各类包含电塔的图像为样本,通过实验验证了全局自相似描述子的准确、高效以及空间复杂度低的优点.

网格形变细分的大视差图像拼接算法

针对大视差图像拼接后重叠区域出现重影、非重叠区域发生透视失真等问题,提出一种改进的大视差图像拼接算法。利用尽可能投影算法(APAP)建立低密度网格形变,根据待拼接图像成对匹配点的分布对重叠区域内的网格形变进行细分。通过随机采样一致性算法计算全局最优相似矩阵,校正非重叠区域发生的透视失真现象。将全局最优相似矩阵与网格单应矩阵加权叠加,实现目标图像形变。在此基础上,对目标图像重叠区域进行内容感知,保留重要度较低的区域并完成拼接,以避免重叠区域出现重影问题。实验结果表明,相对APAP、SPHP等算法,该算法的拼接效果更能还原真实场景,且拼接图像的均方根误差值较低。