分块加权主成分分析法

采用分块的方法,提出了分块加权主成分分析法,并运用于江西省软科学研究计划项目中,有效地解决了综合评价中主成份法的逆序问题。

视觉特征的分块加权图像检索方法

对图像检索进行了研究,提出了一种新的分块加权图像检索方法。根据视觉注意机制将图像分成不均匀的若干块以及设置不同的权值,提取每块的视觉特征。首先在HSV颜色空间利用Sobel算子得到图像的边缘信息,计算颜色和边缘方向的色差直方图,同时定义一种结合颜色和边缘方向的结构来获取图像的纹理信息,并用直方图表示;然后连接每个块的直方图作为图像的特征向量进行图像检索。实验选取Corel标准图像库进行检索以及和另外5种图像检索方法进行对比分析,实验结果表明该方法具有较高的检索精确度。

基于人眼感知度的分块加权图像检索

提出了一种基于人眼感知度的图像检索算法。该算法首先由像素的人眼感知度的计算得到各分块的权值,然后对分块的LBP纹理直方图和HSV颜色直方图进行加权处理,综合纹理和颜色特征进行图像检索。实验结果表明,该算法结合了局部图像的相关性,利用了纹理和颜色特征的互补能力,检索结果符合用户所需并具有较好的查准率和查全率。

MEPG-7分块加权主颜色及相关反馈的图像检索方法

针对MEPG-7主颜色描述符(DCD)无法反映色彩分布的空间信息这一缺陷,采用分块加权主颜色,并在分块加权主颜色的基础上,提出了相应的反馈方法。该反馈方法块间采用基于权重调整的关联反馈算法,块内采用调整主颜色特征值的方法。实验结果表明,该方法较好地解决了主颜色空间分布信息导致的误判,并且加入了相关反馈算法,提高了检索精度。

基于无向分块加权图的无模式实体识别方法研究

当前利用分块进行实体识别的方案,忽略分块键权重和分块键的歧义,导致精确度较低。提出一个基于无向加权图的无模式实体识别方法,抽取数据源中的分量,利用分量信息熵和TF-IDF方法组合求取聚类分量,建立统一分块方案。通过聚类分量权重与分块键的关系,赋予每组分块键一定的权重,将该权重与边的共现频次进行相乘加权形成无向分块加权图,最后通过修剪方案进行边的修剪,从而解决了数据多分量及分块键歧义问题,提高了精确度。在七个真实数据集上的实验证明了该方法的有效性和可扩展性。

服装检索中分块加权颜色直方图方法的改进

分块加权颜色直方图算法应用于服装检索时效果并不理想。针对存在的问题,对传统算法进行改进。首先采用3×3不均匀分块方式,通过大量实验获取了最佳分块大小和加权权重比。其次,结合Grabcut图像分割算法,提出了一种基于Grabcut图像分割的前景色分块加权颜色直方图算法。对纯色、带少量图案和花色这三类服装,分简单和复杂背景两种情况,分别进行实验。实验结果表明,相比两种传统算法,改进算法很好的解决了服装背景色干扰的问题。对于三类服装的检索,改进算法的查准率和查全率均比另两种传统算法有了显著提高。尤其是对于复杂背景的情况,改进算法的优势更加明显。

基于分块加权的LBP算法在人脸识别中的应用

目前,高智能化的人脸识别系统一般都是基于PC平台,系统复杂集成度高,需要优异的软硬件支持。嵌入式技术的应用,有利于提高人脸识别系统的灵活性与有效性。本文针对传统的人脸识别算法提出一种改进的LBP算法用于人脸识别。实验结果表明:该算法在ORL、Yale及自建的人脸库上也能进行人脸识别。

基于分块加权LBP技术的人脸识别算法

人脸识别属于生理特征识别,是基于人的脸部特征信息进行身份识别的生物识别技术,是我国人工智能技术领域的首个成熟技术。LBP(Local Binary Patterns)算法,又称局部二值模式算法,是一种灰度范围内的纹理描述方式。传统LBP算子提取的特征信息只能体现局部的人脸信息,不能完整表达全部人脸信息。在基本LBP算法的基础上提出基于分块加权LBP技术的人脸识别算法,将人脸分为5×3子分块,根据人脸五官在人脸识别中的不同贡献度赋予不同的权重提取人脸信息特征。通过在ORL和YALE两种人脸数据库中训练不同样本数,比较传统LBP方法、5×3分块LBP方法和5×3分块加权LBP方法的人脸识别准确率,实验证明分块加权LBP技术在人脸识别中可以有效提高识别准确率。

基于均方差度量分块的自动加权稀疏表示算法

人脸重要特征部位所在分块应具有更大的分类表决权,而传统图像分块算法往往忽略该问题。为此,提出一种自动加权稀疏表示算法。通过引入一个带重叠的滑动窗口计算分块像素点的均方差,并给出自动加权策略,对每个分块在最终分类中的权重进行度量。在公共数据集上的实验结果表明,与常用的分类算法及分块算法相比,该算法无论是在对最小残差法还是投票法进行加权时,均能提高识别准确率。

一种加权的分块邻域保持嵌入人脸识别算法

在人脸识别中,传统的子空间识别算法将整幅人脸图像作为输入模式。但是,当人脸图像的光照、姿态和表情变化较大时,仅考虑图像的全局特征,识别的效果不够理想。为此,论文提出一种加权的分块邻域保持嵌入人脸识别算法。算法先对人脸图像进行分块,对分块得到的子图像利用邻域保持嵌入算法分别提取特征信息,并利用Geman-Mc Clure函数和类标信息计算各分块子图像的权重。该算法能够增强分类效果,对表情、光照、姿势等变化具有鲁棒性,在ORL和Yale人脸数据库上对论文的提出的算法进行了验证。

基于加权分块稀疏表示的光照鲁棒性人脸识别

针对光照变化对人脸识别的效果带来严重影响,提出一种对人脸识别的光照变化具有鲁棒性的方法,即基于加权分块稀疏表示的人脸识别方法。该方法首先对人脸图像进行离散余弦变换(DCT),通过去除DCT系数的低频部分来移除光照变化分量。通过反离散余弦变换得到光照归一化后的人脸图像,将人脸图像分块,独立地对每个子块作基于稀疏表示的分类,并对每个子块的分类结果进行加权投票得出测试人脸图像的类别。在Yale B、extended-Yale B、CMU-PIE和FERET人脸库上进行实验,实验结果表明该方法适用于光照鲁棒的人脸识别。

一种基于类间类内双权重图像分块PCA的人脸识别技术

提出一种将加权分块图像和主成分分析(PCA)相结合的人脸识别方法.该方法首先根据同类训练样本的平均图像与所有训练样本平均图像的距离以及类内训练样本图像与该类平均图像的距离,分别定义类间和类内图像加权函数,以获得每个训练样本图像的权重;然后将训练样本图像分块,构建所有同位置加权分块图像空间;接着基于新的样本空间对所有同位置图像分别采用PCA方法提取特征;最后用最近邻分类器实现模式分类.实验结果显示该方法较普通MPCA方法有效提高了识别率.

用加权MP逆的定义方程推导[A,B]_(MN)^+的显式

利用加权Moore Penrose逆A+ MN的定义方程A MAX =A M ,R(X) N- 1 R(A )简捷地导出了 [A ,B] + MN的显式 。

变化字典学习与显著特征提取的单样本人脸识别

针对单样本问题,基于不同的人脸区域在识别过程中的重要性不同这一事实,提出将能显著区分其它类的人脸区域作为提取的显著特征,并视为有较大区分度的块,剩下的区域视为普通块;再根据不同组中每块的稀疏表示重构残差给予不同的权重,以抑制普通块的影响同时保持有区分度的块的作用.为了减小人脸之间未对齐的影响,将每块训练图像对应的8邻域增加到训练集中,以实现样本的扩充;同时提出新的类内变化字典学习方法,学习得到共享的类内变化字典,以减小测试人脸未知变化的影响.文章的方法可以有效减小人脸局部信息缺失造成的影响,使得在AR、Extended Yale B、CMU-PIE人脸库上的表现超过其它单样本识别相关的方法,取得了最好的识别效果.

基于EI优化权值的多聚焦图像融合方法

针对图像融合空间域方法中权值确定的问题,提出了一种基于图像融合客观评价准则中的边缘信息E(IEdge Information)的优化权值方法,通过寻找最优权值使得融合图像的EI最大,从而获得最好的融合效果。该方法采用适应度函数为EI的遗传算法实现,并且结合分块加权融合方法融合多聚焦图像,得到最优融合结果。实验结果表明,该方法有良好的融合效果且优于传统的融合方法。

一种利用IMSI检测和人脸识别的手机防盗追踪系统研究

针对手机被盗带来的隐私数据泄露问题,提出了一种利用IMSI(international mobile subscriber identification number)检测和人脸识别的手机防盗追踪系统。针对IMSI检测,给出了一种分层—二分查找的查找方法,并在手机用户数据库上进行了多组对比实验,结果表明该方法具有较高的查找效率。针对人脸识别,提出了一种基于Gabor二值模式和分块加权的单样本人脸识别算法,该算法在FERET人脸数据库上表现出良好的识别性能。通过该系统可以确定被盗手机的位置和非法用户身份信息,提高了找回手机的可能性。

多极化SAR图像的降斑研究

对于多极化SAR图像 ,可以利用其同极化和交叉极化图像的相关性来进行降斑处理 .本文对常用的几种基于多极化SAR图像的降斑方法进行了分析 ,重点研究了最优加权法 (theoptimalweightingalgorithm) ,在其基础上改进提出了分块加权法 ,取得了明显的降斑效果 ,并较大地减少了运算量 .

基于LBP和SVM的疼痛表情识别

对面部疼痛表情估计是疼痛评估中一条有效的途径,文中融合局部二元模式(LBP)分块加权和多尺度分区的特征提取方法用于面部疼痛表情识别.首先对预处理的图像在分块提取直方图后进行加权,然后采用多尺度分区直方图统计特征提取方法,串接不同尺寸分区块的直方图并级联分块加权的直方图为整个图像的特征向量,最后用主成分分析(PCA)的方法对特征向量进行降维后,输入支持向量机(SVM)进行分类识别,通过在自建的疼痛表情图像数据库进行实验,表明与传统的特征提取和融合前的特征提取方法相比,该方法能大大提高对疼痛表情的识别率,为目前对疼痛表情的识别与研究提供了一条有效的途径.

WBRPLSR方法及其在化工软测量中的应用

及时测定化工过程变量, 对确保生产过程稳定、有效控制产品质量具有重要意义. 基于实时样本数据,采用偏最小二乘方法, 以分块递归的方式, 为过程变量建立软测量模型. 在分析时序数据特性的基础上, 引入加权策略, 并提出选定相关参数的方法步骤, 推导构建了加权分块递归偏最小二乘回归方法 (WBRPLSR). 将该法实际应用于某公司PTA装置溶剂脱水塔, 为塔釡排出液 H2O含量建立软测量模型, 效果良好. 与已有方法相比, 它提高了建模效率, 改进了预测性能.

CBVR中一种镜头边缘检测算法

镜头边缘检测是实现CBVR的一个重要的步骤.提出了忽略分块极大值的加权直方图的方法,并结合此概念及现有算法分别提出一种改进的窗口法来检测突变和一种改进的基于非相邻帧差法来检测渐变,更加精确地实现了镜头的分割以及对镜头边界点的定位.实验结果表明该算法行之有效.