基于差空间的双向2DPCA和SVM人脸识别算法

为降低SVM人脸识别算法对样本进行训练和识别的时间,提出了一种改进的基于差空间的双向2DPCA(Bidirectional two dimensions PCA)和SVM相结合的人脸识别算法。该方法充分考虑了表情和光照对人脸图像的影响,不但利用小波变换对人脸图像进行预处理,而且成功地把类内平均引入到双向2DPCA的计算中,并结合了SVM在分类识别方面的优势,有效节省了算法所需的时间。在Yale人脸库上的实验表明,它不但可以提高识别率,而且所用时间明显减少。

基于双向2DPCA和SVM的胃粘膜肿瘤细胞识别

针对胃粘膜肿瘤细胞图像的高维性、不规则性及复杂性特征,提出基于双向2DPCA(二维主成分分析)和SVM(支持向量机)的肿瘤细胞识别方法。双向2DPCA同时对图像行、列方向进行特征提取运算,大大降低图像特征维数。结合基于统计理论的SVM在分类识别方面的优势,通过引入核函数巧妙地解决非线性问题,从而快速有效地实现细胞分类。实验表明该方法不但有效提高了识别率,而且算法时间明显减少。

基于双向2DPCA与SVM的木材死节缺陷图像分割算法

针对木材的死节缺陷,提出了一种双向2DPCA(二维主成分分析法)与SVM(支持向量机法)的木材缺陷图像分割算法。首先将RGB彩图灰度化,并将其灰度图分解成互不重叠的子块,然后采用双向2DPCA分别对子块的行、列方向进行特征提取,实现子块的维数约减,最后将约减后的子块矩阵变换成行向量,利用SVM对图像表面死节和背景的行向量进行训练和测试,获取死节缺陷。试验结果表明,该算法目标定位能力强,能很好地实现木材缺陷图像分割,SD、Dice、ER、NR指标分别为86. 43%、92. 72%、15. 32%、0. 33%。

基于双向2DPCA算法的高分五号卫星图像降维研究

对高光谱图像降维历来是遥感数据处理研究热点之一,而将双向2DPCA算法用于高光谱图像降维的研究却见刊极少。另外,目前对高分五号卫星图像的研究也相对较少。针对此现状,文章基于双向2DPCA算法,对高分五号卫星图像进行了降维研究,该算法能够从行和列两个方向对遥感图像进行二维主成分分析,并提取有效主成分,以达到双向降维的目的。从主成分尺寸、图像压缩率、峰值信噪比以及重构图像等指标对2DPCA算法与双向2DPCA算法进行了对比实验和数据分析。实验结果表明,在以上四个图像降维指标的表现上,双向2DPCA算法都能比2DPCA算法获得更好的降维数据,由此得出结论,双向2DPCA算法对高分五号卫星图像具有良好的降维效果。

基于分块双向2DPCA及ResNet的景象区域适配性分析

基准图的适配性是影响景象匹配辅助导航系统性能的重要因素,通过景象区域适配性分析可以筛选出匹配性能较高的基准图进而保证导航系统的精度和可靠性。本文提出了基于分块双向2DPCA及ResNet的适配性分析方法:通过分块双向2DPCA提取图像的局部降维信息,再将图像的局部降维信息输入ResNet并训练神经网络得到适配性评估模型。实验结果表明该方法在图像适配性的预测方面表现优异。

基于改进的2DPCA对近红外人脸图像的识别方法

基于二维主成分分析(two-dimensional principal component analysis,2DPCA)算法与近红外人脸识别方法,提出一种双向2DPCA算法和双向对称2DPCA算法,得到了识别率更高的人脸识别方法,解决了环境光照对人脸识别的影响.

基于S变换和双向二维主成分分析的局部放电模式识别

为对不同类型局部放电信号进行识别,笔者提出一种新的特征提取方法。首先,制作了4种典型的局部放电人工缺陷模型,并通过S变换对采集的局部放电UHF信号进行时频分析;然后,采用双向二维主成分分析(2DPCA)对S变换幅值矩阵进行压缩以提取特征;最后,引入基于粒子群算法优化参数的支持向量机对样本特征集进行模式识别。识别结果表明:4种特征维数组合中,(10,5)组合的平均识别率最高,(5,5)组合最低;粒子群优化算法的引入大幅提高了支持向量机的分类性能,平均识别率均在94.43%以上,最高可达到97.67%。由此可见,经过S变换和双向2DPCA提取的特征集在维数显著约减的同时,保留了原始数据大部分信息量,能够获得较为理想的分类识别率。

基于稀疏自适应S变换的变压器短路冲击绕组状态声信号检测

针对变压器遭受短路冲击时的声信号,该文提出一种基于稀疏自适应S变换的变压器绕组状态检测方法。首先依据变压器短路冲击声信号的幅值谱确定了稀疏自适应S变换的窗函数,然后采用双向2维主成分分析对声信号时频特征矩阵进行了降维处理,据此定义了特征能量变化率来评判变压器的绕组状态。对某220kV变压器短路冲击声信号的计算结果表明:基于稀疏自适应S变换得到的声信号优化时频域特征具有分辨率高、能量聚集性强的优点,所定义的特征指标能有效反映变压器绕组状态变化。研究结果可为变压器短路冲击绕组状态检测提供重要依据。