基于SAE与底层视觉特征融合的无人机目标识别算法

无人机在复杂战场环境下，因敌方无人机外形、颜色等特征较为相似，现有基于底层视觉特征无法快速地对其进而准确的识别，从而造成误检测甚至误打击等事件的发生。针对这一问题，文中提出基于稀疏自动编码器融合底层视觉特征的算法，对无人机目标对象进行识别。算法首先利用底层视觉特征描述子（GIST、LBP）以及稀疏自动编码器（Sparse Auto—Encoder，SAE）提取目标对象的底层视觉特征和高层视觉特征；然后，采用主成分分析（PAC）法对全局特征进行降维融合；最后，将全局特征响应送入softmax回归模型完成无人机目标对象的分类。实验表明，与传统SAE算法及传统基于底层视觉特征描述子识别算法相比，新算法具有更高的准确性及鲁棒性。

基于SAE与底层视觉特征融合的无人机目标识别算法(英文)

无人机在复杂战场环境下,因敌方无人机外形、颜色等特征较为相似,现有基于底层视觉特征无法快速地对其进而准确的识别,从而造成误检测甚至误打击等事件的发生。针对这一问题,文中提出基于稀疏自动编码器融合底层视觉特征的算法,对无人机目标对象进行识别。算法首先利用底层视觉特征描述子(GIST、LBP)以及稀疏自动编码器(Sparse Auto-Encoder,SAE)提取目标对象的底层视觉特征和高层视觉特征;然后,采用主成分分析(PAC)法对全局特征进行降维融合;最后,将全局特征响应送入softmax回归模型完成无人机目标对象的分类。实验表明,与传统SAE算法及传统基于底层视觉特征描述子识别算法相比,新算法具有更高的准确性及鲁棒性。

从专利角度浅谈基于底层视觉特征的图像检索技术的发展

基于底层视觉特征的图像检索技术的关键技术在于特征提取,常用的图像特征包括:颜色特征、形状特征、纹理特征,故而涉及底层视觉特征的图像检索技术主要是基于颜色的图像检索、基于纹理的图像检索以及基于形状的图像检索三个技术分支。本文从三个技术分支的典型专利入手,分别对三个技术分支进行演进路线分析,得出各个分支的技术发展趋势。

基于视觉底层特征的图像增强方法

目的提出基于视觉底层特征对不同类型图像权重的图像增强方法。方法提取图像的视觉底层特征,如颜色、亮度、方向、纹理和边缘特征;加权融合成计算显著图;与眼动仪测得的眼动显著图进行相关系数比较,以确定各视觉底层特征的最佳权重。再根据权重的大小为不同类型的图像选择合适的图像增强方法。结果采用基于视觉底层特征的图像增强方法,其增强后的效果更符合人眼视觉感知。结论针对不同类型的图像需要充分考虑各视觉底层特征的权重大小,使其能真实反映视觉感兴趣区域,以达到提高图像增强后的视觉感知一致性。

弱监督学习下的视觉显著性目标检测算法

为模拟人类视觉对含有特定目标图像集中目标逐渐关注感知的行为,提出一种弱监督学习的视觉显著性目标检测算法。根据已有的视觉显著性方法获得图像的显著性区域;提取显著区域的底层视觉特征,训练获得视觉显著目标的表征;用条件随机场(conditional random fields,CRF)将学习到视觉显著目标表征进行联合学习,获得该表征在最后显著性中的权重;计算每次迭代显著图的ROC曲线,寻找视觉显著性目标最优表征及其在最后显著图中的最优权重。实验结果表明,该算法检测精度优于现有诸多算法,能够有效检测出视觉显著性目标。该算法模拟了人类视觉中对特定关注目标的感知过程,对不断重复出现的视觉显著性目标进行强化学习,具有较高的准确率。

基于MapReduce的高分辨率遥感影像特征提取方法

遥感影像的数量和数据量正在呈几何级数增长,传统遥感影像处理方法已经无法应对这一海量问题。利用新兴的高性能计算集群的超强计算、存储及吞吐能力处理海量高分辨率遥感影像是一种新的思路。在基于云计算的高分辨率遥感影像处理的研究框架下,介绍一种MapReduce遥感影像特征提取方法,实现海量高分辨率遥感影像的海量底层视觉特征的提取。通过在16个节点的Hadoop集群上进行数据量扩展和处理能力扩展实验,证明了基于MapReduce的高分辨率遥感影像底层视觉特征的高效检测与描述方法的高效率及可扩展性。

基于语义属性的人脸表情识别新方法

针对人脸表情底层视觉特征无法表达高层语义的问题,提出一种基于语义属性的人脸表情识别新方法.该方法利用表情语义属性这一中间人脸表情特征表示方法可在个别类别样本很少的情况下共享情感特征信息的特点,通过统计CK+库中人脸表情AU(Action Unit)编码建立表情语义属性与表情类别矩阵,然后采用SIFT(Scale-Invariant Feature Transform)底层视觉特征训练获得语义属性标注器,最后利用贝叶斯模型识别人脸表情.在CK+和BU-3DFE两个公开人脸表情数据库上的实验结果表明,与其它底层特征提取方法相比,该方法能有效提取表情特征信息并且把8种表情类别的平均识别率提高了4%.

路遥的新启蒙现实主义

路遥是一个典型的新启蒙现实主义作家,一个站在底层立场写作的人。他的视觉中充满了对底层人当下生存的温情,充满了对底层人未来发展的期望。他描写底层青年改变旧我,创造新我的奋斗历程,赞美他们追求改变的行为和决心。他把这些充满改变动力的底层青年,放到一个另类空间"城乡交叉地带",让他们在差异交往中形成另类思维,激发他们越界生存的冲动和行动,让他们在越界行动中做自己的英雄。路遥的作品启发所有的有志青年,在变革时代做自己的主,从而使自己的人生之路,从幼稚走向成熟。

基于小递归卷积神经网络的图像超分辨算法

针对现有软件实现超分辨算法通常过于复杂、运算开销大、模型复杂度高的问题,本文从成像过程中图像退化的物理原理出发,提出一套基于小递归卷积神经网络的单帧图像超分辨模型.将物理模型的约束融入到模型中,与现有的基于统计学习的图像超分辨算法相比,本文提出的模型的模型复杂度和计算量几乎可以忽略不计,同时内部的参数也有着更加明确的物理意义,并且引入了外部数据辅助对相应的模型参数进行学习.使用运行速度、峰值信噪比的数值方法对结果进行评价,结果表明:本文提出的算法消耗时间只有传统反向投影算法的75%,而精度比反向投影算法提高了0.2dB,比双线性插值提高了1.2dB.本文提出的算法可以取得比迭代反投影算法更快、重建精度更高的超分辨重建效果.

基于外观设计专利的多模态图像检索

为充分发挥外观设计专利数据不同模态特征的优点,提高检索准确率,提出一种融合文本特征与底层视觉特征的多模态图像检索算法。提出有效内容提取算法提取图像有效内容,对图像有效内容提取底层视觉特征,融合图像文本特征与视觉特征实现多模态检索。实验结果表明,对外观设计专利图像分别检索相似和同类图像时,该检索算法检索效果优于已有单模态检索方法。

基于层次分析法语义知识的人脸表情识别新方法

在目前的人脸表情识别系统中,人脸表情的机器识别和人类感知之间存在着本质的差异,造成人脸表情识别率不高。为了减小人脸图像底层视觉特征与高层语义之间的语义鸿沟,提出一种基于层次分析法(AHP)语义知识的人脸表情识别新方法。该方法首先采用层次分析法对训练集中人脸图像进行高层语义描述,建立语义特征向量,在底层视觉特征提取阶段,提出一种二阶PCA(principal component analysis)方法来提取人脸图像的纹理特征;在识别阶段,仅利用输入人脸图像的底层视觉特征,采用K-NN(k-nearest neighbor)算法并结合学习阶段建立的语义特征向量,进行人脸表情分类识别。提出的人脸表情识别方法结合底层视觉特征和高层语义知识,减小了人脸图像底层视觉特征与高层语义之间的语义鸿沟。在JAFFE人脸表情数据库中进行实验,获得了93.92%的平均识别率。理论分析和实验结果表明,与其他的人脸表情识别方法相比,该方法具有更好的识别效果。