改进随机子空间LDA结合多补丁集成学习的鲁棒人脸识别算法

针对化妆对人脸识别准确率的负面影响,提出了基于补丁集成学习的改进鲁棒人脸识别算法。将每张人脸图像嵌入补丁中,并用一组特征描述符描述每个补丁,即本地梯度Gabor模式(LGP)、Gabor空间定序定比测量直方图(HGSFRM)和密集采样局部多值模式(DSLMP)。使用改进的随机子空间线性判别分析(SRS-LDA)方法采样补丁,并在化妆之前与化妆之后图像之间建立多个公共子空间进行集成学习。利用协作和稀疏表示分类器比较这个子空间中的特征向量,同时通过求和规则联合得到分数。实验将提出的算法在多种化妆数据集上进行评估分析,结果表明提出的算法相比于其他专为妆后人脸识别设计的算法有更高的识别精度。

多层次特征和粒子群优化的场景分类

针对遥感图像的场景分类精度问题,提出多层次特征和粒子群算法优化分类器的场景分类算法。利用聚集局部描述符编码算法对尺度不变特征变换算法提取的局部特征编码,获得中层特征,通过卷积神经网络提取高层特征,将提取的特征作为支持向量机的输入数据,引入粒子群算法优化该分类器的参数,进行场景分类。在RSC11和WHU-RS19两个公开的遥感图像数据集上进行实验,分类精度分别达到95.28和97.20。将WHU-RS19数据集的结果与其它方法比较,精度有明显提高。实验结果表明,在分类时对分类器参数进行优化,分类效果更佳。

基于改进SIFT的无人机影像匹配方法

针对传统尺度不变特征变换(Scale-Invariant Feature Fransform,SIFT)算法在匹配无人机影像时错误率较高、运行速度慢等问题,提出了一种基于改进SIFT的无人机影像匹配方法。利用联合双边滤波对原始影像进行预处理,在滤除噪声的同时保留边缘信息;将二进制描述算法强化描述符(Boosted Efficient Binary Local Image Descriptor,BEBLID)与改进SIFT算法相结合,通过基于机器学习的采样模型对特征点构造具有强描述性的二进制描述子,在提升匹配正确率的同时加快匹配速度;使用Vicinity-KNN算法进行特征点粗匹配,结合自适应局部仿射匹配算法对匹配的特征点进一步提纯。为了验证该方法的有效性,将ORB、SIFT、ISIFT、IKAZE算法与所提方法进行对比实验,结果表明,该方法在匹配时间和精度方面均具有很好的性能,为影像高质量匹配提供了技术基础。