结合最近邻图模型的稀疏ISAR成像方法

逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)稀疏成像方法可提供图像对比度高、旁瓣干扰少的成像结果 .稀疏成像以场景或目标散射率分布具有稀疏性为前提,待成像目标场景的稀疏特性决定了最终成像质量. ISAR目标场景的自然稀疏特性着重刻画点状特征,变换域稀疏表示可增强目标图像的纹理等通用特征.通过学习获得的稀疏变换字典,可自适应于待成像的ISAR目标场景,找到面向ISAR目标图像块的特有稀疏表示.但是,图像块的特有稀疏表示中忽略了待成像目标场景中目标的几何特征信息.最近邻图模型可建立给定数据的几何特征描述算子,刻画出给定数据的几何特征信息.本文利用最近邻图模型来刻画待成像目标场景中目标的几何特征信息,并映射到待成像目标场景的特有稀疏表示中;提出结合最近邻图模型的ISAR稀疏成像方法,用于不同类别实测ISAR数据成像.相比已有的ISAR稀疏成像方法,所提成像方法可获得目标轮廓更清晰的成像结果,成像所需时间平均减少10.4%.

基于k-最近邻图的小样本KNN分类算法

提出一种基于k-最近邻图的小样本KNN分类算法。通过划分k-最近邻图,形成多个相似度较高的簇,根据簇内已有标记的数据对象来标识同簇中未标记的数据对象,同时剔除原样本集中的噪声数据,从而扩展样本集,利用该新样本集对类标号未知数据对象进行类别标识。采用标准数据集进行测试,结果表明该算法在小样本情况下能够提高KNN的分类精度,减小最近邻阈值k对分类效果的影响。

遥感影像K-最近邻图目标分类改进算法的研究

针对高分辨率遥感影像数据中典型目标的判别,提出基于K-最近邻图KNN改进算法的深度学习模型。该模型采用深度学习方法研究目标的属性,充分利用数据之间的关联,建立抗变换性的目标特征,可提高目标判别的准确度。高分辨遥感影像目标检测实验表明该方法的有效性。

一种近似的K最近邻图算法

针对K最近邻(KNN)图方法在数据挖掘和机器学习方面的问题,文中提出一种高效的基于K最近邻图的近似算法.首先随机生成一个KNN图近似值;对空间进行随意层次划分,构建一个近似近邻图,然后与KNN图近似值合并生成一个更准确的图;最后对生成的更准确的图进行近邻传播,进一步提高准确度.通过采用各种真实数据集和高维度合成数据进行实验研究,证实文中提出的算法性能优于先进的KNN图构造方法.

基于超像素和最近邻图合并的彩色图像分割

针对传统的分水岭算法在分割图像时存在过分割的问题,提出了一种基于多尺度形态学梯度重建与最近邻图合并准则的分水岭图像分割方法.该方法首先使用基于标记符控制的多尺度形态学梯度重建进行图像预处理,消除冗余的区域极值和噪声;然后通过构建最近邻图合并准则进一步对分水岭变换产生的超像素区域进行合并,提高了对目标特征的描述能力,使得算法在分割前景目标的同时也能获得背景目标的特征信息.实验结果表明,该方法能够较好地将相似的区域进行合并,与传统分水岭分割方法相比,可以有效弱化过分割问题,大幅提升目标的分割精度.

基于邻居聚类的近似最近邻搜索

本文提出了一种新的基于图的方法,用于对高维特征向量的数据集进行近似最近邻搜索(ANNS)。大多数基于图的方法着重于提高图的构造质量,而本文的工作着重于图搜索的性能。基于近似k近邻(k NN)图来展示实验结果,并且存在许多用于构建近似k NN图的现有方法,例如NN下降、KGraph或Faiss。本文在图的构建阶段,首先初始化一个近似的k NN图,然后利用K-means聚类算法将邻居聚类;在查询阶段,使用贪婪搜索算法,遍历图并尝试贪婪地到达查询。为了提高查询性能,仅通过聚类信息比较其中一部分邻居,在实验中展示了如何降低查询成本和提高查询精度。

基于边缘概率的层次交互式图像分割算法

在基于区域合并的分割算法中,超像素分割算法过分割现象严重,不利于后续区域合并操作。文章提出了一种新颖的基于边缘概率的层次交互式图像分割算法。首先,利用一种性能优异的边缘检测算子(structured edge,SE)作为输入,得到边缘概率图,并作用于超像素分割算法进行超像素的提纯,相比于原始的超像素分割算法,该方法产生的超像素数量较少;其次,选用归一化的颜色直方图对超像素进行特征描述;最后,采用区域邻接图(region adjacency graph,RAG)和最近邻图(nearest neighbor graph,NNG)实现快速、高效的层次区域合并。仿真实验结果表明,该文方法的鲁棒性、分割质量更具有优势。

一种新的基于网格编码和区域合并的SAR图像快速分割算法

该文建立一种新的基于八邻域网格编码的SAR图像分割模型,并用区域合并技术实现了模型的快速求解。利用多方向比例边缘检测算子提取SAR图像的比例边缘强度映射(RESM),提出一种新的阈值处理方法抑制RESM均质区域内部的极小值,进而减少了对阈值处理后的RESM进行分水岭变换获得的初始分割的区域个数。递归地合并相邻区域来求取分割模型的次优解。利用区域邻接图(RAG)及其最近邻图(NNG)特性来加速区域合并过程。引入精确度(P)和召回率(R)来评价分割算法的边缘定位精度。与常用方法相比,该文方法具有高的边缘定位精度和低的时间复杂度。

基于面积比不变量的遥感图像配准算法

为提高遥感图像配准性能和效率,提出一种基于面积比不变量的遥感图像配准算法,目的是利用面积比这一邻域约束快速去除错误匹配。为表征匹配的邻域结构,对每个初始匹配构建中值K最近邻(KNN)图,在中值KNN图中计算面积比不变量作为邻域结构的表示。由于错误匹配会打破邻域结构的相似性,其邻域结构之间的误差较大,可设置阈值将其移除。该算法最大的优点是不需要迭代便可以得到较为精确的特征匹配。实验结果表明,该算法具有较好的匹配效果和较快的处理速度,能够较好地实现遥感图像的自动配准。

一种垃圾邮件快速识别方法

k最近邻分类算法原理简单且分类性能好,但因其时间复杂度高,不适用于实际领域在线垃圾邮件过滤.本文在建模阶段首先对训练邮件进行初始聚类,将训练邮件划分为半径大小几乎相同的初始簇,然后使用共享最近邻图聚类算法对包含邮件的初始簇进行再聚类,最终聚类簇被看成是可以增量更新的分类模型,最后使用经典k最近邻分类算法在该分类模型上对未知邮件进行分类.在公开语料Ling-Spam上的实验结果表明,本文提出的垃圾邮件识别算法不仅具有较高的垃圾邮件识别精度,而且还具有较低的时间复杂度.