基于卷积神经网络的无人机遥感测绘图像特征提取方法

在地质勘探学领域,无人机遥感技术已成为获取地表数据的重要手段,而卷积神经网络(CNN)因其出色的图像处理能力被广泛应用于图像特征提取。文中介绍了一种基于卷积神经网络的无人机遥感测绘图像特征提取方法,分析了CNN的基本概念与结构、无人机遥感图像的特征类型、网络结构设计、数据预处理、特征提取及特征融合过程,旨在提高地质勘探中无人机遥感图像分析的自动化和准确性。

基于图像特征提取的煤浆灰分预测模型改进设计

针对煤浆灰分测量难度大、预测精度低的问题,提出了一种基于图像特征提取的煤浆灰分预测模型的改进设计方案。该方法分别从图像灰度均值、方差、能量等六个指标中提取煤浆的特征向量;分析BP神经网络预测模型的流程,引入高斯函数改进该模型,构建径向基神经网络,将特征向量作为网络输入参量,经过初始化、输出值运算和误差修正等过程,获得最终预测输出矩阵,完成预测模型的改进设计。仿真实验结果表明,改进模型的灰分预测结果与实际结果更接近,其误差更小。

增强型局部二值模式及其图像纹理特征提取

局部二值模式(Local binary pattern, LBP)是一种非常有效的图像纹理描述算子。为了提取更丰富的人脸特征,提出了局部二值模式和环式二值模式(Ring Local binary pattern, RLBP)特征融合的增强局部二值模式算法。先用LBP算法对图像进行特征提取并转化为特征向量,再将其与使用RLBP算法生成的特征向量相融合。最后使用直方图交叉距离计算特征向量的相似度得到在数据集中的识别率。实验数据集选用ORL、ExtendYaleB人脸数据库以及掌纹数据库,实验结果表明,相对于LBP算法和其它融合算法提取到的图像特征而言,融合算法提取的特征更具有鉴别力,获得了更高的识别率。另外还在不同的噪声环境下进行了相关实验分析,证明了所提融合算法对噪声更具有鲁棒性。

基于特征值的图像配准技术研究综述

作为识别、分类和描述图像的重要元素,图像特征可以提高计算机视觉系统的性能和精度,有助于实现多种实际应用。通过提取对应特征点,以及选取合适的匹配模型和优化算法,基于图像特征的图像配准可实现图像间的变换,从而使相同区域像素对齐,令2幅图像在几何层面完全重合。在一般情况下,人们可利用图像的特征值进行配准,如先使用图像的主成分分析(PCA)提取特征值信息,然后通过计算特征值之间的相似性来进行图像配准,同时可以结合局部特征描述符(如SIFT与SURF等)等技术提高配准效果。

基于图像特征提取的红外影像动态配准方法研究

为了提高红外影像动态配准的配准概率,提出基于图像特征提取的红外影像动态配准方法。采用尺度不变特征变换算法提取红外影像关键点的方向、坐标及其尺度特征,结合特征点的邻域梯度信息生成SIFT特征向量,并确定SIFT向量的特征区域,引入加权因子去除非稳定关键点,得出相位一致性特征(稳定关键点);根据稳定关键点之间的最佳旋转角度获取精准匹配子集,修正匹配点配准关系,完成红外影像动态配准。测试结果表明,该方法获取的红外图像像素点灰度值均方根差均低于0.45,DICE系数均高于0.93,在发生旋转或者灰度信息变化时,配准概率均在93%以上,可较好地完成红外影像动态配准。

高斯函数在显著图像特征提取中的应用仿真

不同图像具有不同的特征和结构,为了更好分析和识别图像信息,提高特征分类精度,提出了基于高斯函数的显著图像特征提取方法。利用指数函数法感知显著图像轮廓边界,将图像变换到含有明暗信息的色彩空间,并锐化算子,判断抑制或增强范围,筛选出显著图像的信息。按照不同的目标函数计算映射矩阵,保留原空间数据点的局部信息,赋予最佳限制条件,提取显著图像的局部特征,结合高斯函数估算协方差矩阵获得高斯特征,完成全局特征提取。通过实验证明,所提方法对三个数据集的识别准确率在85%以上,且特征提取效果好,纹理细节清晰,保证图像信息完整。

自适应融合目标和背景的图像特征提取方法

针对现有基于结构元描述的图像特征提取算法缺少连续像素或结构元的相关性描述,对图像特征的区分能力不足的问题.通过定义新的结构元和自适应向量融合模型,并引入连通粒概念,提出一种加权量化方法对图像目标和背景进行自适应融合.首先根据视觉选择特性定义9种新的结构元,并且构建了连通粒属性及分层统计模型;然后通过颜色转换和结构元匹配生成相应的映射子图,从中提取统计结构元和连通性特征向量;最后利用自适应向量融合模型把各分量合并为一组特征向量用于图像检索.在3个Corel数据集上的实验结果表明,与其他算法相比,文中方法性能更稳定,能达到更高的检索精度;该方法既能描述图像的全局特征,又能反映图像的局部细节信息.

基于仿生视觉的图像RST不变属性特征提取方法

针对图像目标识别过程中易受旋转、缩放、平移及噪声影响的问题,提出一种仿生物视觉感知的RST不变属性特征提取方法,以提升形变目标的识别率与抗噪鲁棒性。受生物视觉感知机理启发,其皮质细胞经过多级变换后,能够最佳权衡图像选择性与不变性。为此,该方法设计成两个阶段。第1阶段中,受生物视觉在水平与垂直方向响应强烈的启发,提出Gabor滤波器与双极滤波器融合的filter-to-filter方向边缘检测方法。Gabor滤波作为底层滤波器平滑图像,通过高层水平与垂直方向双极滤波器检测边缘,构建方向边缘检测子。以增强特征提取的鲁棒性,提升边缘检测的准确度。在此基础上,模拟大脑视觉皮质细胞对线条响应强度的反馈,根据不同边缘方向及间距,度量图像线条的空间频率。设计空间频率间距检测子,将方向边缘图像映射至方向θ-间距I坐标系中。使原图像的旋转与比例缩放,在该坐标系上表现为水平与垂直方向变化。在第2阶段中,针对第1阶段输出图像,再次进行方向边缘检测与间距检测。将第1阶段中水平与垂直平移变换,转变为第2阶段的特征图中不变像素点,使图像具有RST不变性。通过实验统计分析,验证了本文特征的RST不变性及其识别能力。并与其他不变属性特征提取方法进行了识别率与复杂度比较,突显本方法对噪声的强鲁棒性与RST的高识别率。

自适应主元提取算法及其在人脸图像特征提取中的应用

本文指出了E .Oja将统计主元分析思想用于递推网络与S .Kung自适应主元提取 (APEX)算法在提取特征信息上的共同点和差异 ,证明了该算法的收敛性 .仿真结果验证了该算法的收敛性和稳定性 ,分析了主元数、子图像大小及学习率参数对该算法的影响 ,说明了该算法在人脸识别中是一种运算量较小的有效特征提取方法 .

应用于人脸识别的结合SVD变换的图像类特征提取算法

由于矩阵奇异值(SVD)为依据的图像识别技术中,SVD与矩阵之间不是一一对应的。为此提出了同类图像的类SVD变换及其图像特征提取方法。并采用最近邻法进行分类识别,应用于人脸识别中,有较好的效果。

刑侦图像检索中的特征提取及相似性度量

为分析比较基于内容的图像检索(content-based image retrieval,CBIR)系统中各环节算法在应用于刑侦现勘(criminal scenes investigation,CSI)图像数据库时的有效性,在CBIR系统中,使用颜色特征-HSV直方图、纹理特征-三层小波分解统计特征和颜色纹理的融合特征作为特征提取算法,以欧氏距离和街区距离作为相似性度量分别在CSI图库中进行仿真测试。在COREL图库中进行类似测试,并以查准率作为有效性的衡量标准进行对比。结果显示,在CSI库中,使用颜色特征有相对高的查准率,但CSI库的平均查准率均低于COREL库,此外使用街区距离可获得较高的查准率,这表明,因CSI数据场景复杂及目标多有损毁,现有图像特征提取算法有效性低,而作为相似性度量算法,街区距离相较于欧氏距离能更好地表示CSI图像间的相似性。

基于空间分层的医学图像特征提取算法

随着医疗影像设备在临床医学辅助诊断方向的广泛应用，如何精确提取目标特征图像显得尤为重要，而常规图像识别算法对环境光变化非常敏感，其结果很难满足医学诊疗的实际需求。为此，提出一种基于空间分层的无约束医学图像特征提取算法。设计包含加权系数的目标函数，实现对图像特征的快速提取；将图像空间按像素分为若干子图像空间，以四又树结构进行快速存取；最后引入单纯形法对阈值进行自适应寻优。结果表明，所设计算法不仅有效解决了常规算法对环境光敏感的问题，还能够更加精确、快速地提取到目标特征，对临床诊断具有重要参考意义。

改进卷积玻尔兹曼机的图像特征深度提取

针对卷积深度和信念网络存在计算复杂度高和训练缓慢的问题,提出卷积深度玻尔兹曼机用于图像特征提取.针对卷积受限玻尔兹曼机进行改进,提出最大化图像中间区域概率的训练目标函数,并引入性能较好的交叉熵稀疏惩罚因子和dropout训练方法.设计卷积深度玻尔兹曼机结构,提出均值聚合机制,将聚合层内点的值定义为block中各点激活概率均值,对层间关联进行简化,将聚合层内各面直接叠加以供高层CRBM提取特征.通过在MNIST手写数字识别集上的实验结果证明,采用新模型提取的图像特征分类准确率提高0.5%、训练时间减少50%,且达到了目前MNIST数据集的最佳水平.

图像特征点提取与匹配的算法分析

本文针对大规模高分辨率全景拼接运算量大这一问题,分析了SIFT和SURF图像特征点提取算法特点,实验证明SURF特征点提取效率比SIFT高,更适合并行计算,因此在大规模高分辨率率全景拼接时具有更高的效率。

基于区域生长的彩色图像颜色特征提取研究

针对彩色图像,提出了一种简单的颜色特征提取方法.该方法选取了适合彩色图像处理的区域生长算法,利用中值点法来改进其中种子点的选取方法,并结合RGB彩色空间中像素点的性质确定区域生长准则和终止准则.实验结果表明:该方法在保证区域连通性的同时,也能够简单高效地得到与人眼视觉判断相一致的有意义的图像特征提取.

利用实时光学图像特征提取法测量液相扩散系数

介绍了一种利用非对称液芯柱透镜结合实时光学图像特征提取方法测量液相扩散系数(D)的方法。该方法基于图像采集系统的软件开发工具包对采集系统进行二次开发,并用自编应用软件对图像中特定区域进行亮度及宽度的特征提取。然后,依据图像特征自动寻找出实验所选液体折射率薄层清晰成像点的位置并记录该位置随时间的变化关系。最后,根据Fick第二定律计算出液相扩散系数。采用这种方法,实验研究了室温(25℃)条件下乙二醇在纯水中的扩散过程,测得其扩散系数D=1.164×10-5 cm2/s,与文献报导值的相对误差为0.34%。与直接观察测量法相比较,此方法实现了测量的自动化,避免了人为主观判断误差,具有测量快速、准确,计算耗时短,实验测量结果稳定的特点。

基于核竞争学习算法的图像特征提取

利用核函数学习可有效解决图像特征线性不可分的特性,结合稀疏表示算法的优势,提出了一种新的图像特征提取方法。采用基于竞争学习规则的独立分量分析法对图像进行稀疏表示,该算法可提取数据的高维特征,且不需要优化高阶的非线性函数和进行稀疏密度估计,因而有较快的收敛速度。与仅使用基于竞争学习的独立分量分析法相比,在PolyU数据库上的实验结果表明,采用基于核函数学习和稀疏表示相结合的方法所提取的数据特征有利于提高特征分类精度。

训练样本数量选择对图像特征提取的影响分析

图像特征提取是图像处理的重要内容之一,特征提取的质量直接影响图像分类、图像识别、图像检索等工作的效果。考虑到影响图像特征提取的因素有多种,以受限玻尔兹曼机为例,探讨训练样本数量选择对图像特征提取的影响。实验结果表明:随着样本数量的增加,具有相同参数的受限玻尔兹曼机提取的图像特征的概括性会增强。因此,当样本数量大时,增加RBM的隐层神经元个数并不总是有价值的。

基于多特征融合的遥感图像特征提取方法

在进行遥感图像特征提取时,由于图像分辨率发生多维变换,使得图像特征多且不明显,传统的提取方法只考虑两个图像特征变量之间的关联性,没有考虑图像特征维数间的关联,导致图像特征提取不准确的问题。为解决上述问题,提出SVM和多特征融合的遥感图像特征提取方法,将SVM和DS证据理论相结合,在对遥感图像进行预处理后提取图像特征并进行分类,在将分类结果为依据,构造基本概率指派,引入利用矩阵分析的DS融合算法简化决策级融合算法复杂度;利用特征接近度的多特征融合算法,将特征矢量与类原图形模式之间的吸引力组成接近度矢量作为融合特征完成遥感图像特征的提取。仿真结果表明,上述方法在图像提取过程中,对像素的精准度和像素提取速度都比传统方法有很大提高,具有较强的可行性。

基于非负稀疏编码的图像特征提取及应用

NNSC是把多维数据分解成非负稀疏分量的一种方法,而且这种方法已成功地应用于建模视觉感知系统的感受野。通过仿真实验证明了NNSC方法在自然图像的特征提取中的有效性;而且与独立分量分析(ICA)方法相比,实验结果证明NNSC法提取的特征基要优于ICA基,其图像重构目视效果明显好于用ICA基恢复的结果。