地貌特征与土壤侵蚀空间分布直方图相似度研究

直方图是数字图像的重要特征之一,直方图相似度代表了两幅图像特征分布之间的相似程度。该文对土壤侵蚀强度的空间分布直方图与地貌海拔、坡度以及坡向分布直方图进行了相似度计算。研究表明:坡度和坡向的空间分布与土壤侵蚀强度的空间分布较一致;土壤侵蚀微度、轻度和中度与海拔空间分布较一致;土壤侵蚀强烈及以上空间分布与海拔空间分布不一致;土壤侵蚀海拔特征空间分布反映了土壤侵蚀的特有性质,坡度能部分反映侵蚀特征,而坡向特征几乎是地貌自身性质的反映。研究成果可为更深入地认识土壤侵蚀空间分布规律提供参考。

基于相似度直方图的混合指纹匹配方法

指纹的匹配问题是指纹识别算法中的核心问题.文中介绍了一种基于相似度直方图的指纹混合匹配算法,该算法同时使用了指纹的细节特征和纹理特征.指纹的细节匹配部分通过相似度直方图函数来计算最优校准参数,并且将校准结果应用到纹理匹配中.在FVC2002数据库上的实验结果表明该混合识别算法比使用细节匹配的算法具有更高的识别率.

一种改进的基于结构相似度的图像质量评价方法

基于结构相似度(SSIM)的图像质量评价方法简单高效,准确性较高,评价性能优于峰值信噪比(PNSR)和均方误差(MSE),但SSIM模型不能较好地评价严重失真和交叉失真类型的图像。文中提出了一种改进的基于结构相似度的图像质量评价方法(HSSIM),该方法将直方图信息作为图像的主要结构信息,根据人眼视觉特性,利用直方图集中度来表示图像模糊度,最终计算得到图像的结构相似度值。实验结果表明,HSSIM比SSIM模型更符合人眼视觉系统特性,能更好地评价失真图像的质量。

基于直方图的白平衡算法的研究

针对常见基于直方图的白平衡算法对于RGB各通道直方图相似度低时失效的问题,提出了一种基于直方图匹配改进的自动白平衡算法.利用RGB通道直方图的相似度对基于直方图匹配的白平衡算法增加有效性判断,对于直方图相似度低的图片采用直方图平移算法处理.结合直方图匹配与直方图平移的特点,弥补单个算法的不足.通多对大量图片测试表明,该算法对图像偏色有较好的矫正效果,且适用范围提高了11%.

InfoSigs:一种面向Web对象的细粒度聚类算法

面向Web对象的细粒度聚类已经成为学术界研究的热点.然而现有大多数聚类模型只关注如何对文本内容或文章主题进行聚类,聚类结果粒度较粗,无法满足大规模网络信息检索的质量要求.针对上述挑战,充分挖掘Web文档中词汇间的树状概率层次关系,提出一种以词汇信息分布作为特征标志的聚类算法InfoSigs,实现对Web对象的细粒度聚类.算法构建一个信息传递有向无环图,根据词汇在图中信息分布的集中度赋予其合理的权重,产生更具代表性的特征向量;同时算法提出了一个自适应的记录合并模型,有效提高记录簇中记录间的相似度,减少噪音对合并过程的影响.实验结果表明,InfoSigs算法比传统聚类算法—I-Match和Shingling—在F-Measure值上平均约有21.3%的提高,可以有效地运用到多领域Web对象的聚类问题.

远距离动态图像中关键目标无损挖掘算法设计

由于远距离动态图像受到光照、大气干扰等因素的影响,同时关键目标与周围环境融合度高,导致难以准确地识别,使得图像关键目标提取完整度低。因此,提出一种远距离动态图像关键目标无损挖掘算法。基于三边滤波的HSV空间多尺度算法对远距离动态图像增强处理,采用直方图相似度匹配方法对动态图像的关键目标鬼影消除。根据动静态背景划分方法,对动态图像的关键目标无损挖掘。实验结果表明,所提方法的远距离动态图像关键目标无损挖掘精度高、完整性在98%以上、整体应用效果好。

图像识别技术在高校教学管理中应用研究

本文首先给出了快速近似最近邻库、余弦和直方图相似度的计算方法,其次介绍图像匹配效果的数量指标,并对它们进行实例研究发现,快速近似最近邻库方法从视觉上能快速找到两张输入照片的相似点,并加以标识;余弦和直方图相似度方法能将二维图片比对,量化为数量序列的两两比对,对其进行度量,最后通过衡量指标对其匹配结果进行评价,结合适宜的cut-off线,形成一套相互印证对高校学籍管理中图像识别的有效管理体系。这将为上述方法在高校教学管理领域中应用带来新的思路、方法以及应用策略。

利用HSSIM和残差比阈值的3维激光扫描图像去噪

为了更好地实现3维激光扫描图像的去噪,提出一种融合直方图结构相似度(HSSIM)和残差比阈值的改进稀疏去噪算法。利用初始化过完备字典进行稀疏分解,以相似因子代替重构误差作为保真项,利用残差比阈值作为正交匹配追踪算法的迭代终止条件对图像进行去噪,获得了去噪后图像的峰值信噪比及HSSIM指标。结果表明,与基于db2小波变换、多尺度曲波变换和离散余弦变换的去噪方法相比,该算法能获得更好的峰值信噪比和HSSIM数据。在有效去除图像噪声的同时还能更有效地保留图像的细节特征。

基于自适应模板匹配的四方连续花型最小单元提取

为实现连缀式及重叠式四方连续花型最小单元的自动提取,对矩形模板边长占比进行迭代,探究了矩形模板大小对全局模板匹配的影响,再利用垂直矢量法分析了匹配所得矩形的中心点点集,揭示出像元重复规律与最小单元的对应关系;以相似度均值度量提取结果的准确性,阐明了最小单元重复次数与相似度均值的关系;通过分析模板匹配的适用性,提出了自适应阈值模板匹配的方法,改进后相似度均值平均可达94.29%。结果表明,该方法能有效实现连缀式及重叠式四方连续花型最小单元的提取。

基于MPEG-7多特征融合的图像检索技术

针对MPEG-7单一描述符特征检索效率低的问题,提出了主颜色和边缘直方图特征融合的检索算法。同时利用检索目标在图像中分布的特点,利用分块加权法来提高对检索主目标的检索准确度。实验表明,该方法在查准率和查全率均优于单一特征的检索算法,检索精度得到了提高。

单传感器数据驱动的人体日常短时行为识别方法

在基于惯性传感器的人体行为识别研究中,特征提取是其中的关键环节之一。而离散数据统计特征的稳定性依赖于特征提取的窗口大小。一般来说,训练数据的窗口长度需要大于一个运动周期。因此,针对测试数据远小于一个运动周期的短序列样本识别问题,提出了一种基于模板匹配的新的解决方案。首先,通过适当分割训练数据的长序列样本,构建一个过完备的短时行为模板库,将待测短时样本与模板库中样本进行一致化处理并进行匹配;其次,在匹配算法中,采用样本间的F范数与整体梯度向量的2范数累加作为匹配度量准则,得到相似度直方图;最后,基于相似度直方图,根据投票策略得到最终分类识别结果。实验表明:在使用单传感器识别短时行为的情况下,新算法比传统算法在精度和稳定性上具有更好的性能,并能适应不同窗口下短时行为分类问题。

一种基于视觉底层特征的图像质量评价方法

把视觉底层特征概念引入到客观图像质量评价中,提出了一种基于不同图像视觉底层特征的质量评价方法。在基于Itti计算模型和视觉底层特征最佳权重的基础上,对4种类型图像提取底层视觉特征显著图,利用特征最佳权重值,组合归一化形成视觉计算显著图,通过直方图相似度计算分析各显著图。实验结果与主观评价结果具有较好的一致性,且优于基于传统Itti模型和SSIM模型的图像质量评价方法。不同类型的图像需要充分考虑各特征的权重大小,使其能真实反映视觉感兴趣区域的特征属性,更好地评价失真图像的质量。