基于双线性特征融合的皮肤病分类研究

皮肤覆盖肌肉、骨骼和身体的每个部分,是人体中最大的器官。由于其暴露于外界,所以感染更容易发生在皮肤上。皮肤病作为一种常见疾病,利用计算机技术对其进行辅助诊断,有助于减轻医生负担。针对常规卷积神经网络应用于皮肤病图像分类时由于不同种皮肤病图像之间的类间相似性以及同种皮肤病图像之间具有类内差异性导致分类困难的问题,提出一种改进双线性特征融合模型。使用经过剪枝的Inception-ResNet-v1和v2版本作为特征提取器并行提取图像特征,对特征进行双线性融合,获取更多阶数的特征信息可以提高模型对图像细节的敏感度。然后添加额外的软注意力模块,通过加权和的方式进行过滤或者加强,给图像每个位置给予不同的权重以达到对模型的加强效果。在skin-cancer-classesisic数据集上的7种皮肤病图像上进行训练,与S-CNN、MobileNet和Incremental CNN的对比证明了该模型的有效性,在Precision、Recall和F1-Score指标上该模型均为最优。

基于多特征融合的早期野火烟雾检测

随着计算机技术的不断发展,基于计算机视觉和模式识别的森林火灾烟雾检测算法具有很大的应用前景。针对目前检测方法适应性不强、在复杂环境下检测识别率不高的问题,提出一种通过融合烟雾多个特征的方法来检测识别早期林火烟雾。算法首先通过一种结合改进的四帧差分法和高斯混合背景建模的算法提取运动前景;然后利用烟雾颜色特征、小波变换分析和LBP纹理特征,利用多特征线性融合并通过K最近邻(KNN)分类算法进行识别。通过在不同视频场景中的实验,证明了该方法在烟雾检测能力上的有效性。

基于SVD和KL投影相融合的人脸识别算法

在已有的PCA人脸识别算法的基础上构建了一种基于奇异值分解和KL投影相融合的人脸识别方法。方法对人脸图像进行奇异值分解与KL变换,随后将KL投影的主特征向量和SVD特征向量进行线性融合形成新的特征向量,并以此作为判别标准。经试验测试该方法消除了当检测库中人脸的姿态变化时人脸图像间的相关性下降对识别正确率的影响,大大的提高了人脸识别的正确率。

基于多模态遥感影像的边缘感知引导显著性检测

针对多模态遥感影像显著性检测鲁棒性差和检测精确度不佳等问题,提出一种基于多模态边缘感知引导的显著性检测方法,该方法主要由多模态遥感影像显著检测主干网络、跨模态特征共享模块和边缘感知引导网络构成。通过在特征提取主干网络中加入跨模态特征共享模块,使得不同模态间特征通过共享交互实现协同增强,并且抑制具有缺陷的特征信息。基于边缘感知引导网络,通过边缘图监督模块来检测边缘特征的有效性,从而生成准确边界。在3种显著目标检测遥感图像数据集上进行实验,平均的F_(β)、平均绝对误差(MAE)、S_(m)分数分别为0.9176,0.0095和0.9199。实验结果表明,提出的多模态边缘感知引导网络(MEGNet)适用于在多模态场景中进行显著性检测。

基于背景还原的红外伪装效果评价方法

针对复杂环境背景下目标红外伪装效果评价问题,提出了一种基于背景还原的红外伪装效果评价方法。首先利用改进的Criminisi算法对目标遮蔽下的背景区域进行修复,得到背景还原图像,然后与原图进行相似性度量;考虑到实际还原背景与理想还原背景之间因图像修复算法局限性而引起的偏差,使用IL-NIQE模型对背景还原图像的修复质量和还原效果进行评价;最后将相似性度量值与还原效果度量值进行非线性融合,完成目标红外伪装效果的综合评价。实验表明,该评价方法符合人眼视觉特性,能够对复杂环境背景下目标的红外伪装效果进行较好的客观评价。

基于CHGLDA的鱼类新鲜度无损检测方法

快速准确地评估鱼类的新鲜度,对鱼类品质智能监控和保证食用者安全具有重要意义。目前基于图像的鱼类新鲜度评估方法中,基于鱼鳃特征的分析需去除鳃盖、对鱼体具有侵入性,利用其他部位则评估准确率较低。针对上述问题,提出了一种基于颜色纹理特征融合线性判别分析(CHGLDA)的鱼类新鲜度无损检测方法。首先,对采集的鱼体图像进行标注、图像缩放、颜色空间转换等预处理操作;然后,融合鱼体头部图像中提取的颜色直方图特征和灰度共生矩阵(GLCM)特征,并通过LDA进行特征降维;最后,利用K最近邻(KNN)算法对鱼的新鲜度进行分类。提出的GHGLDA新鲜度检测方法解决了提取的鱼体图像特征质量低致使分类性能差的问题。在真实的鲫鱼数据集上进行实验,其精确率、召回率、F1分数和准确率均为1。与颜色直方图、颜色矩、GLCM等特征相比,该方法在KNN、随机森林(RF)、人工神经网络(ANN)及轻量级梯度提升机(LightGBM)分类器上各评价指标的性能均有提高,其中KNN的评估时间最优,为0.01 s。

基于现代汉语词典的情感词语识别研究

基于《现代汉语词典》对词语的释义,提出了一种新的情感词语识别方法。该方法结合多特征线性融合和多次循环策略,利用现有的情感词典识别并构建适用于跨领域的通用情感词典。首先基于已有情感词典资源构建候选的通用情感词表,然后使用多特征线性融合的方法计算候选通用情感词表在《现代汉语词典》中的情感倾向性,并利用多次循环的策略获得最终的通用情感词表。实验结果表明,本文提出的情感词语识别方法是有效的,在Precision、Recall及F-measure等方面都取得了较好的效果。