用SIFT词汇树实现的姿态无关的人脸识别

自动人脸识别是智能视频监控的重要组成部分.为提高人脸姿态不确定时的识别准确率,提出一种姿态无关的识别方法.该方法分为训练与识别2个阶段:在训练阶段,利用样本图像的SIFT特征构造词汇树,基于该词汇树对每幅图像进行定量表示,并利用保局投影进行维度约减;在识别阶段,通过提取待识别图像的SIFT特征,利用已有词汇树表示图像,并通过保局投影得到低维特征,采用K近邻方法进行识别.实验结果表明,该方法在人脸姿态不确定的情况下能够有效地提高识别准确率.

基于空间上下文加权词汇树的图像检索方法

基于词汇树的词袋模型(Bag-of-Words)表示算法是目前图像检索领域中的主流算法.针对传统词汇树方法中空间上下文信息缺失的问题,提出一种基于空间上下文加权词汇树的图像检索方法.该方法在词汇树框架下,首先生成SIFT点的空间上下文信息描述.然后利用SIFT点间的空间上下文相似度对SIFT间的匹配得分进行加权,得到图像间的相似度.最后,通过相似度排序完成图像检索.实验结果表明,该方法能够大幅度提高图像检索的性能,同时,对大规模图像库有较好的适用性.

基于词汇树的图片搜索

针对基于内容的图片搜索存在召回率低及匹配速度较慢的问题,在词汇树的基础上,利用模糊量化加以解决。把从图像中抽取到的SIFT特征利用词汇树模糊量化到单词中,从而将图片转为用向量表示,同时用向量间的比较测量图片相似度。实验结果表明,该方法可以有效缩短响应时间,提高搜索结果的召回率。

词汇树融合SIFT的热成像和视觉图像人脸识别

针对热成像和视觉图像人脸识别问题,提出了一种基于词汇树融合尺度不变特征变换方法。首先,对视觉和热成像图像分别单独进行提取,利用Viola-Jones层叠检测器从自然图像中检测出人脸;然后,利用SIFT描述符从尺度空间提取稳定特征;最后,使用词汇树进行分类,利用评分融合和决策融合算法提高系统的精确性和安全性。在拍摄的41个人的脸部图像上的实验表明了该方法的有效性,识别率可接近100%,相比其他几种较为新颖的人脸识别方法,该方法取得了更高的识别精度,并且在一定程度上降低了计算耗时。

一种基于词汇树结构的图像检索方法研究

本文讨论了利用词汇树的思路进行图像检索。利用K-均值聚类算法对图像的底层特征聚类,每个聚类中心为一个视觉关键词,构成树的相应节点,由各个节点生成一个树形结构的特征分类。进而利用树形结构进行图像检索,缩短了量化的时间,提高了检索准确率。

词汇树联想扩展法在药学英语教学中的构建与应用

以药学英语教学大纲为导向,结合药学英语教学现状和专业词汇构词规律,构建以药学专业词汇为中心的基于词汇树的联想扩展法。该法以词汇构成分析、词汇拆分与词根扩展为三要素,旨在培养学生对药学专业词汇的学习能力,提高药学专业英语学习效率,为药学专业英语教学方法创新提供新的思路。

基于ISODATA聚类的词汇树图像检索算法

词汇树图像检索是一种基于视觉关键词结构的高效的图像检索算法。该算法在特征提取和聚类过程中分别采用SIFT算法和K-means算法。然而,K-means算法对初值比较依赖,当聚类个数未知时,聚类易出现强分现象,且SIFT算法易造成数据溢出和增加检索时间。对此,给出了两种新的特征提取方法,分别称为SIFT_CRONE特征和Color_HU特征,同时引入了ISODATA算法对特征进行聚类。SIFT_CRONE特征提取方法基于SIFT算法确定图像的关键点,采用CRONE算子计算关键点周围像素的梯度,对关键点进行向量描述,其优点是既保持了SIFT特征的优点又减少了检索时间。Color_HU特征是利用SIFT确定关键点和有效区域,对关键点的邻域提取该感兴趣区域的颜色直方图和HU矩特征,降低特征维数,缩短检索时间。在使用ISODATA算法时,设计了一种自适应参数确定算法。实验结果表明,ISODATA算法克服了K-means对初值的依赖,当聚类个数未知时有较好的聚类效果;两种新特征有各自的特点,均可以缩短图像的检索时间,提高检索效率。

基于词汇树层次语义模型的图像检索算法

解决语义鸿沟必须建立图像低层特征到高层语义的映射,针对此问题,本文提出了一种基于词汇树层次语义模型的图像检索方法.首先提取图像包含颜色信息的SIFT特征来构造图像库的特征词汇树,生成描述图像视觉信息的视觉词汇.并在此基础上利用Bayesian决策理论实现视觉词汇到语义主题信息的映射,进而构造了一个层次语义模型,并在此模型基础上完成了基于内容的语义图像检索算法.通过检索过程中用户的相关反馈,不仅可以加入正反馈图像扩展图像查询库,同时能够修正高层语义映射.实验结果表明,基于该模型的图像检索算法性能稳定,并且随着反馈次数的增加,检索效果明显提升.

融合颜色词袋特征的视觉词汇树图像检索

针对由图像灰度空间产生的传统词袋模型SIFT特征无法体现图像的颜色信息的问题,提出了一种融合颜色特征的视觉词汇树来对图像进行描述。提取SIFT特征并建立词汇树,获取图像的SIFT表示向量。利用K-means方法对图像库中的所有图像的HSV值进行聚类,获得基于HSV空间的颜色词袋表示向量,避免了传统颜色直方图方法所带来的量化误差。将SIFT特征与颜色词袋特征进行融合,完成了图像的全局特征和局部特征的融合。然后,计算融合特征的相似度,将相似度从高到低排序,完成图像检索。为了验证本方法的有效性,选择Corel图像库对算法性能进行实验分析,从主观评价和客观评价标准分别进行评价,并与传统方法进行了对比。结果表明,特征融合的检索性能与单一特征方法相比有较大提高。特征融合方法的平均检索查准率和查全率-查准率等评价指标,对比传统方法均有不同程度提高。

融合颜色特征与词汇树的图像检索

针对视觉词汇树模型采用的SIFT特征只采用了灰度信息,而忽略了图像的颜色特征,而多数改进采用彩色SIFT特征又耗时巨大的问题,提出一种将颜色信息作为图像全局权值融入到视觉单词匹配模型中的算法.提取图像的颜色特征,量化并计算颜色相似度,按照颜色差异由小到大排序,根据排序结果建立颜色特征权重.将图像SIFT特征分层量化为视觉单词,为了节约大规模数据库下的检索时间,引入感知哈希原理,将图像的视觉单词映射为哈希值,这样每幅图像都转化成一串哈希序列,计算图像哈希序列之间的汉明距离,将颜色特征权重作为汉明距离的加权系数,计算图像的最终相似度.实验结果表明,本文算法对于提高检索的准确率效果显著.

利用位置信息加权词汇树的图像检索

针对基于SIFT特征匹配的图像检索方法忽略空间位置信息的缺陷,提出了基于空间位置信息加权词汇树的图像检索方法。利用分层词汇树将图像SIFT特征量化为视觉单词,将图像匹配转换成视觉单词权值向量匹配。由于单纯的视觉单词权值向量匹配忽略了视觉单词之间的相互位置影响,生成SIFT点的空间位置影响信息,根据SIFT点与视觉单词之间的从属关系,将SIFT点的空间位置影响信息聚类为视觉单词之间的位置影响,将视觉单词的空间位置信息作为加权系数,加入到视觉单词的权值匹配中去,细化特征之间的匹配得分,通过相似度排序检索相似图像。实验结果表明,该算法能有效提高图像检索的精确度。

基于词汇树方法的图像检索

目前SIFT特征提取算法具有较高的时间复杂度,不利于大规模图像检索,提出一种构建词汇树的方法,来缩短用户检索图像的时间。对图像库用SIFT特征提取算法提取特征点,用聚类方法对图像库中的特征点构建一棵三层词汇树,并为每个结点赋合适的权值。接着计算图像库中每张图片与词汇树的距离,这个距离称为索引值,用来唯一表示每张图片。在进行图像检索时,只需计算待检索图片的索引值,通过索引值的匹配来检索图像,可以极大地缩短用户检索图像的时间。

一种基于词汇树的鞋印图像可伸缩检索方法

为了提高在海量、动态变化的鞋印图像数据库中检索鞋印图像精度并降低检索时间,提出了一种基于词汇树的鞋印图像可伸缩检索方法。该方法通过提取鞋印图像的尺度不变特征变换(scale-invariant feature transform,SIFT)局部特征,采用层次性K均值聚类方法生成词汇树。基于词汇树计算查询图像和数据库图像之间的相似性以得到检索结果。在包含9 691幅鞋印图像数据库中进行实验,实验结果表明,与按例检索方法相比,本文方法在查准率上平均提高了9%,在检索时间上平均下降了4.927s。

“词汇树”策略与词汇学习

对于大多数英语学习者来说,词汇是他们学习过程中一道令人望而生畏的难关,本人在前人研究的基础上,并总结自己的学习经验,认为构画“词汇树”在词汇学习中可以达到事半功倍的效果。本文即从记忆策略入手,探索“词汇树”策略对英语词汇学习的积极意义。

基于词汇树检索的图书馆书目智能查询系统设计

传统查询系统未在语义相似度上进行探讨,已不能满足图书馆智能化发展需求。为此,设计一种基于词汇树检索的图书馆书目智能查询系统,用户在用户管理模块登录自己账号进入图书馆主页,在图书馆主页进到提问式书目查询界面,选取分类查询途径输入分类号,用户上传分类号之后书目数据库通过基于词汇树的书目查询方法,判断查询书目与书目数据库中书目的相似度,完成书目智能查询,最后用户在查询结果界面可查看查询结果。经验证,所设计系统可高效率地区性完成高精度的图书馆书目智能查询任务,且查询操作简单易行,查询性能显著优于同类查询系统。

自动提取词汇化树邻接文法

提出了一种从宾州中文语料库中自动提取词汇化树邻接文法(LTAG)的算法。该算法的主要思想是从词汇化树库中归纳出三种类型的词汇化树,然后利用了中心词驱动短语结构文法的方法从语料库自动提取结构合理的词汇化树;最后由语言规则对不合法的词汇化树进行过滤。与手工创建词汇化树邻接文法相比,它需要较少的人力,并且避免了人工创建词汇化树可能造成的遗漏或不一致现象。

基于《知网》信息结构模式的词汇化树邻接文法消歧

针对词汇化树邻接文法的歧义现象,利用《知网—信息结构库》作为知识库,并引入概率方法提出了一种有效的句法树消歧方法。文中阐述了如何利用知网信息结构模式对句法树进行筛选,并提出了基于概率的信息结构抽取的计算方法。

“词汇树”策略与词汇学习

词汇学习是英语学习过程中的一个重要环节,然而这一环节的学习对许多学习者来说具有相当大的难度。为此,笔者提出一个"词汇树"策略,并介绍这一策略的理论依据、"词汇树"的画法及其分类,旨在帮助学习者轻松高效地扩大词汇量。

句法分析中基于词汇化树邻接语法的数据增强方法

句法分析是自然语言处理的基础技术,主流的由数据驱动的神经网络句法分析模型需要大规模的标注数据,但是通过人工标注扩展树库成本很高,因此如何利用现有标注树库进行数据增强成为研究焦点。在汉语句法分析的数据增强任务中,对于给定的标注树库,要求数据增强所生成的句子满足如下条件:第一,要求生成句具有多样化且完整的句法树结构;第二,要求生成句具有合理的语义。对此,我们首次提出基于词汇化树邻接语法的数据增强方法。针对第一个需求,该文设计实现基于词汇化树邻接语法的词汇化树抽取算法与句法树合成算法,基于该语法可以在句法树之间进行“接插”和“替换”的操作,从而推导生成新的句法树,并且用语言学的知识保证生成句符合语法规则且具有完整的句法树结构。针对第二个需求,该文利用语言模型对生成句进行语义合理性评估,选取语义合理的句子作为最终的增强数据,从而获取高质量的标注树库。我们以汉语为例开展研究,在汉语树库CTB5上进行句法分析的数据增强评测实验。实验结果显示,在小样本(CTB5的20%)实验中,通过该方法得到的增强数据使依存句法分析和成分句法分析的精度分别提高1.39%和2.14%。在鲁棒性实验中,该文通过构建扩展测试集进行评测实验,在扩展测试集上,通过该方法得到的增强数据使依存句法分析和成分句法分析的精度分别提高1.43%和0.44%,表现出更好的鲁棒性。

多源空间数据辅助的云台控制摄像机几何定位方法

PTZ (Pan/Tilt/Zoom,云台全方位移动及镜头变倍、变焦控制)摄像机,也简称云台控制摄像机,由于可变焦、全景覆盖、可远程控制和自动跟踪等特点,在工程、交通和自然资源等行业应用广泛。但摄像机云台提供的角度和缩放等参数精度较低,且易受风雨等外界环境因素影响,因此高精度几何定位对PTZ摄像机而言依然是极大的挑战。本文利用杆塔PTZ摄像机以及大视野监测场景的特点,提出一种多源空间数据辅助的几何定位方法。(1)以高分七号立体影像和资源三号线阵影像生成的数字正射影像(DOM)和数字表面模型(DSM)作为控制数据来源,对PTZ摄像机拍摄的不同方位样本影像选刺控制点和位姿解算。(2)对于待计算影像,利用词汇树在样本数据库中检索最邻近影像。随后进行特征点匹配,并利用匹配得到特征点以及控制点,解算出该影像拍摄时刻的位置姿态参数。(3)利用解算的影像位姿,结合DSM求交,迭代计算对目标点的精确三维坐标。方法在小范围内的测试数据上表现出较高的定位精度,能够替代传统方法的外业控制点采集工作,降低工作难度,具备可靠性和可扩展性,可在自然资源、安全应急、生态环境等领域的监测场景中应用。