核鉴别分析在图像集合匹配中的应用

图像集匹配是当前图像处理和模式识别领域研究的热点问题之一。处理图像集合匹配一般将其映射到高维流形,然后在流形上度量2个点之间的距离。本文使用协方差矩阵对图像集合建模,把图像集合表达为黎曼流形上的一个点,将图像集的匹配问题转化为黎曼流形上的点的匹配问题,最后应用核鉴别分析方法进行分类。在基于图像集合的对象识别应用中测试本文所提出的算法,在公开数据库上的实验结果表明,本文所提出的方法在识别率上超越了当前主流的图像集匹配算法。

基于集合匹配尺度的邻域集合概率法及其在梅雨锋暴雨预报中的适用性

概率预报是由集合预报衍生、包含不确定性信息的客观产品,对业务决策服务有重要的参考价值。传统的邻域集合概率法中,邻域半径固定不变,不符合实际天气过程中牵涉甚广的尺度谱。为此引入基于集合匹配尺度的邻域集合概率法(Neighborhood Ensemble Probability based on Ensemble Agreement Scale,EAS_NEP),并在中国南方典型的梅雨锋暴雨中开展准确性和预报技巧的定量检验评估,以期验证该方法在此类过程中的适用性,并促进其在实际业务中的推广使用。联合扰动初始场、侧边界和物理过程所得到的集合预报能较好地表征实际的预报不确定性,进一步在此基础上比较了格点概率法、不同半径的邻域集合概率法以及EAS_NEP的优劣。试验结果表明,EAS_NEP能根据集合成员间的一致性程度,自适应地调整邻域半径,其在集中型降水中所确定的邻域半径通常大于分散型降水。动态调整的邻域半径既避免了半径过大时的过度平滑与关键信息丢失,又消除了半径较小所带来的奇异点,其空间分布呈阶梯型,空间连续性更优。此外,BS(布莱尔评分)、FSS(分数技巧评分)和ROC曲线(相对作用特征曲线)等定量评估结果也体现出EAS_NEP相比传统方法正的预报技巧,尤其是在分散型降水和高阈值检验时优势更明显。以上结果表明,EAS_NEP在梅雨锋暴雨的预报中具有较好的应用前景,运用在业务中能有效提升概率预报质量。

多核支持向量域描述在基于图像集合匹配的人脸识别中的应用

目的图像集匹配是当前模式识别领域研究的一个热点,其核心问题是如何对图像集合建模并度量两个模型的相似性,为此提出一种基于支持向量域描述的人脸识别的方法。方法支持向量域描述是一种基于支持向量机学习的数据描述方法,可以用于图像集合建模,但是单一的核函数不能准确地描述具有多中心分布的数据。本文通过多核学习扩展了支持向量域描述,提高其对多中心分布数据的表达能力。进一步借助与位置相关的方法对样本动态加权,解决全局权重参数所带来的问题。结果在公开的基于集合的人脸识别数据库上进行测试,在Honda/UCSD、CMU MoBo和YouTube数据库上,本文方法的识别率分别达到100%、98.72%和62.34%。结论实验结果表明,在光照条件受控制的监控环境中,本文方法是有效的,并取得了优于其他基于集合匹配的人脸识别算法。

一种重叠视域多摄像机环境下的运动目标匹配SHFSM算法

针对重叠视域下多摄像机间目标匹配问题,提出了一种基于色度特征信息的色度特征区间集合匹配算法。通过分析目标颜色色度分量对光照强度的不变性,依据色度分量直方图定义了色度特征区间,并证明了其相关特性。该算法首先获取目标色度特征区间集合,并依据区间内特征信息像素的数量对特征区间进行排序,最后采用模糊匹配原理对排序的色度特征区间集合进行匹配。实验结果表明,算法匹配正确率可达95%,通过与经典算法对比体现了其准确率高、可靠性强的优点。

基于协方差矩阵表示的图像集匹配

提出了一种图像集合匹配方法,该方法通过协方差矩阵对图像集合建模,利用对称正定的非奇异协方差矩阵构成黎曼流形上的子空间,将图像集的匹配转化为黎曼流形上的点的匹配问题.在ETH80和Honda UCSD数据库分别进行了基于图像集合的对象识别和人脸识别实验,分别达到96%和95.9%的识别率.

保局投影在图像集匹配中的应用

图像集匹配是模式识别领域研究的热点问题之一。从图像分布的局部结构出发,提出格拉斯曼流形上局部结构保持的图像集匹配方法。将图像集合张成的子空间投影到格拉斯曼流形,通过子空间之间的典型相关计算格拉斯曼核,将集合的相似性转换为流形上点之间的距离的计算。在基于图像集合的对象识别任务上测试提出的算法,实验结果表明,提出的方法在识别率上超越了当前主流的图像集匹配算法。

格拉斯曼流形降维及应用研究

视频人脸识别的核心问题是如何准确、高效地构建人脸模型并度量模型的相似性,为此提出一种维数约减的格拉斯曼流形鉴别分析方法以提高集合匹配的性能。首先通过子空间建模图像集合,引入投影映射将格拉斯曼流形上的基本元素表示成对应的投影矩阵。然后,为解决高维矩阵计算开销大以及在小样本条件下不能有效描述样本分布的缺陷,引入二维主成分分析方法对子空间的正交基矩阵降维。通过QR分解正则化降维后的矩阵,得到一个低维、紧致的格拉斯曼流形以获得图像集更好的表达。最后将其投影到高维核空间中进行分类。在公开的视频数据库中的实验结果证明,提出的方法在降低计算开销的同时能够获得较高的正确率,是一种有效的基于集合的对象匹配和人脸识别方法。

实时网络信息过滤系统的设计与实现

针对网络信息的实时过滤问题 ,提出了一种基于代理服务器的网络信息实时过滤机制。为了提高信息过滤的性能 ,还提出了一种高效的关键词集合匹配方法 (KPSMM)。KPSMM可以实现关键词集合的高效过滤 ,其性能比传统的字符串过滤方式有较大提高。

低维格拉斯曼流形鉴别分析

图像集匹配需要解决如何对集合模型并度量模型之间的相似性的问题,为此提出一种维数约减的格拉斯曼流形鉴别分析方法并用于对象和人脸识别。首先引入投影映射将格拉斯曼流形上的基本元素表示成对应的投影矩阵。然后,为克服高维矩阵在小样本条件下不能有效描述样本分布的缺陷,通过投影度量学习对子空间的正交基矩阵降维得到一个低维、紧致的格拉斯曼流形以获得图像集更好地表达。最后投影到再生核希尔伯特空间中进行分类。在公开的视频数据库中的实验结果证明,该方法能够获得较高的正确率,是一种有效的基于集合的对象匹配和人脸识别方法。

位置正则的支持向量域描述在人脸识别中的应用研究

支持向量域描述是一种有效的一分类数据描述方法,能够有效地对单一类别的数据进行表达,并能有效地降低负样本的干扰。应用支持向量域描述方法,将人脸图像集合投影到高维特征空间构建描述特征空间中人脸图像的超球体,并定义两个超球体之间的相似性度量,应用最近邻分类器进行分类。在基于集合的人脸识别应用标准数据库上测试了该方法,在Honda/UCSD、CMU Mobo和You Tube数据分别取得100%、97.55%和59.78%的识别率。实验结果表明,该方法是一种有效的基于图像集匹配的人脸识别方法。

基于群正则化相似性度量的人脸识别方法

安全监控应用中,受光照、阴影和运动模糊等影响,通过人脸检测算子检测到的图像可能包含不完整的人像信息,严重影响到识别的精度。提出一种人脸选择算法,从给定的候选人像集合中选择一个高质量人像的子集,然后应用基于集合的人像识别算法进行识别,有效地提高识别的精度。在公开的人脸识别数据库Honda/UCSD和Choke Point的实验结果显示,使用子集选择的算法能明显提高现有基于集合的人像识别算法的精度。

基于数据提纯的图像融合

以一种稳健的数据提纯策略实现了全自动的图像融合。首先采用精度较高的特征点提取和匹配算法获得两幅图像间特征点的伪匹配集合，在特征点提取误差符合高斯分布的假设下，对伪匹配集合进行了参数的定量分析，并将它按参数阈值分成了内点和外点，剔除了不够准确的噪声数据，在内点域上线性和非线性地估计出图像间的点变换关系，形成了一种稳健的数据提纯算法。随后根据估计出的变换关系对两幅图像进行重采样，注册到一幅新的空白图像中形成一幅融合图像，实现了全自动的图像融合。实验表明本文的算法稳健，融合效果不错。

中文短语文本相似度计算新方法

针对短语文本的分类、聚类、信息查询问题,提出了一种新的中文短语文本相似度计算方法。用该方法计算出的文本相似度及一个比较文本与多个被比较文本所得相似度变化趋势是合理的,因此可以满足短语文本分类/聚类和信息查询的需要。

黎曼流形上的保局投影在图像集匹配中的应用

目的提出了黎曼流形上局部结构特征保持的图像集匹配方法。方法该方法使用协方差矩阵建模图像集合,利用对称正定的非奇异协方差矩阵构成黎曼流形上的子空间,将图像集的匹配转化为流形上的点的匹配问题。通过基于协方差矩阵度量学习的核函数将黎曼流形上的协方差矩阵映射到欧几里德空间。不同于其他方法黎曼流形上的鉴别分析方法,考虑到样本分布的局部几何结构,引入了黎曼流形上局部保持的图像集鉴别分析方法,保持样本分布的局部邻域结构的同时提升样本的可分性。结果在基于图像集合的对象识别任务上测试了本文算法,在ETH80和YouTube Celebrities数据库分别进行了对象识别和人脸识别实验,分别达到91.5%和65.31%的识别率。结论实验结果表明,该方法取得了优于其他图像集匹配算法的效果。