一种利用对象级条件随机场的道路提取方法

针对传统的马尔科夫随机场不能利用观察图像中的上下文信息、条件随机场虽然能够同时利用两种上下文信息,但基于像素的条件随机场模型抗噪能力差、计算量大和效率低的问题,该文结合条件随机场和基于对象的图像分析方法,提出一种新的对象级条件随机场,并用于遥感图像道路的提取。该方法利用各个对象构建的邻接关系,建立基于对象的条件随机场模型;将道路提取问题归结为一个二类分类问题,并采用三类共29维特征进行模型训练和推断。实验结果表明:相比基于像素的条件随机场模型,本文方法提取精度更高,训练和推断的时间明显减少。

基于条件随机场的商品评论信息抽取研究

采用条件随机场(CRFs)算法,以商品属性为中心,挖掘出消费者对商品的情感观点以及观点态度的强弱。通过对商品评论进行标注学习,实现了商品属性和相应的评价词的自动抽取,从而识别出评论文本中的关键信息。研究中抽取的三个维度的关键信息包括商品特征属性,与之相关的评论情感观点,以及情感程度的强弱。仿真实验表明,借助词本身和词性特征,以及上下词的位置关系特征,CRFs算法对商品评论信息抽取有着较高的查准率和召回率。

基于语义分割模型和条件随机场的SAR图像机场跑道提取方法

在合成孔径雷达(SAR)图像敏感目标检测与识别领域中,机场跑道是重要的军事民用目标,在SAR飞机目标检测和机场关键信息提取等任务上具有重要意义。传统机场道路掩膜提取算法容易导致分割性能差、鲁棒性低,往往需要大量精心设计的鉴别后处理模块。针对图像分割任务,以卷积神经网络为基础的语义分割模型具备较好的实用价值,广泛用于光学自然图像分割领域,但是针对大区域SAR机场跑道提取任务,经典网络模型难以在保持图像特征感受野和保持图像细节上取得较好权衡。文中以DeepLabV3网络作为编码器,设计了基于上采样卷积模块和多低维特征融合的解码器用于输出预测概率图,然后添加了基于条件随机场的优化模块,进一步提升了分割结果的准确性。基于高分三号的实验表明,所提方法在分割性能指标上取得了最优的结果,并且能够有效保留机场边缘和图像细节。

基于条件随机场的中文命名实体识别研究

条件随机场模型是文本信息抽取的重要方法之一,在命名实体识别方面CRF性能要明显优于隐马尔科夫模型和最大熵模型。本文以基于字一级的条件随机场模型实现了中文命名实体识别,取得了较好的识别效果。

基于条件随机场的中文情感分析方法比较研究

条件随机场(Conditional random field,CRF)模型是目前开展中文情感分析研究的一个热门工具。文章分析了CRF研究现状,给出了CRF适用于中文信息处理的理由,开展了基于CRF算法的比较研究:运用自然语言处理与中文计算2012年会议的公开评测结果,分别对CRF与隐马尔科夫模型和最大熵马尔可夫模型进行了比较研究,总结了CRF模型的特点。

双树复小波域马尔科夫的遥感图像分割方法

针对多尺度高分辨率遥感图像像素分割在降噪时丢失大量高频信息及单一像素孤立性问题,提出了一种双树复小波变换(dual-tree complex wavelet transform,DT-CWT)和模糊马尔科夫随机场(fuzzy markov random field,FMRF)模型相结合的无监督遥感图像分割算法。首先通过DT-CWT遥感图像进行多尺度分解,并采用Bayesian阈值法对分解后的高频分量进行去噪,以增强图像的细节和边缘的表达能力并有效保留图像的主要高频信息;然后采用FMRF分割算法分别对重构后各层分量进行分割,以充分考虑像素分割的模糊性和像素邻域间的相关性;最后根据相似度融合规则融合各层分割结果。对比试验结果表明,该方法在有效去除杂点和噪声的同时能够较好地保留图像细节信息,并且边缘分割更加平滑,具有较高的分割精度和很好的鲁棒性。

基于条件随机场的医药领域症状信息抽取

为了实现中文医药领域症状信息的自动化抽取,提出了一种基于条件随机场的拆分症状文本特征的抽取方法,将症状文本自动识别拆分为症状主体和症状表现形式自动识别两个部分,再将这两种识别结果作为特征加入到症状信息抽取过程中。信息抽取的结果包含完整的症状信息二元组:症状主体和症状表现形式。实验表明,该方法在症状信息抽取的准确率及查全率上有较大提升。

一种鲁棒的约束物体检测和语义分割类别一致性的高阶能量项

在统一的能量优化框架下同时进行物体检测和语义分割是一种有效的完整场景理解方式,其中如何设计合适的高阶能量项并对其进行有效求解是2个关键问题.文中给出了对物体检测和语义分割之间的类别一致性进行有效建模的高阶能量项的3条设计准则,并据此给出一种鲁棒的高阶能量项及其对应的高效能量优化算法.首先对正确、错误的以及定位不准的3类物体检测器的限界框中的类别一致性分别进行建模,并表示为3个线性函数的下包络形式;然后证明了在?-expansion下仅需添加2个辅助变量即可通过图割算法对该高阶能量项进行高效求解.在PASCAL VOC 2010数据集上与多个代表性算法进行对比的实验结果表明,文中提出的高阶能量项模型在接受和拒绝物体检测器时,均能有效地约束物体检测和语义分割之间的一致性,且对定位不准的物体检测器具有鲁棒性.

泰语人名、地名、机构名实体识别研究

泰语命名实体识别是把泰语文本中的人名、地名、机构名等识别出来。由于泰语构词方法和语法规则复杂,针对这一问题,将泰语命名实体识别任务转化为对泰语句子中的词汇序列进行标记。结合泰语语言特点,选择合适的泰语上下文特征,分别使用隐马尔科夫模型和条件随机场模型在泰语实体识别训练语料上进行了模型构建,并在测试语料上对所构建的序列标注模型进行了实验验证。实验结果表明使用隐马尔科夫模型和条件随机场模型进行泰语人名、地名、机构名实体识别是可行的,并取得了较好的效果。

复小波域混合概率图模型的超声医学图像分割

针对存在大量不规则斑点噪声、目标边缘弱化的超声医学图像分割中较难识别目标的问题,提出了一种复小波域中混合概率图模型的超声医学图像分割算法.采用具有近似平移不变性和良好方向选择性的双树复小波变换(Dual tree-complex wavelet transform,DT-CWT)提取超声医学图像6个方向的高频特征信息;其次,为关联目标的弱特征信息并抑制统计独立的高频噪声,构建了复小波域混合概率图模型;尺度间“父-子”节点间标记采用贝叶斯网络进行建模,尺度内邻域间标记采用马尔科夫随机场(Markov random field,MRF)无向图建模,对复小波域中同尺度的特征系数采用高斯混合模型建模,尺度内同标记的观测特征采用高斯模型建模;最后,用迭代条件模式(Iterated conditional mode,ICM)实现MRF中误分割率最小的能量函数最优解,获取标记场,实现超声医学图像分割.实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地提取超声图像的弱目标信息,较好地定位目标区域,具有较高的分割精度和鲁棒性.

一种基于组合语义的文本情绪分析模型

文本情绪分析属于细颗粒度文本情感分析范畴.传统的基于监督学习的方法,大多注重从表面词形提取特征,对语言的结构化特征考虑较少,无法应对特征稀疏问题,也无法挖掘文本中隐含的深层语言信息(包括词语搭配和语义韵).上述问题的存在导致现有系统的分类性能不高,尤其对隐性文本情绪分类问题表现出较大的局限性.本文尝试将基于依存句法的词语搭配特征和基于组合语义的深度特征应用于文本情绪分类,提出了一种以短语为主要线索的半马尔科夫条件随机场文本情绪分析模型.为了验证模型的有效性,利用实际构建的相关实验语料,开展了相关实验研究.实验结果表明,本文方法不仅可以显著提高文本情绪分类的准确率,而且对解决隐性情感分析问题也具有重要作用.

基于融合差异图的变化检测方法及其在洪灾中的应用

由于洪灾区域的地物散射特性受环境影响会发生改变,在对该区域合成孔径雷达(SAR)图像进行变化检测时会使检测结果的错误率提高,而且用单一方法得到的差异图变化检测结果精度较低。针对上述问题,该文提出一种基于融合差异图的变化检测方法,该方法通过构造基于改进相对熵与均值比的融合差异图,综合了熵值差异图的区域敏感性和均值差异图的区域保持性的优势。首先,利用皮尔逊相关系数对模糊局部信息C均值聚类(FLICM)方法的初始聚类结果进行二次分类,再将二次分类结果作为图像初始分割,最后利用迭代条件模型和马尔科夫随机场(ICM-MRF)获得图像的最终分割结果。为了验证所提方法的有效性,该文使用瑞士Bern地区在1999年4月和5月的ERS-2遥感数据以及加拿大Ottawa地区在1997年5月和8月的Radarsat遥感数据进行实验,并用该方法对中国鄱阳湖地区2020年6月和7月的Sentinel-1-A遥感数据进行了洪灾检测实验,估计了鄱阳湖附近区域洪灾前后的受灾范围和变化趋势。实验结果表明该文算法总体检测误差较低,一定程度上降低了检测结果的错误率,提高了检测结果的精度。

基于像斑空间关系的遥感图像分类

为充分挖掘遥感图像本身包含的空间关系信息,弥补基于光谱信息的传统图像分类方法的不足,提高分类精度,提出了一种基于像斑空间关系的遥感图像分类方法。通过图像分割获取像斑,利用最大似然法获取初始分类结果,引入马尔科夫随机场对像斑的空间关系予以描述,通过地物的类别邻接矩阵定量地描述各地物类别之间的空间关系,从而对图像的分类结果进行修正,最后采用条件迭代的方法获取最终的图像分类结果,精度较好。实验结果表明,该方法应用于高分辨率遥感图像可取得较好的分类效果。

基于几何结构测度的路面裂缝图像分割算法

针对裂缝形态多样性和分布随机性使得传统裂缝图像分割算法的泛化能力弱的问题,提出一种基于几何结构测度的路面裂缝图像分割算法。首先,采用瑞利分布和高斯分布对裂缝图像背景和目标进行建模,并用期望最大化算法求解裂缝灰度混合模型参数;然后,通过高斯核函数与图像的卷积计算裂缝的边界映射,用梯度矢量流场构造裂缝图像Hessian矩阵,由Hessian矩阵描述裂缝测度函数并获取裂缝多尺度特征向量;最后,将裂缝多尺度特征向量和灰度混合模型融合到马尔可夫随机场,基于最小能量准则,利用条件迭代算法求解裂缝最大标号场来实现裂缝图像分割。实验表明,与仅依靠灰度特征的传统裂缝图像分割算法相比,所提算法综合指标达88.02%、重叠率达54.92%,优于其他算法,具有良好的噪声抑制能力和泛化能力。

融合高阶多尺度特征的路面裂缝图像分割算法

针对裂缝图像的光照不均匀、斑马线等复杂背景使得传统的裂缝图像分割算法容易丢失细微及末梢裂缝等问题,本文提出了一种基于泰勒级数和多尺度特征的裂缝图像分割算法.首先,采用瑞利和高斯分布构成的有限混合模型对裂缝背景和目标进行建模,并使用期望最大化算法求解混合模型的参数;然后,通过泰勒级数的展开式描述裂缝的梯度方向,利用尺度变换构造裂缝图像的高阶多尺度特征;最后,将灰度有限混合模型和裂缝高阶多尺度特征融合到马尔科夫随机场模型,通过条件迭代算法优化求解裂缝标号场最大后验概率来实现图像分割.性能测试和不同算法对比分析实验表明,本文算法在保证裂缝几何参数不变的前提下能够抑制非裂缝目标并保留低对比度、细微和末梢裂缝,分割准确率达到85.93%、灵敏度达63.87%,衡量指标优于其他算法.

信息抽取技术研究与探讨

对信息抽取技术的发展背景、概念进行了概述。详细介绍了信息抽取中研究的四个关键技术:命名实体识别、实体关系抽取、指代消解及事件探测。根据采用模型的不同,对信息抽取进行了分类介绍,分别指出了各类抽取方法的优点、缺点及研究难点。最后,对国内外在信息抽取领域中的研究现状及应用状况进行了分析,进一步说明了信息抽取技术的发展趋势。

遥感影像土地覆盖分类的多点地统计学方法

提出了一种基于多点地统计学理论的遥感影像分类后处理方法。此方法从训练图像中提取先验的空间结构信息,推断类别的空间分布模式和相关关系,训练图像中能够建立包含空间关系的模型,比传统变异函数模型所表达的点对之间的关系更为丰富。将此方法应用于从Landsat TM影像中提取湿地类别,与空间平滑法和基于马尔科夫随机场的分类方法相比,其总体分类精度有所提高,且对曲线分布的地物类别的处理具有明显优势。