基于CNN-ELM的SAR图像分类识别

针对传统卷积神经网络(CNN)中Sigmod激活函数求导计算量大,提取SAR图像特征效率不高的问题,本文将CNN中的Sigmod激活函数改进为Relu激活函数,并结合极限学习机(ELM)算法,提出了基于CNN-ELM算法的SAR图像识别算法,通过对SAR图像进行分类识别的实验表明,该算法能实现网络的稀疏性,缓解过拟合问题,加快网络的收敛速度,并且具有更高的识别率.     

基于Boosting的BAN组合分类器

Boosting是一种有效的分类器组合方法,它能够提高不稳定学习算法的分类性能,但对稳定的学习算法效果不明显.BAN(BN augmented Naive-Bayes)是一种增强的贝叶斯网络分类器,通过Boosting很容易提高其分类性能.比较了GBN(general BN)和BAN的打包分类器Wrapping-BAN-GBN与基于Boosting的BAN组合分类器Boosting-BAN.最后通过实验结果显示了在大多数实验数据上,Boosting-BAN分类器显示出较高的分类正确率.     

基于四点插值细分小波的SAR图像去噪

针对SAR图像去噪过程中存在降低相干斑与保持有效细节这一矛盾,提出了一种基于四点插值细分小波的SAR图像去噪算法,该方法将小波和细分方法相融合,将四点插值细分规则应用到细分小波中,提出了图像去噪的新方法.该算法先用四点插值细分小波对原始图像进行分解,然后用Bayes自适应阈值及阈值函数对图像进行去噪,最后对去噪的小波系数进行重构,并通过等效视数、边缘保持指数等评价指标对去噪结果进行了评价.实验结果表明,算法的等效视数、边缘保持指数都有所提高,去噪效果得到了优化.     

基于多特征与卷积神经网络的SAR图像分类方法

针对合成孔径雷达图像的分类优化方法,提出一种基于多特征与卷积神经网络的SAR图像分类方法Canny-WTD-CNN.将Canny算子提取的边缘特征,与小波阈值去噪法提取的小波特征进行自适应融合,作为卷积神经网络的输入;以softmax为分类器,对SAR图像进行分类识别检测.最后利用MSTAR公开数据集的三类目标数据进行试验,并给出该方法与其他方法结果的对比,表明该方法的有效性,识别率达到99.14%.     

基于AdaBoost和深度残差网络的时间序列分类

时间序列分类(TSC)是数据挖掘领域中重要且富有挑战性的问题之一.首先将时间序列数据按照Gramian Angular Summation/Difference Field(GASF/GADF)、Markov Transition Field(MTP)、Recurrence Plot(RP)四种方式编码成图像,然后利用深度残差网络(ResNet)对编码的图像进行分类.为了充分利用四种编码图像的的信息以及提高分类的性能,使用AdaBoost对基分类器进行集成.ResNet在反向传播过程需要保存每一层的激活值,为了减少集成过程的内存消耗,利用可逆残差模块对传统残差模块进行替换.在计算分析阶段,从UCR数据中选取部分数据集进行测试,并将测试结果与当前最优的结果进行对比,实验结果表明所提算法的有效性.     

基于人脸重要特征和SVM的人脸识别方法

提出了一种基于人脸重要特征的人脸识别方法,首先选取人脸的重要特征并将其具体化,对得到的重要特征进行主成分分析,然后用支持向量机(Support Vector Machine,SVM)设计重要特征分类器来确定测试人脸图像中重要特征,同时设计支持向量机(SVM)人脸分类器,确定人脸图像的所属类别.对ORL人脸图像数据库进行仿真实验,结果表明,该方法要优于一般的基于整体特征的人脸识别方法并有较强的鲁棒性.     

基于SVM的高分辨率遥感图像的分类方法研究

SVM(Support Vector Machine,支持向量机)分类算法是一种在高分辨率遥感图像分类中逐步得到重视的算法.首先详细介绍了SVM算法的数学原理,其次给出了基于SVM的高分辨率遥感图像分类方法的模型建立、光谱特征提取以及分类器设计,然后在AVIRIS标准多波段遥感数据集Indian Pines上进行了仿真,通过混淆矩阵和kappa系数评价了分类性能,最后以作者所在高校地区高分图像分类为例,验证了方法在高分辨率遥感图像地物分类上的有效性.     

基于LBP算子和类覆盖捕获图的人脸检测算法

针对传统人脸检测中的过分类问题,提出一种结合LBP算子与类覆盖捕获图的人脸检测算法.该算法首先用ε-LBP算子提取人脸图像纹理特征,并把对应不同ε值提取的LBP特征数据加权融合起来,形成人脸图像特征向量,然后采用类覆盖捕获图构造分类器,最终对人脸图像实现有效检测.与传统方法相比,基于随机图理论的类覆盖捕获图能够克服过分类缺陷,比其他近邻图分类器更具优势,性能也比较稳定.实验结果表明,该算法可以有效检测人脸图像,尤其对存在模糊和光照异常的人脸图像具有较高的精确度和鲁棒性.     

基于字典学习方法的CT不完全投影图像重建算法

对于不完全投影角度的重建研究是CT图像重建中一个重要的问题.将压缩感知中字典学习的方法与CT重建算法ART迭代算法相结合.字典学习方法中字典更新采用K-SVD(K-奇异值分解)算法,稀疏编码采用OMP(正交匹配追踪)算法.最后通过对标准Head头部模型进行仿真实验,验证了字典学习方法在CT图像重建中对于提高图像的重建质量和提高信噪比的可行性与有效性.另外还研究了字典学习中图像块大小和滑动距离对重建图像的影响     

基于PICCS的非局部TGV能谱CT重建算法

能谱CT将宽谱划分为窄谱,导致通道内光子数目明显减少,加大了噪声影响,故从噪声投影中重建出高质量图像是能谱CT的一个研究热点.传统全变分(total variational,TV)容易造成重建图像中出现块状伪影等问题,总广义全变分(total generalized variation,TGV)算法可以逼近任意阶函数,再结合非局部均值算法的思想,同时考虑到不同能谱通道下重建图像的相关性,将高质量全能谱重建图像作为先验图像指导能谱CT重建,提出了基于先验图像约束压缩感知(prior image constrained compressed sensing,PICCS)的非局部TGV重建算法.实验结果表明,所提算法在抑制噪声的同时能够有效复原图像细节及边缘信息,且收敛速度快.