基于多特征和改进稀疏表示的高光谱图像分类

为了实现对高光谱图像的分类,提出了一种基于多特征和改进稀疏表示的方法——MFISR。从高光谱图像中提取光谱特征、Gabor特征和局部二值模式(LBP)特征,求解稀疏系数,同时增加一个2范式约束,利用所得系数得到每个测试像素的最终类别标签。实验结果表明:所提MFISR方法对小样本的检测效果显著,分类性能稳定且较优。     

基于二维图像表示的人脸识别算法研究

尽管传统的人脸识别技术已经有了非常大的进步,在很多方面仍然存在一定的缺陷。文章对二维图像进行了深层次的分析,从二维图像的特征、研究意义以及应用范围进行讨论,再结合人脸识别技术和算法从4个不同的角度切入,对二维图形表示的人脸识别算法进行了详细阐述。     

面向目标检测的稀疏表示方法研究进展

目标检测作为图像理解的一个基础而重要的课题深受国内外学者的重视,在军事和民用中具有广泛应用.应用背景的多样性和复杂性使得传统目标检测算法难以克服复杂背景、噪声干扰、光照变化以及非刚体形变、遮挡、弱特征、尺度、视角和姿态变化等因素的影响.近些年来发展起来的稀疏表示方法为图像处理及目标检测研究提供了新的思路,本文概述了稀疏表示基本概念和理论研究进展,综述了稀疏表示方法在目标特征学习、目标分类器和滤波器设计以及多源信息融合目标检测等目标检测领域中的国内外重要研究进展,并展望了稀疏表示方法在目标检测领域的发展方向.     

利用HSSIM和残差比阈值的3维激光扫描图像去噪

为了更好地实现3维激光扫描图像的去噪,提出一种融合直方图结构相似度(HSSIM)和残差比阈值的改进稀疏去噪算法。利用初始化过完备字典进行稀疏分解,以相似因子代替重构误差作为保真项,利用残差比阈值作为正交匹配追踪算法的迭代终止条件对图像进行去噪,获得了去噪后图像的峰值信噪比及HSSIM指标。结果表明,与基于db2小波变换、多尺度曲波变换和离散余弦变换的去噪方法相比,该算法能获得更好的峰值信噪比和HSSIM数据。在有效去除图像噪声的同时还能更有效地保留图像的细节特征。     

非平稳确定性信号与非平稳随机信号统一分类法的探讨

根据信号通过线性系统可产生新信号的理论,对非平稳确定性信号与非平稳随机信号的统一分类方法进行了深入研究,分别给出格林函数描述的线性时变系统法、调制函数作用于边界稳定线性系统的自激振荡正弦波法、随机输入线性时不变系统与边界稳定的与不稳定的线性系统组合法。这3种分类法便于对非平稳确定性信号与非平稳随机信号进行统一分类研究,并具有比较全面与系统性好的优点。     

基于特征融合稀疏表示的JPEG隐写分析

提出一种新的JPEG图像隐写分析方法,即基于特征融合的稀疏表示隐写分析方法。首先介绍所选特征的提取方法并分析所选特征之间的互补性与冗余性,然后利用主成分分析方法将所选特征降维进行融合,最后在此特征上利用向量总变差进行稀疏求解,用稀疏表示进行隐写检测。理论分析和实验表明该方法比单一特征的稀疏表示具有更高的识别率。     

基于多重稀疏字典的行人检测方法

针对于稀疏编码在行人检测问题中提取的特征维数高和不能够有效描述行人的问题,提出了一种基于多重稀疏字典直方图的特征提取方法。通过稀疏表示方法,预先学习多个不同稀疏度的字典,分别利用每一个字典对行人图像进行稀疏编码,统计每个字典中对应稀疏编码单元的分布直方图作为行人图像的特征描述子。该方法提取到的特征维数低,并且能够有效地描述行人,具有良好的检测性能。     

基于概率密度演化的输电塔-线体系抗风可靠性分析

以三线两塔直线段输电塔-线体系为工程对象,应用有限元数值模拟,建立了基于概率密度演化的输电塔-线体系抗风可靠性分析方法。首先,应用谱表示-降维方法模拟结构脉动风场,生成风荷载的代表性样本集合。然后,结合概率密度演化理论,分析了输电塔-线体系考虑气弹效应的随机动力反应。最后,应用等价极值思想构建了风荷载作用下输电塔-线体系失效准则,进而对输电塔-线体系的抗风可靠性进行精细化分析。本文结合谱表示-降维方法与概率密度演化理论,实现了仅用较少数量的代表性样本来精细地分析结构的抗风可靠性,为工程实践提供参考。     

双圈拟阵

Sim■es Pereira于1992年提出双圈拟阵.本文讨论了(i)双圈拟阵及其秩函数;(ii)次模函数在双圈拟阵中的应用;(iii)双圈拟阵B(G)的横贯拟阵.主要结果:1°由圈矩阵Bf=[I,Bf12]和圈秩的概念,推出M(f0)为双圈拟阵;2°证明了双圈拟阵B(G)等于由子集族{Av∶v∈V(G)},e与v在G中相关联}所确定的横贯拟阵;3°用不同于Matthews(1977)的方法证明了(iii).     

基于感知偏序模型的图标视觉复杂度研究

视觉复杂度分析是计算机视觉研究的重要分支。当前主流研究方法采用基于用户数据的统计概率模型进行定量评估,这样虽能获得统计型结论,但由于缺少对潜在逻辑规则的考虑而无法逼近用户真实模型。用户感知评价的不稳定性常常导致训练模型收敛困难或者次最优现象的出现。本文针对此问题,结合用户感知评价特征与视觉特征的关系,提出基于用户感知偏序关系的视觉图标复杂度分析模型。针对感知数据难以获取和表示的困难,本文提出基于二比较的偏序关系表示用户感知特征;采用可信度预处理减少用户评价数据矛盾冲突对于模型预测的影响。通过提取特定的可视化特征,本文提出改进的SVM模型对基于偏序对的感知数据进行训练获得图标视觉复杂度感知模型。通过进行Pearson、Kendall和Spearman系数的对比,本文预测模型在中国大学图标数据库上与人工评价结果高度相似(>90%)。与最新算法的对比结果证实了本文算法的有效性和先进性。