基于多层次相容粒度的图像分类

通过图像块的局部特征生成图像特征的空间分布信息和层次信息,提出了基于相容粒度空间的图像特征分层分类方法.该方法体现了基于粒计算从粗到细对图像进行分类的原理;实验测试说明了所提出方法有效.     

乳腺X线图像肿块分类方法研究

乳腺X线图像肿块的良恶性分类是计算机辅助诊断的研究内容之一,本文对乳腺X线图像肿块边缘分割及不同特征的肿块良恶性分类进行研究.基于最大化分割后图像类间方差的思想,提出了一种改进控制标记分水岭方法完成粗分割,然后采用无边缘活动轮廓(CV)模型对粗分割结果进行修正.为了验证不同特征在肿块良恶性分类中的性能,对现有形状特征、纹理特征在不同分类器下的分类性能进行测试.实验在开源数据库DDSM上验证,结果表明,在通过自动分割方法得到肿块边缘的情况下,纹理特征的分类性能更好.     

一种基于光谱与纹理特征的多光谱遥感图像地物分类方法

基于光谱特征对高分辨率多光谱遥感图像进行地物分类易形成噪声,提出一种光谱特征与纹理特征相结合的地物分类方法。首先基于光谱特征与纹理特征利用四叉树技术,对图像进行分块处理,以图像块的方式提取地物的光谱特征和纹理特征,然后采用支持向量机(support vector machine,SVM)对图像块进行地物分类,并通过区域增长方法对边缘区域进行处理,使得分类区域边界清晰。对Quickbird多光谱遥感图像进行实验,实验结果表明,该方法地物分类结果精度较高、区域一致性强、噪声少。     

基于颜色与边缘分布的足球视频镜头分类方法

针对足球视频镜头的特点,提出了一种基于颜色与边缘分布的视频镜头分类方法.首先利用高斯混合模型(GMM)对草地颜色建模,然后利用已建立的GMM计算出每个镜头的草地颜色分布特征.针对颜色特征对光照的敏感性,提出利用边缘分布作为颜色特征的补充,二者的结合突出了不同镜头的特点.利用所提出的特征,采用适合小样本分类问题的支持向量机(SVM)对足球视频镜头分类.实验表明,新方法的平均分类准确率可达92%以上.     

基于机器学习的边缘检测方法研究

传统的边缘检测方法具有一定的局限性,且自适应能力差,提出一种基于机器学习的边缘检测方法来解决上述问题.实验图像从伯克利图像数据库中选取,以Harr和梯度直方图(HoG)构成特征空间,将AdaBoost算法和决策树算法相结合进行分类器训练.实验结果表明,机器学习的边缘检测算法有更高的分类准确率.     

基于图像边缘检测的扭曲文档矫正

扭曲的文档图像会干扰文档图像的光学字符识别（Optical Character Recognition,OCR）.为了对扭曲形变的文档图像进行矫正，提高扭曲文档识别的正确率，基于目标检测与分割的网络，提出文档图像的边缘检测方法，使用贝塞尔（Bezier）曲线拟合文档图像的边缘曲线，通过目标检测的算法回归Bezier曲线的控制点.将文档图像的边缘检测转化为边缘曲线Bezier控制点的回归，使用文档的边缘点计算扭曲文档矫正后的矩形模板，然后将文档图像通过薄板样条插值（Thin Plate Spline,TPS）算法重映射到矩形模板中，完成文档的矫正.实验结果表明，提出的矫正方法能够对扭曲文档进行精确的边缘提取，和其他算法相比，经该算法矫正后的文档图像，其OCR的正确率有较大的提升.     

基于综合特征的花卉种类识别方法研究

提出了1种基于综合特征的花卉识别方法﹒该方法首先利用图像显著性进行分割,以实现前景背景分离;然后分别提取花卉的颜色特征、形状特征和纹理特征,在提取纹理特征时,为了提高特征对花卉的表述能力,对图像进行边缘增强和压缩处理;最后使用SVM分类器进行分类识别﹒实验分别与BP神经网络、KNN最近邻分类这2种分类方法进行了对比分析,相对于BP神经网络的分类识别率(85.81%)和KNN最近邻分类的识别率(84.09%),基于综合特征的识别方法具有更高的准确率,识别率可以达到93.7%﹒     

基于SVM分类的图像边缘检测研究

针对经典边缘检测算子检测含噪声图像边缘结果不理想的问题,提出采用基于统计学习理论的支持向量机(Support Vector Machine,SVM)方法建立分类模型,并对图像进行边缘检测.实验基于MATLAB平台,运用OSU_SVM3.0和LS_SVM工具箱建立模型,实验表明:该方法不仅可以有效地检测图像边缘,还在一定程度上克服了噪声干扰,并可以将被测图像中的特定图形检测出来.     

基于Laplace谱结构特征和局部特征的图像分类

鉴于常规词袋模型中图像局部特征对图像信息表达不全面的特点,提出一种基于图像Laplace谱结构特征与局部特征相结合的图像分类方法.在提取基于图像均匀划分的Laplace谱结构特征后,对图像进行尺度不变特征变换(scale-invariant feature transform,简称SIFT)的抽取及描述;构造基于图像特征的视觉词典;根据视觉词典对图像特征进行量化,得到图像的全局特征直方图表示;构造支持向量机(support vector machine,简称SVM)分类器并进行图像分类.实验验证了该方法对图像进行分类的有效性与可行性.     

基于聚类和双向门控循环单元 条件随机场的多类型流式文档结构识别

流式文档结构识别对于文档自动排版和优化、信息检索等领域有着重要作用.以往针对流式文档结构识别主要集中于学术论文领域,对于其他诸如公文、报告等多类型的文档结构识别研究较少.针对此现状,使用聚类的方法对文档进行分类,在此基础上提出了针对不同文档分类的、基于双向门控循环单元-条件随机场(bidirectional gated recurrent unit-conditional random field,BIGRU-CRF)的文档结构识别方法,以此来解决多类型文档结构识别的问题.实验结果表明,该方法不仅能够提高学术论文结构识别的效果,对其他类型的文档结构也能够进行较好地识别.     

基于组合隶属度FSVM的图像边缘检测

文中提出了一种新的边缘检测方法——基于组合隶属度模糊支持向量机(FSVM)的图像边缘检测.通过对这种新的FSVM分类算法建立边缘检测的模型对加入椒盐噪声状态的图像进行边缘检测的实验.仿真实验结果表明,新的算法稳定性高,抗噪性能好,具有更好的检测效果.     

一种基于WMF-ACA的深度图像修复算法

针对RGBD相机由于硬件条件的限制,所获取的深度图像往往存在空洞与噪声的问题,提出一种彩色图像引导的深度图像空洞填补方法.对深度图像边缘区域采用基于局部直方图的加权模式滤波器(WMF)进行处理,在有效保留深度图边缘与细节的前提下,消除图像噪声.对深度图像非边缘区域采用一种异步元胞自动机(ACA)模型算法,根据邻域和迭代规则对深度图空洞进行填补,快速、准确地完成任务.在立体匹配数据集Middlebury上测试所提算法实现性能,实验结果表明:该算法的结构相似性(SSIM)与峰值信噪比(PSNR)更高,能够准确地填补深度图空洞,同时保持深度图边缘清晰.     

基于局部二元模式算子的人脸性别分类方法

提出了两种基于局部二元模式(Local Binary Pattern,LBP)算子的人脸性别分类方法:级联LBP方法和boosting LBP方法.前一种方法遵循从局部到整体的级联策略,使用LBP算子对由小波分解得到的细节图像进行特征提取,以达到扩充特征提取范围和增强所提取特征的有效性的目的,随后采用自适应加权机制对人脸图像的各个分块赋以不同的权值.后一种方法采用可变尺寸的子窗口对人脸图像进行扫描,在扫描所得的每个子窗口中,使用LBP算子对该子窗口提取LBP直方图.计算样本图像的LBP直方图和模板的LBP直方图之间的度量,并由此构建弱分类器集.利用Adaboost算法选取最有效的若干个弱分类器集组合成为强分类器.进行了三个基于LBP算子的人脸性别分类实验,实验所使用的训练集和测试集皆选自FERET人脸数据库.实验结果证明:LBP算子能有效地从人脸图像中提取出针对人脸性别分类的特征,并可以达到人脸性别分类的目的.所提出的两种基于LBP算子的方法可以有效的解决传统LBP方法所存在的特征提取范围有限、加权机制客观性不足等问题.     

基于遥感图像的虚拟地形仿真建模方法

传统虚拟地形建模通常采用基于人工设计的过程化生成方法,无法满足军事仿真等需要对真实环境进行还原的仿真建模任务.针对此类任务,提出了一种基于遥感图像的虚拟地形仿真建模方法,其核心是地形混合纹理生成网络(landscape blended texture generation network, LBTG-Net).该方法利用地形混合纹理生成器(blended texture generator, BTG),在风格鉴别器(style discriminator, SD)以及多级分类损失的约束下生成地形混合纹理贴图,基于该混合纹理贴图生成结果对地形环境进行程序化构建.该方法包含2个核心特点:(1)对输入遥感图像进行准确的地表覆盖类型分类,以保证对输入遥感图像环境的还原;(2)生成高质量地形混合纹理贴图,以提高虚拟地形建模质量. LBTG-Net使用Sentinel-2多光谱遥感图像数据集进行训练和验证.实验结果表明,该方法在各地表覆盖类型分类评价指标下均有良好表现,能够在准确还原输入遥感图像的环境分布的同时完成高质量虚拟地形仿真建模.     

基于图像块分类的加权结构相似度

基于结构信息的图像质量评价方法--结构相似度(SSIM)方法计算简单、性能优越,但该方法仅简单地将各子块SSIM的平均值作为整幅图像的平均结构相似度(MSSIM),而人眼对图像不同区域的视觉灵敏度不同.为此,文中提出了一种基于图像块分类的加权平均结构相似度(WSSIM)的图像质量评价方法,即先将图像分块并将子块区分成边缘块、细节块和平滑块三类,然后对不同类型块的SSIM值赋予不同的权值,最后计算得到整幅图像的WSSIM.实验结果证明,文中方法明显优于MSSIM和基于方差加权的SSIM.     

基于改进MRF的高分辨率SAR图像中建筑物轮廓提取算法

本文提出了一种基于改进马尔科夫随机场模型(MRF)的高分辨率SAR图像建筑物轮廓提取的方法.该方法首先引入了自适应的权重系数来改善邻域系统对先验能量项的影响,从而使分类结果更加准确.其次,利用Fisher分布来描述观测图像每一类的边缘分布,并且估计Fisher分布的参数;然后,根据改进的MRF对图像进行分类;最后,利用面向对象的方法,利用建筑物的形状特性及空间关系来提取建筑物.实验结果表明该方法可以较好地提取出建筑物的轮廓.     

基于Mask R-CNN的满文文档版面分析

提出一种基于Mask R-CNN深度学习框架的满文文档版面分析方法,将满文文档版面分析问题转化为基于深度学习的图像实例分割问题。使用ResNet101网络和FPN网络构成的卷积神经网络自动提取满文文档图像特征,特征图经过RPN网络和RoI Align层生成新的特征图。新特征图经过全连接层完成感兴趣区域的类别和边框预测,并经过全卷积神经网络对感兴趣区域的像素进行分类得到mask预测,最终实现满文文档图像的实例分割。通过《新满汉大辞典》的文档图像构建了满文文档图像数据集,算法在该满文文档图像数据集上进行了实验。实验结果表明,本算法在满文文档版面分析中取得了较好的检测和分割效果。     

基于边缘和像素类型标记的立体匹配算法

提出一种基于边缘图像特征和像素类型标记的立体匹配算法,利用边缘信息及视差在边缘和非边缘区域的分布特征,指导有效初始视差在扫描线方向的传递。并且根据标记值对部分不可靠的像素点进行反向赋值和边缘内中值滤波处理,达到视差精化目的。实验证明这种方法对于整体视差范围不太大的远距离图像,能够获得较为精确的稠密视差图。     

基于卷积神经网络的灾难场景图像分类

为了对灾难场景图像进行快速分析和识别,提出了一种基于多分辨率卷积神经网络和残差注意力机制(attention module)相结合的图像分类模型.首先,对灾难场景数据集进行预处理,在相同类型的条件下将其随机划分为训练集和测试集.基于改进的卷积神经网络(convolutional neural network,CNN),提取训练集的图像特征.使用训练集图片的特征进行训练,并且在测试集图片上实现分类测试.选取DenseNet、Xception和MobileNetV2三种模型,以灾难场景数据集(Disaster_Data_Scenes)为数据集进行实验验证.结果表明:改进的Xception和MobileNetV2网络在灾难场景数据集上进行的图像分类实验测试,比原网络精度分别提升了4.56％和3.04％.其中改进的DenseNet网络比原网络模型精度分别提升9.13％、17.88％和10.27％.可见改进的卷积神经网络模型的分类精度得到有效提高.     

基于支持向量机语义分类的两种图像检索方法

为了更好的解决基于内容的图像检索问题,提出了2种基于语义的图像检索方法.第1种是基于支持向量机(SVM)语义分类的图像检索方法.该方法首先提取训练图像库的底层特征信息,然后利用SVM对所提取的特征进行训练,构造多分类器.在此基础上,利用分类器对测试图像自动分类,得到图像属于各个类别的概率,实现图像检索.第2种是利用图像自动标注方法进行检索.在基于语义的图像自动标注中,先对训练集进行人工标注,对测试图像利用SVM分类器进行分类,并找到与该图像最相似的N张构成图像集,对该图像集的标注进行统计,找到关键词,从而提供概念化的图像标注以用于检索.通过在标准图像检索库和自建图像库上的实验结果表明,以上2种基于语义的图像检索方法是高效的.