基于有效特征选择的高价值移动通信用户预测方法

高价值移动通信用户预测是电信客户关系管理中的一项重要内容。针对建立预测模型时遇到的高维、大规模、类不平衡等数据处理问题,提出了一种基于有效特征选择的预测方法。利用欠采样方式从初始不平衡数据集提取多个平衡训练集,使用结合Pearson相关性分析和随机森林特征重要性评估的特征选择策略,在集成学习方法中嵌入加权和投票机制获得最优的特征子集,最后采用随机森林算法建立预测模型。实验结果表明,该预测模型可以有效降低特征集的维度并提升对高价值移动通信用户的预测性能。     

基于图像特征的卷积核初始化方法

针对当前卷积核初始化方法易导致网络不稳定及主成分分析算法对网络结构限制的问题, 提出一种基于图像特征的卷积核初始化方法. 该方法先结合模糊处理技术和边缘处理技术对图像进行采样, 再将采样后的数据随机分组, 使用主成分分析算法提取各组数据的主成分, 初始化卷积核. 将该方法应用于数据集Cifar-10和Corel-1000, 并与Gauss初始化方法和He初始化方法进行对比测试, 实验结果表明, 该方法性能优于其他卷积核初始化方法.     

一种基于非降采样Contourlet变换的遥感图像融合方法

给出了一种非降采样Contourlet变换和HIS变换相结合的遥感图像融合算法.非降采样Contourlet变换是一种平移不变的小波变换方法,且具有良好的方向选择性,其对图像做多分辨率分析得到的高频子带,有效地表达了图像中的细节特征信息.结合HIS变换,非降采样Contourlet变换将细节注入到多光谱图像得到的融合图像,不但具有较高的空间分辨率,而且有效保持了多光谱图像的光谱特征.实际的SPOT全色图像和TM多光谱波段融合结果表明,所提议方法的性能优于目前广泛使用的小波域方法如离散小波变换和A Trous小波变换以及Contourlet变换等融合方法.     

一种运用随机算法改进的图像检索方法

传统基于局部特征表示的图像检索方法在图像特征提取和特征相似性匹配时计算量较大,为此提出一种运用随机算法进行改进的图像检索方法。在图像特征提取方面,通过随机采样获得数量适当的像素点作为特征点,用SIFT（scale invariant feature transform）算子对随机特征点进行描述以形成图像的有效表示;在特征相似性匹配方面,采用基于随机映射的LSH（locality sensitive hashing）算法为图像特征库建立索引,并用于对所查询图像的局部特征进行高效的近似近邻搜索。实验结果表明,该方法有效降低了图像检索的计算复杂度,提高了检索效率。     

结合PCNN和局部能量的NSST域声呐图像融合

针对声呐图像局部特征模糊和边缘信息丢失的问题,提出一种结合参数自适应脉冲耦合神经网络和改进的局部能量融合规则的非下采样剪切波域声呐图像融合方法。利用非下采样剪切波变换将多幅源图像分解为高频系数和低频系数,采用参数自适应脉冲耦合神经网络对高频系数进行处理,整合图像边缘信息;对传统局部能量融合规则进行改进,并应用在低频系数的处理中,保留图像的大部分原始能量。最后,将处理后的高频系数和低频系数进行重构,实现声呐图像的融合。仿真结果表明,该方法可将源图像中的边缘信息和特征信息有效传递到融合图像中,使声呐图像质量得到较大提升。     

基于级联注意力与密集特征融合的图像修复算法

针对图像修复算法存在的语义不连贯、纹理不清晰等问题，提出一种基于生成对抗网络的新型级联密集生成网络CDGAN(Cascade Densely Generative Adversarial Network),采用encoder-decoder作为生成器主干，利用下采样提取图像特征；为使网络关注修复图像的高频纹理和颜色保真度等有效信息，引入级联的注意力模块，并加入密集特征融合模块扩大网络的整体感受野，充分学习图像特征，提高编码器提取特征的利用率，最后将处理后的图像特征进行上采样重建。在Celeb A和Places2数据集的测试结果表明，CDGAN在语义连贯性、纹理清晰度等方面都有所提升。     

基于三维虚拟vr的历史街景重现技术

传统方法采集点云数据时容易丢失信息,无法保证历史街景重现的完整性。为此,提出一种新的基于三维虚拟vr的历史街景重现技术,对采集的0像素值点进行去噪处理,防止大量空洞产生。通过取交集对由三维采样点构成的集合进行多帧融合处理,求出各三维采样点的深度可信度,根据深度可信度排序对三维采样点进行无重复融合处理,获取历史街景完整三维点云。依据ICP法,通过不停查找对应点集及运算变换关系的过程,找到目标点集与参照点集间的旋转矩阵与平移向量,将感兴趣重建部分从整个场景中分离实现点云配准。将历史街景三维重建模型添加至Google Earth平台,在Google Earth平台实现历史街景重现。实验结果表明,所提方法能够有效实现历史街景重现,重建精度高、完整性强。     

一种新型Mobile Unet网络的肺结节图像分割方法

针对医学图像分辨率小、边缘模糊、感兴趣区域(ROI)边界不明显造成的分割不准确性问题,提出一种新型Mobile Unet网络的肺结节图像分割方法.该方法首先使用MobileNet中bneck模块替换Unet网络的下采样部分,并对输入图像进行特征提取;然后,将下采样提取的特征按照Unet网络连接方式融合到上采样部分;最后...     

利用空间序列描述子的快速准确的图像配准算法

针对基于局部结构特征的图像配准算法对特征描述不够精确、外点剔除过程运算复杂度高的问题,提出了一种利用空间序列描述子的快速准确的图像配准算法。算法定义了一种基于空间序列的特征点描述子,通过定义特征点间的连接权值和排列顺序构成点的特征来描述,融合了图像局部结构和全局信息;通过对随机采样一致性检验的改进,采用投票策略和随机采样一致性检测的方法,解决外点剔除问题;利用空间序列描述子进行图像配准,通过配准和外点剔除交替迭代进一步提高配准精度。定量分析与实验结果表明:与传统的特征点匹配算法相比,该算法具有结构简单、易于实现的特点,具有配准精度高和计算时间少的优点,具有较高的复现率和准确率。     

基于三维虚拟现实的历史街景重现技术

传统方法采集点云数据时容易丢失信息,无法保证历史街景重现的完整性。为此,提出一种新的基于三维虚拟现实的历史街景重现技术,对采集的0像素值点进行去噪处理,防止大量空洞产生。通过取交集对由三维采样点构成的集合进行多帧融合处理,求出各三维采样点的深度可信度,根据深度可信度排序对三维采样点进行无重复融合处理,获取历史街景完整三维点云。依据ICP法,通过不停查找对应点集及运算变换关系的过程,找到目标点集与参照点集间的旋转矩阵与平移向量,将感兴趣重建部分从整个场景中分离实现点云配准。将历史街景三维重建模型添加至Google Earth平台,在Google Earth平台实现历史街景重现。实验结果表明,所提方法能够有效实现历史街景重现,重建精度高、完整性强。     

基于多源大数据的轨道交通站域街道品质多维评价分析——以成都市三环内地铁站域街道为例

为了科学测度、准确评价站域街道的空间品质并实现有效优化,选取成都市73个地铁站域,以街道网络、POI（point of interest）、街景图片等多源大数据为支撑,运用机器学习、sDNA分析（spatial design network analysis）等技术,构建了以便捷性、功能性与舒适性为核心的评价体系,进行站域街道空间品质的大规模定量评价,并针对不同等级的站点提出了导控策略。结果表明,在城市整体层面,68.03%的站域街道评分低于中等水平,街道功能性与舒适性普遍较好,便捷性较差;在站域层面,街道空间品质呈现出南高北低、西高东低、内高外低的分布特征。研究使人本尺度的分析精度、站点尺度的分析深度和城市尺度的分析广度得以兼顾,有助于创建高效的城市管理动态反馈机制。     

基于四元数离散Fourier变换的医学图像融合算法

针对医学图像融合中易忽略色彩过渡区域的信息,导致融合图像中存在色彩失真与纹理模糊的不足,本文提出了一种四元数离散Fourier变换的多通道彩色医学图像融合方案.首先,为了降低噪声干扰与颜色失真,将图像分割为一定大小的图像子块.其次,通过四元(Quaternion Numbers, QN)虚数映射像素的R,G,B分量,将每个块转换成QN表示.然后,将每个RGB块从空域变换到频域,使大部分图像信息集中到原点附近或少数几个区域,引入四元数离散Fourier变换(Quaternion Discrete Fourier Transform, QDFT),得到每个子块的QDFT系数.再测量和比较源图像的对比度值来得到融合QDFT系数.最后,在每个块上应用逆QDFT后,结合变换子块获得新融合图像.实验表明:与当前医学图像融合方案相比,本文方法具有更好的融合质量,其输出图像具有更加丰富的边缘与纹理,以及更高的对比度与分辨率.     

云计算环境下大数据视频图像的尺度空间融合算法研究

针对传统算法融合图像质量差、清晰度低、损失图像包含信息的弊端,提出一种新的云计算环境下大数据视频图像的尺度空间融合算法,介绍了尺度空间理论。通过具有平移不变性特征的提升静态小波变换算法对云计算环境下大数据视频图像进行尺度空间融合,对待融合图像进行提升小波变换分解处理,获取不同尺度空间下的低频子带系数与高频子带系数。针对低频子带系数与高频子带系数给出各自的融合方案,获取融合图像的提升静态小波变换系数。通过提升静态小波逆变换获取最终的融合图像。从主观和客观两个方面对所提算法的融合效果进行测试。结果表明,所提算法主观融合效果好,通过客观评价指标对融合图像进行评价,发现所提算法得到的融合图像清晰度、质量佳,不会损失图像包含信息。     

基于残差密集块和自编码网络的红外与可见光图像融合

红外与可见光图像融合是复杂环境中获得高质量目标图像的一种有效手段,在目标检测与跟踪、图像增强、遥感、医疗等领域有广泛应用前景.为解决目前基于深度学习的红外与可见光图像融合方法中存在的网络无法充分提取特征、特征信息利用不充分和融合图像清晰度低的问题,本文提出了一种基于残差密集块的端到端自编码图像融合网络结构,利用基于残差密集块的编码器网络将图像分解成背景特征图和细节特征图,然后将两种特征图进行融合,再通过解码器进行重构,还原出最终的融合图像.测试结果表明,本文的方法可以得到清晰度高、目标突出、轮廓明显的融合图像,在SF、AG、CC、SCD、Qabf、SSIM 6个融合质量评估指标上与目前代表性融合方法相比均有不同程度的提升,特别是在融合图像清晰度上优势明显,且对于模糊、遮挡、逆光、烟雾等复杂环境图像有较好的融合效果.      

基于面特征和SIFT特征的LiDAR点云与航空影像配准

针对LiDAR数据与航空影像融合中的配准问题,提出一种将面特征与点特征相结合的配准方法,首先由LiDAR点云生成深度影像,对深度影像和航空影像提取面特征,在此基础上采用SIFT算子提取点特征,完成LiDAR点云与航空影像的配准。文中方法采取了由面特征到SIFT特征的配准策略,减少了面特征配准的数据量和SIFT算法的计算量。从ISPRS提供的数据集中选取了3组数据进行实验,实验结果表明该方法能有效减少SIFT算子的特征描述符的数量,减少寻找正确匹配点的时间,在保证配准精度的情况下提高配准的效率,适用于城市地区等包含大量面特征地区的LiDAR点云与航空影像配准。     

基于小波变换的医学解剖与功能像融合新算法

摘要： 近年来,用于从多模医学图像数据中挖掘有用信息的融合算法不断被提出。但是,还没有一种合适的算法用于医学解剖和功能像的融合。基于此,提出一种基于小波变换的新方法,用于医学解剖和功能像的融合。选择高频系数时,通过计算各子图像的全局梯度来实现高频信息的融合,使融合后的图像较好地保留解剖结构所对应的功能信息;低频系数采用基于邻域能量的融合算法,保留解剖图像的边缘和纹理特征。实验结果和评价参数表明,这种改进的医学图像融合算法强化了融合图像的边缘和纹理特征,有效地保留了原图像的解剖信息和功能信息。     

基于小面元配准的倾斜遥感图像拼接

针对倾斜遥感图像拼接中存在配准精度不高,重叠区域出现重影的问题,提出了利用三角网进行小面元配准及加权融合的拼接方法。首先求解全局单应性矩阵进行图像预对齐并利用转换矩阵提取图像重叠区域,然后利用特征匹配对构建重叠区域Delaunay三角网并对相应三角网逐个进行仿射变换实现精确配准,最后利用渐出渐入式融合消除图像重叠区域重影,提高了图像拼接目视效果。通过主观评价(CCIR500-1的主观评价标准)与客观评价(PSNR评价和SSIM评价)相结合的方式对图像配准及拼接质量进行评价。实验结果表明：该方法能够有效提高图像配准精度,消除图像拼接重叠区域的重影,相比于当前主要算法,该算法配准精度更高,图像拼接目视效果更好,能有效地应用到倾斜图像拼接领域。     

基于模糊变换耦合最大熵的医学图像融合算法

针对融合医学图像在过渡区微小细节及边缘信息不够清晰,边缘容易失真等问题,提出了一种基于模糊变换耦合最大熵值的多模态医学图像融合算法.首先,将待融合图像划分为大小相同的非重叠图像块,引入模糊变换对得到的图像块进行处理得到模糊子块,并利用邻域最大熵融合规则对模糊子块进行融合,获取新的融合子块;然后,将新的融合子块进行逆模糊变换,利用选择最大值融合规则,将逆变换得到的子块进一步融合生成最终融合医学图像.实验结果表明:与当前医学图像融合算法对比,本文算法在主观评价与客观评价指标边缘强度、信息熵、互信息、峰值信噪比上具有更大的优势,其融合图像边缘更加清晰,细节丰富,克服了边缘模糊与伪轮廓,更能够有效完成医学图像融合,实现了多模态医学图像信息互补.     

结合随机投影和稀疏表示的图像融合方法

引入压缩感知理论解决基于稀疏表示的图像融合方法中融合质量和数据压缩问题,探索在达到一定融合质量的同时降低融合所需计算代价的方法.该方法首先利用随机投影对待融合图像数据进行压缩,再对压缩数据进行稀疏表示得到稀疏系数,根据融合影响因子确定融合稀疏表示系数获得融合图像.实验验证了该算法的合理性和有效性,及在较低压缩比下具有与传统方法可比拟的融合质量.     

基于频域的图像增强技术的改进算法

在传输有限的情况下完成图像压缩传输,针对处理后的图像的主观视觉质量较差和低对比度下处理效果不佳的问题,本文提出了一种改进的基于DCT域块分类的CES图像增强算法。改进后的CES算法基于对图像块分类,对每个图像块判定类别,针对平滑块、纹理块、边沿块,分析图像块交界处块效应产生的原因并根据图像块背景特点,结合原CES算法并改进,对不同类型图像块采取合适的改进的图像增强算法,达到图像增强的目的,提高图像的主观视觉质量。仿真结果表明,改进的算法,以牺牲一些算法计算复杂度,针对纹理块和边沿块获得很好的图像增强效果同时,能够最大限度的抑制块效应,大大的提高了图片的视觉效果。