基于试验设计的ATR算法的性能评价

在试验设计方法学的基础上，提出了一种定量评价自动目标识别算法性能的方法；给出了几种刻划场景变化的图像质量指标的定义和度量方法；提出了用响应曲面模型方法建立算法性能模型和描述图像度量与算法性能之间统计关系的方法．实验结果表明，仅需要少量的测试图像就可得到可靠的算法性能模型和可信的评价结果．     

一种评价自动目标检测算法性能的方法

提出一种自动目标检测算法性能的评价方法，设计了一种实景目标背景图像合成方法，由此可以得到满足测试目标检测算法性能的要求且度量参数调整方便的测试图像集，确定了１６个图像质量度量指标，建立了性能评价的响应函数模型，采用因子分析，多元相关回归分析和Ｌｏｇｉｓｔｉｃ回归分析方法，研究算法性能与图像度量的统计关系。实验表明，所提出的目标检测算法性能评价方法是合理的。     

一种评价自动目标检测算法性能的方法

提出一种自动目标检测算法性能的评价方法，设计了一种实景目标背景图像合成方法，由此可以得到满足测试目标检测算法性能的要求且度量参数调整方便的测试图像集，确定了１６个图像质量度量指标，建立了性能评价的响应函数模型，采用因子分析、多元相关回归分析和Ｌｏｇｉｓｔｉｃ回归分析方法，研究算法性能与图像度量的统计关系，实验表明，所提出的目标检测算法性能评价方法是合理的。     

基于度量学习和层级推理网络的抽取式摘要方法

当前大部分的抽取式摘要方法主要关注对摘要句的表示和抽取，容易忽略对文本特征表示的充分性。为了解决这一问题，提出一种基于度量学习和层级推理网络的抽取式摘要方法。首先，在抽取式任务基础上提出基于度量学习和层级推理的抽取式摘要模型（MLHIN）；其次，在CNN/DailyMail数据集上进行模型评估，并在英文摘要数据集CNN/DailyMail上进行测试；最后，对测试结果进行验证。结果显示，所提方法模型在Rouge-1,Rouge-2,Rouge-L上的得分明显优于其他模型，比Lead-3模型分别高出0.84％，1.29％和2.43％；通过将提出的度量损失metric和层级推理模型中的句子编码器替换掉，可以看出模型性能均有不同程度的下降，证明了提出的层级推理网络和度量损失的有效性。新算法能够提高模型捕捉长距离依赖的能力，增强模型对摘要句与非摘要句的分辨力，有效改善了抽取式摘要方法的性能。     

AdaBoost图像到类距离学习的图像分类方法

近年来,距离度量学习已经成为图像分类领域的研究热点之一,图像到类距离的度量作为其中的一种方法,取得了不错的分类效果.该方法是一种非参数方法,但由于缺少训练学习,其分类性能很容易受干扰因素的影响,为此提出一种基于AdaBoost算法的图像到类距离学习的图像分类方法 .首先将图像到类的距离进行阈值化处理,并使用线性分段函数作为图像到类距离的评价函数,然后将该评价函数作为弱分类器加入到AdaBoost算法中生成一个强分类器.为了选择最优的弱分类器,使用粒子群优化算法确定图像的相似性阈值,再基于权重错误误差最小化原则得到距离评价函数的两个评价值.最后通过实验验证,该方法在Scene-15和Caltech-101图像数据集上比其他方法有更好的分类效果.     

一种改进的粒子群爬山优化图像分割方法

针对粒子群优化算法在图像分割中存在算法搜索能力不足并且分割不够精准的问题，文章提出了一种改进的粒子群爬山优化图像分割方法。文章首先引入爬山算法，检测粒子群搜索空间中多个全局极值点，增强粒子群算法的局部搜索能力；其次将算法作用于图像中生成K个峰值的三维直方图，根据欧几里德距离，将每个像素分配给最近的峰值从而分割图像；利用标准图像数据集进行实验，并与其他基于粒子群优化的图像分割方法对比分析，该算法在图像分割的视觉效果和5种常用的客观评价指标都具有更优越的性能。     

基于曲率约束因子与边缘加权法则的图像修复算法

针对当前较多图像修复算法主要通过对图像块进行方差和度量的方法来完成图像修复,忽略了图像块的显著边缘特性,使得修复图像容易出现模糊效应以及不连续效应等不良现象,导致算法修复性能不佳的不足,提出了基于曲率约束因子耦合边缘加权法则的图像修复算法.首先,通过像素点的等照度线方向构造曲率约束因子,对数据项进行约束,形成优先级度量函数,利用优先级度量函数选取优先修补块;然后,利用像素点的均值之差构造像素自相关模型,对样本块的大小进行了调整;最后,以样本块显著边缘为约束,构造了边缘加权模型,通过边缘加权模型联合SSD(sum of squared differences)模型建立了边缘加权法则,对最优匹配块进行搜索,用于对待修补块进行修复.仿真实验结果表明,与当前图像修复算法相比,本文设计的图像修复算法修复的图像具有良好的视觉效果.     

非局部的可切换滤波图像椒盐噪声去除方法

针对图像被高强度椒盐噪声污染的问题, 提出一种可切换的非局部去噪算法. 首先将噪声图像切割为若干局部块作为算法的基本处理单位， 设计块的预修复过程, 以避免由于高噪声污染对局部块的干扰, 保证相似度度量和模型估计过程的准确性； 其次, 在非局部范围内构造非局部滤波器, 度量相似度并计算修复权值以进行噪声修复, 得到全方位的图像去噪效果. 实验结果表明, 该算法较传统局部信息构建滤波器的方法, 无论对低污染程度的图像, 还是高污染程度的图像, 在效果和图像衡量指标上均有一定的提升.     

遗传算法在PCB板元件检测中的应用

介绍了一种基于图像模板匹配算法的PCB板元件自动快速检测方法．从实际应用出发，找到了一种合适的图像相似性度量方法．提出利用代间差分遗传算法优化其搜索匹配速度，给出了算法实现的全过程．用实际拍摄的PCB板元件进行了性能测试，验证了代间差分遗传算法能提高检测速度．     

基于人类视觉系统的特征相似性图像质量评价

为克服现有特征相似性(FSIM)图像质量评价算法对图像信息无序部分及边缘信息度量能力的不足,利用人类视觉系统的内在推导机制,提出基于人类视觉系统的特征相似性图像质量评价算法HFSIM.该算法采用自回归预测模型分解并解读图像内容的预测部分和无序部分;联合FSIM与边缘结构相似性算法度量预测部分,采用多尺度峰值信噪比(PSNR)度量无序部分的衰减情况,最后根据噪声能量融合图像信息预测部分与无序部分的评价结果得到图像质量评价.在6个公开基准数据库上的实验结果表明,该算法与人类主观感知具有高度的一致性,且在各类型失真图像的评价上具有较好的性能.     

人工蜂群算法在解决EMD问题中的应用

图像的相似性度量问题是人脸识别中的核心问题。EMD是一种良好的直方图相交映射距离表示方法,是度量图像相似性的经典模型。元启发式智能算法是解决复杂EMD问题的一种主要方法,提出了一种基于人工蜂群算法的求解EMD问题的新算法。该算法首先提出了一种表示食物源的编码方法,然后设计出初始化解决方案的生成策略和确定食物源邻居的方法。最后,在ORL人脸库上的实验结果表明了新算法在解决EMD问题时的有效性。     

基于模糊度量视觉特征的非局部均值去噪

针对非局部均值(non local mean,NLM)相似性度量不够准确的问题,提出一种基于模糊度量的视觉特征相似度的改进非局部均值图像去噪算法.利用模糊度量理论构建视觉特征度量相似性函数作为衡量图像像素点相似性;将平滑核函数代替高斯加权核函数,提高运算速度和避免滤波参数的设置;利用构建视觉特征相似性度量生成的平滑核函数,对图像进行去噪.由于改进方法考虑图像视觉结构特征,更加完善了非局部均值结构相似的特点.在高斯噪声和椒盐噪声下,用峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity index,SSIM)评价指标分别对比分析提出方法与几种优秀的改进NLM方法的降噪性能.实验结果表明,改进的新方法在去噪性能方面得到较高的提升,同时降低了相似度计算的复杂度和减少了参数设置问题.     

基于轮廓度量与AI模型的工业缺陷检测算法研究

为了解决工业产品表面缺陷难检测的问题，针对当前检测技术现场应用痛点，从方案架构和检测技术两个层面进行研发，设计了基于轮廓度量和AI模型的工业缺陷检测算法。首先，结合图像分析算子和AI模型，建立一套完整检测方案架构。然后，耦合形状度、填充度和边数等特征，定义一种代表缺陷不规则度的轮廓度量因子，结合阈值分割，完成灰阶算子的设计；利用SIFT特征点检测机制和ICP校准方法，完成缺陷图像的匹配；建立传统视觉算子，并基于AI分割模型、分类模型与小样本训练，构建工业缺陷检测模型，准确定位到缺陷边缘区域。实验测试结果显示，相较于目前主流技术与方案，所提算法方案有利于“保检出，降误判”的应用诉求，为工业缺陷检测设备奠定核心算法基础，并确保落地。     

联合结构与纹理特征的无参考图像质量评价方法

提出了一种新的联合结构与纹理特征的无参考图像质量评价方法.将结构特征和纹理特征融合,共同作为支持向量回归的输入,建立图像质量评价模型.实验结果表明,所提出的新算法在2个混合失真图像数据库上的性能均优于已有的质量评价算法.     

联合新型分块稀疏表示和梯度先验图像盲复原

针对目前基于稀疏表示的图像盲复原算法计算量大且细节恢复能力有限等问题,提出一种新的图像盲复原方法.首先针对现有稀疏表示模型中重叠分块计算复杂度高的问题,提出一种多模式非重叠分块策略,在每种模式下独立求解复原图像,然后对各模式下复原图像求平均以消除"伪像";另外,用1 2l l范数作为稀疏性度量,将图像梯度稀疏先验融入基于稀疏表示的图像盲复原模型.最后,本文提出了联合新型分块字典稀疏表示和图像梯度稀疏先验的盲复原模型,采取迭代方法交替估计模糊核和待复原图像.实验结果表明,该方法在主观和客观评价下均取得较好的复原结果,并显著降低算法整体复杂度.     

图像模糊信息融合算法的性能评价

讨论了图像模糊信息融合算法的性能评价问题，采用信息融合技术，可把图像的模糊信息进行融合处理，进一步提高基于模糊技术的图像模式识别的准确率，从信息论的观点出发，提出利用模糊熵来评价模糊信息融合算法的性能，以指导对融合算法的设计和分析，提高评价方法的客观性和精确性。     

基于JointBoost I2C距离度量的图像分类方法

基于图像到类(I2C)距离度量的图像分类是一种新颖的方法,但其分类性能仍有待提高.为此,文中提出了一种基于JointBoost I2C距离度量的图像分类方法.首先生成原型特征集,该集合中的样本具有代表性,故计算测试图像到该原型特征集的距离更有效;然后根据JointBoost算法的思想,联合多个I2C距离度量生成一个强分类器,并将空间信息融合到强分类器中.实验结果表明,该方法在图像分类实验中具有更高的分类性能.     

基于清晰度评价的自适应阈值图像分割法

阈值法是一种被广泛使用的图像分割方法.本文从图像中信息的变化情况出发,提出一种基于图像清晰度评价的新颖的自适应阈值分割方法.该方法采用清晰度评价函数作为阈值化后图像内灰度相似性变化的度量方法,通过反复迭代并结合皮尔逊相关性直至找到最佳的分割阈值.通过多组图像数据尤其低对比度图像,包括钢板表面轻微缺陷等图像进行了测试对比.结果表明:相比传统阈值分割方法及其改进算法,在低对比度图像的处理上,本文方法能够自适应地准确找到合理阈值,具有优异的图像分割性能.     

基于相似性迁移学习的图像标注

提出一种基于相似性迁移学习的图像标注算法.首先建立图像间的特征相似度量,引入相似性迁移学习算法,将图像的底层特征相似度量迁移到图像所对应标注词的相似度量,通过统计方法实现图像的自动标注.实验表明,本文方法能够有效提高图像的标注质量,减少噪声干扰.     

基于相似性度量的肺结节图像检索算法

为了克服肺部病变CT表现复杂,极易造成医生误诊的缺点,提出了一种基于相似性度量的医学图像检索算法并用于肺癌的诊断研究,该相似性度量保持了图像的语义相关和视觉相似.首先,根据相似性度量理论构建距离度量学习算法学习一个马氏距离;然后,根据学习的马氏距离度量,提出新的医学图像检索算法,并将提出的算法应用于肺癌的诊断研究.实验结果证明了该检索算法在肺癌诊断应用中的可行性和有效性.