基于惩罚距离的混合模型分量数自动估计算法

EM算法是对有限混合模型进行参数估计的通用算法, 然而标准EM算法中所需的混合模型分量数实际上往往是未知的. 研究并改进了一种采用惩罚性最小匹配距离估计分量数的方法, 结合贪婪EM算法框架, 提出一种可以在进行参数估计的同时, 快速准确地自动估计高斯混合模型分量数的算法. 通过一元和二元的高斯混合模型的仿真实验, 验证了算法的有效性. 关键词：有限混合模型; 分量数; 惩罚性最小匹配距离; 贪婪EM; Parzen窗; 带宽     

分布式摄像机的运动目标匹配

在分布式摄像机视频监控中,传统单独使用PHD(部分Hausdorff距离)等方法进行运动目标匹配效率低下;对此,提出了一种高精度的图像匹配算法。首先采用混合高斯模型从各个摄像机视频中提取运动目标,提取目标的harris角点,采用NCC(归一化互相关)初步确定角点中的匹配点对,采用PHD做二次匹配,去除明显误匹配的点对,最后结合基础矩阵计算匹配点对的匹配度。实验表明,该方法提高了匹配效率,且具有较高的匹配精度。     

基于高斯过程的点匹配方法

针对点匹配问题,在已知两个点集对应关系的情况下,通过高斯过程回归计算两个点集的空间几何变换模型.首先,给定高斯过程的协方差函数,通过对训练样本的学习计算协方差函数中的未知参数,得到后验的高斯过程.然后,根据后验的高斯过程预测测试样本的目标值,完成函数映射.该方法在空间几何变换模型的非线性映射能力与问题求解复杂度之间折衷,是一个基于训练样本的自动学习过程.仿真结果表明:该方法具有较好的非线性映射能力,并且只需较少的运算时间.     

一种高斯色噪声混响背景的宽带信号检测算法

针对由正反线性调频信号和双曲调频信号产生的宽带混响,研究了以局部平稳高斯色噪声混响模型为基础的分段匹配滤波检测算法。对匹配滤波器采用分段预白化处理,对数据进行合理分段后,对每段数据按高斯色噪声背景下的最佳检测器,即对匹配滤波检测器进行预白化处理,则可以得到分段预白化匹配滤波检测器。仿真试验实现了对混响数据下的宽带信号检测。结果表明采用分段匹配滤波器和分段预白化滤波器可以在低信混比下检测信号,其中分段预白化匹配滤波算法可以有效检测满足局部平稳高斯色噪声背景下的回波信号,且性能优于分段匹配滤波器。     

基于高斯混合模型-地球移动距离的点集配准算法

提出一种基于高斯混合模型与地球移动距离的点集配准算法.将待配准的两个点集均表示为高斯混合模型,其中高斯分布的数量为点集中点的数量,每个高斯分布的均值为点的坐标值,方差为通过优化算法得到的优化值.在配准过程中通过优化两个高斯模型之间的地球移动距离来达到最佳匹配效果.该方法对点集配准中常见的噪声、外点、结构缺失等问题具有较强的鲁棒性.公共数据集与真实车辆平台上的实验表明该算法优于目前流行的点集配准算法.     

基于高斯混合模型的腹主动脉图像分割

为了有效地分割腹主动脉图像,提出了基于适度空间约束的高斯混合模型分割算法.该算法将三维空间邻域信息融入高斯混合模型中,利用最大期望算法(EM)获取腹部血管灰度图像的估计参数,从而分割出血管图像.实验结果表明:所提出的方法不仅能准确地分割腹主动脉的血管分支图像,而且对于图像噪声的抑制有较好的效果.     

高斯混合模型在语音模板匹配算法中的应用

提出了一种基于高斯混合模型的语音模板匹配算法.该算法采用快速傅立叶变换、平均过零率分析和高斯混合模型3种方法的加权平均来生成判决门限值.通过比较门限值误差的大小,根据"最大似然准则"给出模板匹配的结果.最后通过一个语音识别的实例验证该算法的可行性.     

一种基于直方图匹配的颜色校正方法

本文提出了一种基于直方图匹配的颜色校正方法,其基本思想是在目标图像和源图像的直方图间建立像素的映射关系,与一维直方图匹配不同,通过对三维空间的连续采样,建立起类似一维的匹配函数,而又完全满足三维直方图的特性,并最终实现对颜色图像的校正,实验结果表明了算法的有效性。     

基于块匹配和共同向量的图像去噪研究

针对图像去噪过程中存在边缘细节信息丢失的问题,提出一种结合块匹配和共同向量的图像去噪方法。通过块匹配在像素块邻域内搜寻相似块构建向量集,由Gram-Schmidt求出共同向量,再由原始向量与共同向量的差经过线性最小均方误差估计后,与共同向量重建图像块。实验结果表明,方法能够有效去除图像的高斯白噪声,并能保持图像的边缘细节信息。     

图像增强匹配在MISR多角度影像云迹风反演中的研究

遥感影像云层和雪层的立体匹配是云高解算、云迹风反演和云雪分离的重要前提。密集且匹配精确的点集可为后续研究提供更高的精度保障,然而由于云雪层灰度值偏高、细节信息不突出的特点,高密度和高精度的匹配效果难以获得。采用Terra-MISR多角度AN、AF、AA影像,对所选实验区分别进行分段线性和高斯低通滤波两种方法的增强,并对三影像共同匹配,最终两组增强影像获得的匹配密度和精度较原始影像均大幅上升。在此基础上,还提出了增强合并法,并通过云迹风反演的实例证明了该方法可将风产品分辨率提高至825 m左右的初步可行性,实现了对小云团及大云团内部水平风信息的精细化监测。     

基于HSI颜色空间的车流量统计

本文针对常见在RGB颜色空间的运动车辆检测方法的不足,提出了一种基于HSI彩色空间的运动车辆检测方法。该算法利用高斯混合模型提取背景,通过选取大小合适的检测带进行背景帧差运算,运用图像二值化提取运动目标。然后利用垂直投影法,并对投影后的图进行中值滤波,从而有效地统计出了车辆数。     

汶川地震前上空的地震云分析及自动检测研究

地震对于人类的生产生活有着巨大影响,如何准确地预测地震意义重大。本文利用FY-2D卫星云图序列图像研究了汶川地震前震区上空的地震云,在此基础上采用更高分辨率的MODIS数据进行地震云的检测研究,分别利用高斯马尔可夫场和高斯混合模型来实现云图的纹理分割和地震云异常检测。实验结果表明,此方法可有效检测出震区上空的地震云。     

面向汉字矢量图形特征的字向量表征方法

为解决现有中文字向量表征方法中字形特征利用不充分的问题,利用矢量图形的尺度不变性,提出了一种面向汉字矢量图形特征的字向量 (scalable vector graphics to vector,SVG2vec)表征方法。预处理阶段将汉字像素图像转化矢量图形,生成字形矢量坐标对序列;特征学习阶段采用双向循环神经网络 (Recurrent Neural Network, RNN)和自回归混合密度循环神经网络构建矢量图形变分自编码器模型,利用模型学习汉字字形结构特征;向量生成阶段输入字形矢量坐标对序列到编码器,编码器将字形特征映射到概率连续分布空间,得到SVG2vec字向量。与已有字向量在不同层级任务上进行对比实验。结果表明：SVG2vec向量在命名实体识别、中文分词和短文本相似度计算实验中,F1均值比Word2vec、GloVe等未利用字形特征的向量分别提高了1.27、0.4,1.67、0.12,3.28、2.03,比glyph and meaning to vector (GnM2Vec)、Character-enhanced Word Embedding (CWE)等利用字形特征的向量分别提高了1.02、1.07,1.69、1.34,0.04、0.31,SVG2vec能更有效利用汉字字形特征。     

四帧间差分和改进混合高斯模型对运动目标的检测

针对运动目标检测过程中已有算法难以同时提高准确性和实时性的问题,提出四帧间差分结合改进的混合高斯模型(Gaussian mixture model,GMM)算法,首先利用四帧间差分对预处理的视频帧差分处理,得到背景区域和运动区域;其次,使用改进的GMM,借助计数器调整高斯模型,提高高斯分量的自适应性,根据单位灰度值确定高斯分量个数,并引入敏感参数改进传统混合高斯模型对学习率的依赖;模型更新时借助计数器确定更新时机;最后,对结果使用形态学处理,提高目标提取的精确度。与已有算法的性能相比,查准率和查全率的调和平均值提高了约44.8%,对GMM算法的改进使得模型训练与检测的计算时间分别缩短至原算法的0.16倍、0.27倍,相比传统的混合高斯模型和文献中的方法,计算时间分别缩短至1/54、1/4、16/25,且对多种场景均能有效适应。     

一种通过去噪来提高图像标注性能的方法

提出一种通过去除噪声来提高分层高斯混合模型的图像标注性能的方法．在有监督多概念标注（supervised Multiclass Labeling,SML）中,它采用了分层高斯混合模型,有效地把大量的表示图片的高斯混合模型聚类成一个表示某概念类的高斯混合模型,从而很容易实现图像的分类和标注．通过引入去噪过程,减少了图片中与概念不相关的高斯分量,消除了噪声高斯分量对分类器的负面影响,从而提高了分类性能．基于TRECVID2005数据的图像标注实验证明,该方法可以取得比SML方法更好的标注性能．     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法。该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多。     

一种改进的路面裂缝图像分割方法

针对公路裂缝检测中的图像分割问题,运用机器学习领域的方法,以裂缝图像为研究对象,在深入分析经典K-Means聚类算法以及高斯混合模型（Gaussian Mixture Model, GMM）之后,提出一个利用全局K-Means和高斯混合模型来对公路裂缝图像进行分割的方法。该方法在全局K-Means聚类算法的基础上,采用改进策略,同时,将传统GMM的每一个概率分布,进一步再细分成单个的概率成分,在辅助变量计算过程中,采用EM算法。仿真图像和实际裂缝图像实验结果显示,本研究得到了比使用传统K-Means算法和普通GMM的分割方法精度更高、稳定性更好的分割结果。     

与文本无关的复合策略说话人辨识系统

为获得较高的说话人辨识正确率，同时减小辨识系统的时空开销，提出了一种复合策略的辨识系统。采用长时平均频谱作为粗识的特征，定义了相应的辨识判别准则。建立ｍｅｌ－倒谱特征的高斯混合模型（ＧＭＭ）进行第二步辨识。给出了ＧＭＭ求解算法的一种简便推导，着重研究了判别阈值，预加重系数，ＧＭＭ阶次，训练语音长度及辨识语音长度对系统辨识性能的影响。     

基于图割理论的储粮害虫图像分割

采用机器视觉对储粮进行检测是储粮害虫监测的主要方法之一。储粮害虫图像有效分割是粮虫特征提取和识别分类的基础和依据。为实现粮虫图像的有效分割,采用基于图割理论的图像分割方法。该方法采用高斯混合模型(GMM)表征颜色概率分布,在高斯混合模型参数学习估计过程中通过不断扩大背景样本点修正GMM参数,完成对能量函数的最小化,从而改善了分割效果。实验结果表明,该方法可以清晰地分割出与背景差异较小的粮虫,解决了基于直方图模型的图像分割方法无法从目标和背景相似的图像中将粮虫进行准确提取的问题。     

基于局部分块三维物体表面三角划分算法

基于三维重建工作中物体截面轮廓线序列中相邻轮廓线基本相似的事实,提出了物体截面轮廓线点集之间三角划分的一种快速算法．算法首先寻找轮廓线的控制点,对每两条相邻轮廓线的控制点进行配对;然后将这样两条轮廓线之间的三角划分分配在多个小曲线段对之间进行,并且根据事先匹配的控制点,在每个小的区域中进行简便快速的三角划分．实验验证了算法的有效性．