基于邻域相似度的行人重识别重排序算法

在行人重识别模型中引入邻域数据关系,提出了一种基于图像邻域相似度的重排序方法。首先扩充图像的邻域数据,然后计算图像对不同邻域数据的相似度权重,利用该权重得到代表邻域相似度的分布距离,再用分布距离与原始距离计算得出最终距离作为重排序评判标准。使用CCL,Transreid, Torchreid等行人重识别模型在Market-1501,DukeMTMC-reID数据集上进行实验,结果表明本文方法对基准模型的精度提升均超过该领域的主流算法,证实了本文方法的有效性和泛化性。该重排序方法不需要任何人工交互和额外数据,适用于大规模数据集,可以有效应用于图像检索、目标跟踪等需要考虑相似度关系的任务中。     

Vague集相似度量的一个新模型

分析了已有vague值的相似度量模型的不足,指出了vague值的相似度量建模须考虑的因素,提出了一个新的vague值相似度量模型,并证明了其满足相似度量的公理化定义.在提出的vague值相似度量模型的基础上,建立了vague集的相似度量一个新模型.实验表明,新模型具有较好的区分度,能克服已有模型的不足.     

基于改进云相似度量度方法的大坝综合健康诊断

针对大坝健康综合诊断中普遍存在的信息以及诊断结果不确定性表征的复杂性等问题,从云模型的包络特性出发,通过分别计算两云模型的内外包络曲线的重叠面积占比为基准进行改进,取其均值作为云相似度的量度,提出基于包络曲线的云相似度算法(OECCM).该算法克服了一般云相似度算法的复杂程度高、区分度低、计算结果不稳定等问题,考虑了云模型特性和综合评价区间约束等问题,具有良好的敏感性、有效性、合理性,以及结果的区分性,可对大坝综合健康诊断提供有效技术支持.     

广义梯形模糊数相似性度量的 新方法及其应用

针对模糊数相似度计算问题,提出一种新的基于广义梯形模糊数的相似度量方法,在保证度量有效性的前提下,降低相似度的计算复杂性,提高其区分度,扩大其适用范围.给出区分性、无效率和不合理率三个评价指标,以对不同相似度方法进行比较.实验结果表明新方法具有较好的性能.最后,通过基于DS证据理论的故障诊断实例说明所提方法的合理性和可用性.     

基于低秩和全变差正则化的图像压缩感知重构

为了解决基于低秩正则化的图像压缩感知重构算法不能充分利用图像局部梯度稀疏特性的问题,提出了一种基于低秩与全变差正则化的图像压缩感知重构算法.首先,通过图像块匹配法寻找结构相似的图像块,组成非局部相似块组;其次,联合相似块矩阵低秩与图像梯度稀疏先验组成正则化项,结合传统的压缩感知模型形成新模型;最后,采用交替方向乘子法实现图像的重构.测试图像为自然灰度图像,为了验证算法的有效性,从主观视觉和峰值信噪比两方面进行对比.试验结果表明,和基于低秩正则化的图像压缩感知算法相比,该算法在准确描述图像非局部自相似性结构特征的前提下提高了重构质量,重构的图像在峰值信噪比上平均提升1 d B.     

Vague集相似度量模型的研究

鉴于Vague集的相似度量在模糊推理、模式识别、聚类分析、决策分析等领域的广泛运用,本文首先对已有Vague值的相似度量模型进行了分析,发现已有的模型在应用时所得的结果或者不符合人的直觉,或者明显违背客观实际,或者存在区分度不足.然后提出了一个新的Vague值相似度量模型m(x,y)=1/2+φ(x,y)/2-S(x,y)/4-|tx-ty|/4,并证明了该模型满足文献[1-4]相似度量的公理化定义.在提出的Vague值相似度量模型的基础上,建立了Vague集的相似度量一个新模型M(A,B)=(n∑i=1m(A(xi),B(xi)))/n.最后,通过数值实验,新模型度量结果又较好符合人的直觉以及具有较好的区分度.     

基于EW-型贴近度的云模型相似性度量方法

针对现有的相似性度量方法中存在区分度不高、结果不稳定等问题,提出了一种基于EW-型贴近度的云模型相似性度量方法。该方法利用正态云模型的扩展模型三角云为研究对象,分别把三角云的期望曲线及最大边界曲线看作三角模糊数,通过计算三角模糊数的EW-型贴近度来度量云模型的相似性,充分考虑了期望曲线和最大边界曲线的特点,定义了一种综合的求两云模型相似度的计算方法。通过仿真实验可以看出,提出的EMTCM方法具有一定的区分度;在Synthetic Control Chart Dataset数据集上的分类对比实验表明,EMTCM方法的分类精度明显优于先前的LICM、ECM、MCM方法,验证了EMTCM方法有一定的可行性及有效性。     

云背景红外天空图像的统计模型与仿真

以实测红外云背景天空图像为研究对像,重点对其傅里叶功率谱、灰度分布等统计特性进行了分析,并通过对功率谱函数和灰度分布函数的拟合构造了目标图像的参数模型.与传统的基于背景红外成像特性三要素的模型相比,本模型参数大大减少且没有冗余信息,更有利于控制和使用.为实际应用的需要和验证模型的有效性,以所构造的模型为基础,设计适当的仿真算法生成了云背景红外天空仿真图像,并对仿真图像质量进行了检验.实验结果表明,使用文中的仿真算法得到的仿真图像与具有相同模型参数的真实图像的相似度大于80%,且具有较强的视觉相似性,证明了模型的有效性.     

基于视觉词袋模型的图像信息处理算法研究

研究一种基于视觉词袋模型的图像筛选与搜索优化算法以提高机器人闭环检测质量和降低图像信息处理量.首先,通过SURF算子提取图像中的特征信息,构建对应的视觉词袋模型,并形成视觉词袋直方图;其次,基于视觉词袋直方图计算获得对应的图像混合显著度,进而筛选出信息量丰富且可区分度大的图像,并组成待搜索图像集合;然后,从视觉词袋直方图中提取图像中的显著主要特征类组成集合,并用其近似替代图像的特征分布情况,以降低图像特征信息处理量,加快图像搜索速度.最后,仿真实验证明本文提出的图像筛选和搜索方法的可行性和有效性.     

基于特征语义模型的复杂结构图像分割算法

针对结构复杂图像所具有的相似复杂性和属性复杂性,提出了基于特征语义模型的图像分割算法,通过采用矩阵分解将图像分割问题转化为最优化问题.对原始图像进行视窗扫描,选取规模为n的视窗计算所有像素的特征语义.经过PCA降维后,在保证特征信息最小丢失的前提下计算相互之间的特征语义相似度.通过最优化理论近似寻找特征语义相同的像素点集,从而完成结构复杂图像的分割.经过实验证明,本文方法针对结构复杂的图像物体分割完整,细节分割精细.通过对比实验验证了该方法的有效性.     

基于快速谱聚类的图像分割算法

设计了一种基于快速谱聚类的图像分割算法,该算法利用余弦相似度构造相似度矩阵,避免了传统谱聚类算法中尺度因子的精确设置问题,提高了算法效率.在谱映射的过程中,该算法采用了Nystrm逼近策略,降低了谱聚类算法的复杂度和内存消耗.在Berkeley图像库上的图像分割实验证明了算法的有效性.     

柔索驱动并联机器人变态模型相似性分析

分析了大跨度柔索驱动并联机器人(wire driven parallel robot,WDPR)变态模型的预测系数及相似度问题.建立了大射电望远镜(large radio telescope,LT)中WDPR系统的索张力和基频的相似性经验公式,并以此为基础获得了索张力和基频的预测系数.运用模糊数学理论确定出相似度的表达式.最后,通过模型试验和仿真分析验证出预测系数的有效性和相似度定义的合理性.研究理论为LT变态模型的试验奠定了基础.同时,研究方法也可应用到其它变态模型的相似性研究中.     

基于分块小波微粒群混合的图像智能检索

考虑到目前许多基于颜色直方图图像检索系统的搜索质量往往相当有限,提出一种融合分块小波直方图相似度检索和粒子群优化的新方法.该算法引入小波技术,提高了特征提取的有效性,采用分块技术扩展了图像检索性能,结合微粒群算法进行智能搜索加快了算法的执行速度.实验结果证实,该算法对图像数据库的相似度搜索是切实可行的,为大型图像数据库的智能图像检索问题提供解决方案.     

一种基于区域的图像相似性计算方法

在基于区域的图像检索系统中,图像之间的相似性计算是影响检索结果的关键技术之一。提出了一种基于区域的图像相似性计算方法,该方法首先按照区域的综合特征（颜色、纹理及位置）、直方图特征值及区域的形状特征分别进行相似度的计算,然后,将各自相似度加权乘积作为两区域的相似度,两幅图像的相似度为各区域最大相似度的平均值。在Corel自然图像库上对提出的方法和实现的系统进行了实验,结果表明了提出方法的有效性。     

Vague集相似度量模型的研究

鉴于Vague集的相似度量在模糊推理、模式识别、聚类分析、决策分析等领域的广泛运用,本文首先对已有Vague值的相似度量模型进行了分析,发现已有的模型在应用时所得的结果或者不符合人的直觉,或者明显违背客观实际,或者存在区分度不足。然后提出了一个新的Vague值相似度量模型m(x,y)=1/2+ψ(x,y)/2-S(x,y)/4-|tx-ty|/4,并证明了该模型满足文献[1-4]相似度量的公理化定义。在提出的Vague值相似度量模型的基础上,建立了Vague集的相似度量一个新模型M(A,B)=∑ni=1m(A(xi),B(xi()))/n。最后,通过数值实验,新模型度量结果又较好符合人的直觉以及具有较好的区分度。     

基于领域本体的语句相似度研究

语句相似度计算是设计和实现智能答疑系统的关键技术.由于智能答疑系统一般面向受限领域的特点,在构建出其领域本体的基础上,利用本体语义树计算词汇相似度,从而计算出语句的语义相似度.最后,设计了一个实验模型验证了该语句相似度算法的有效性.     

基于模糊区分矩阵的区间值信息系统属性约简

首先分析了区间量的测量过程,根据误差理论定义了一种能够合理反映两个区间量相似程度的相似关系.在区间量的相似性度量基础上,将属性集映射到论域笛卡尔积上的一个模糊集簇,建立了基于模糊区分矩阵的属性约简理论,讨论了其特点,提出了将区分度离散化的观点,探讨了它对于系统鲁棒性的意义.最后设计了基于属性重要度的约简算法并通过实例验证了其有效性.     

小波域结构相似度图像质量评价

针对结构相似度模型在模糊图像以及低位率压缩降质图像评价中存在的不足,提出一种基于小波域结构相似度的图像质量评价(WDSSIM)算法. 该算法将整幅图像划分成具有不同尺度和频率特征的子带图像,比较原始图像和失真图像的子带图像之间的结构相似度,并依据视觉系统对于不同频率特征失真敏感程度进行加权. 实验结果分析表明,WDSSIM算法对于更广泛一类的图像评价与主观感受保持较好的一致性.     

一种基于孪生网络的图片匹配算法

随着卷积神经网络（Convolutional Neural Networks,CNN）的不断改进，基于CNN的图片匹配成为图像处理的关键，然而，许多基于CNN的图像相似度检测算法对图像特征的表达能力较差，且曼哈顿距离或欧式距离的计算方式导致在计算损失函数时模型不一定能很好地收敛.针对此问题，提出一种基于孪生网络和注意力机制的方法（CSNET）来提升图像匹配的性能，主要步骤如下：使用将激活函数改进为Mish函数的VGG16网络作为主干网络提取图像的特征，在模型的卷积层加入注意力机制模块（Convolutional Block Attention Module,CBAM），这提高了模型的特征提取能力和鲁棒性，保证训练可以收敛.对模型输入图片对的特征向量的欧氏距离，再利用网络全连接层输出的相似度分数来度量被检图片是否相似.将提出的CSNET与其他图片匹配方法在Omniglot和SigComp2011等数据集上进行比较，实验结果表明，CSNET能有效提高图像相似度匹配的准确性.     

基于图理论学习模型的胃窥镜图像自动标注

为了解决目前医学图像检索领域不能有效缓解“语义鸿沟”的问题,提出基于图理论学习模型的图像自动标注方法.首先讨论了医学图像的标注问题,总结了现有关医学图像标注的研究工作.以胃窥镜图像为具体研究对象,针对图学习模型中的图像-标注词间的关系提取以及图像相似度计算进行了详细分析,并有效地融合进医生的诊断信息作为图像的高级语义特征,更有效地计算出图像间相似度.最后,在Toy data数据集和临床胃窥镜图像集上进行了一系列的实验,结果表明本文方法优越于传统图像标注方法.