变空间协同表示判别分析的特征提取算法

稀疏保持投影(Sparsity Preserving Projection,SPP)是一种无监督的方法,不需要标签信息,但SPP求稀疏系数的过程计算量相对较大;此外,大多数稀疏表示的投影算法并不能很好地反映映射空间数据间的关系.为了能更好地反映映射空间数据间的关系,提出了变空间协同表示判别分析的特征提取算法.首先将原始数据映射到PCA空间去除冗余信息;其次利用L2范数求解稀疏权重,利用所提的监督目标函数计算映射矩阵;然后在求得的映射空间中更新稀疏权重;最后求出权重更新后的映射矩阵.在FERET库、AR库和ORL库的测试结果验证了本算法的有效性.     

结合HSI变换与双通道脉冲发放皮层的彩色多聚焦图像融合

结合非下采样剪切波变换(NSST)和改进的拉普拉斯能量和以及双通道脉冲发放皮层模型(DCSCM),提出一种新的彩色多聚焦图像融合算法.首先对源图像进行HSI彩色空间变换获得色调、饱和度和亮度分量,对源图像亮度分量采用NSST进行分解,获取相对应的高低频分解系数;然后低频分量系数依据改进的拉普拉斯能量和规则进行筛选,高频分量系数采用DCSCM进行融合,经过NSST逆变换获取亮度信息的融合分量;最后利用源图像与亮度分量的欧式距离关系实现色调与饱和度分量进行的分配,通过HSI逆变换获得最终的融合结果.实验结果表明,算法取得了较好的视觉效果并且在互信息、结构相似度、边缘保留度等客观评价指标中具有优势.     

基于Unit-Linking PCNN和图像熵的图像分割新方法

基于单位链接脉冲耦合神经网络(Unit-Linking PCNN)模型,在图像方差准则基础上将最大香农熵准则,最小交叉熵准则相结合,再组合图像分块策略与图像加权预处理策略,提出了不同准则和策略组合的8种图像分割方案。分析了各种准则和策略的优势和不足,比较了各种分割方案条件下的图像分割效果,部分方案的分割结果体现了图像的更多的细节。与已有文献结果比较,具有使用神经元模型参数少的特点,与PCNN模型相比,该模型参数对图像分割结果的影响较不敏感。计算机仿真结果表明,该方法具有较好的图像分割效果和实验仿真速度性能,具有较强适用性。     

脉冲耦合神经网络的人脸识别方法

 在脉冲耦合神经网络(PCNN,pulse coupled neural network)中,基于神经元脉冲震荡的时间序列概念,利用平均时间序列和平均欧氏距离的方法实现了人脸识别.实验仿真表明了该方法的有效性,对不同人脸和复杂表情的人脸均具有较好的识别效果.     

基于时延脉冲耦合神经网络的AOE-网问题求解算法

 在时延脉冲耦合神经网络(DPCNN-Delay Pulse Coupled Neural Network)的基础上,提出了mDPC-NN(modified DPCNN)模型.mDPCNN能方便地用于有向网的最大代价路径和最小代价路径的求解,并将其成功地运用其于求解AOE-网(Activity On Edge)有关问题.该方法通过快速并行计算,一次正向计算即可求解AOE-网大部分问题,与传统方法相比体现了较好的优势.     

基于深度学习的红外与可见光图像融合综述

图像融合技术是指从不同的源图像中提取并融合互补的信息,生成一幅信息量更丰富、对后续高级视觉任务提供足够支持的图像.红外与可见光图像融合（Infrared and Visible Image Fusion,IVIF）是图像融合领域的一个重要分支.近年来,深度学习技术在视觉计算领域表现出了良好的性能,尤其是基于自编码器、卷积神经网络、生成对抗网络等几种基于深度学习的IVIF技术得到了蓬勃发展.为此,对基于深度学习的IVIF算法的方法、数据集和评估指标等进行了总结和阐述;通过大量的实验,进行定性和定量的结果分析,对比了各类基于深度学习IVIF算法的性能;最后,讨论了该领域未来发展的一些前景和研究方向.     

利用PCNN实现商标图像检索新方法

 为了解决商标存在尺度缩放、角度旋转和区域局部变化后的难以检索的问题,提出了一种基于脉冲耦合神经网络模型(PCNN,Pulsed Coupled Neural Network)的商标检索新方法.首先通过PCNN图像分割和直方图均衡化技术相结合提出了一种有效的图像预处理算法,以减小颜色对于商标灰度分布差异产生的影响.然后在PCNN模型中提出了边缘时间序列概念,并用于提取商标图像的形状特征,最终实现了商标图像的快速有效检索.在所建立的商标库中进行了计算机仿真,仿真结果表明该方法可有效地检索出待检索商标对应的商标图像,可很好地适应商标颜色变化、角度旋转和局部形状变化,体现了较好的检索性能.     

低秩表示和字典学习的红外与可见光图像融合算法

针对目前红外与可见光融合算法在保留可见光图像中的背景信息时无法同时有效地提取红外图像信息,提出了一种基于低秩表示和字典学习的红外与可见光的图像融合算法.首先,采用低秩表示对红外图像和可见光图像进行分解,分别获得源图像的低秩和稀疏成分,其中稀疏成分可以很好地表示源图像的边缘细节特征.其次,用OMP算法的字典学习方法和稀疏系数的最大范数规则,而最大范数规则在对图像背景恢复的同时能够提取目标信息.再次,对分解得到的2个分量进行融合.最后,利用融合稀疏系数和自适应字典重建融合图像.实验结果表明,本融合算法可以突出红外对象信息,同时能够保留可见光图像中的背景信息,达到良好的视觉效果.     

图像增强的拉普拉斯多尺度医学图像融合算法

针对不同临床诊断的需求产生了多种类型的医学图像,如:核磁共振成像(MRI),正电子发射断层扫描图像(PET),单光子发射计算机断层扫描技术(SPECT).单一功能的医学成像技术往往不能更好地诊断出病人的病情,利用多模态医学图像融合技术获得的图像具有较强的解剖学意义,与原始单扫描图像相比具有较高的光谱信息.首先,将基于像素级的图像增强技术与拉普拉斯金字塔分解方案相结合,使分解的残差子带图像(RSI)具有更清晰的图像纹理特征,与此同时保持基底子带图像(BSI)更平滑.然后,对RSI图像采用基于兴趣信息的图像融合规则获取高频系数融合图像;对BSI图像采用局部能量最大值方案的融合规则获取较平滑的金字塔顶层融合图像.最后,利用拉普拉斯金字塔逆运算重建融合图像.实验结果表明融合图像保留了图像边缘信息的同时增强了图像细节信息,具有更好的视觉效果,客观评价指标QMI,QIFC,QVIF,QME,QSD,QUQI,QSSIM也取得了较大的提升.     

脉冲耦合神经网络模型参数估计及其图像分割

利用小波分析对图像进行多层分解,然后,用分解的低频系数重构图像作为模型链接权参数W的估计,再用一种最佳阈值方法估计阈值θ,最后用最大相关准则确定网络计算的迭代次数N,成功实现了图像的自动分割.实验仿真表明,该方法在模型参数自动估计的基础上避免了PCNN对图像的过平滑作用,分割图像保留了良好的轮廓和更多的细节.