基于深度学习的显著性区域的图像检索研究

利用神经网络提取的图像全局特征包含图像上的冗余信息,影响检索的精度,为了解决这个问题,提出了一种基于VGG16的改进网络结构、保留图像空间信息、提取图像显著性区域局部特征的算法。首先利用改进的网络对数据进行训练,得到准确率较高的模型,利用训练好的模型对所有图像使用类激活映射(CAM)的方法定位出图像的显著性区域;然后利用相同的模型提取局部显著性区域特征,构建图像数据库;最后对查询图像使用距离比较函数(L2)计算相似度,按相似度大小排列返回相似图像。在Corel数据集上,对比提取神经网络全局特征以及使用传统SIFT特征构建的K-means模型,使用局部显著性区域特征有较高的检索精度。实验结果表明,该模型有较好的检索效果。     

融合图像显著区域二维形状特征的图像检索

为研究在基于内容的图像检索中形状特征对图像检索效果的影响,提出了一种融合图像显著区域二维形状特征的图像检索方法。提取图像中显著区域的形状特征,融合图像的纹理和颜色特征来对图像进行检索。当目标存在变形和大小存在巨大差异时,目前缺乏完善的数学模型来提取图像的形状特征,该方法很好地弥补了这种缺陷。通过实验结果表明,该方法能够提高图像检索的准确率。     

双论域模糊概率三支决策模型及其应用

双论域信息系统下的模糊概率粗糙集是粗糙集理论的一个重要拓展模型，然而，该模型目前还未有三支决策方面的相关研究。针对这一问题，提出一种双论域信息系统下的模糊概率三支决策模型。文中首先在双论域模糊概率粗糙集基础上定义了决策动作和决策代价的概念，然后以贝叶斯决策最小化代价为基础，推导出了双论域模糊概率关系下决策区域的三元划分，即三支决策模型，最后提出了双论域信息系统的模糊概率三支决策分类算法。实验分析证明了所提出的三支决策分类算法在双论域信息系统上的有效性和优越性。     

多特征组合和用户反馈的图像检索算法

针对单一特征只能描述图像内容部分信息的缺陷,为获得更高准确率的图像检索结果,设计一种基于多特征组合和用户反馈相融合的图像检索算法.首先提取图像的多种特征,将其组合形成图像检索的特征向量,并采用欧氏距离计算图像间的相似度,实现图像初步检索;然后通过用户对图像初步检索结果进行评价和反馈,并采用机器学习算法根据反馈结果对图像初步检索结果进行调整,实现图像的精确检索;最后采用图像库检索的标准数据进行仿真测试.测试结果表明,该算法获得了稳定的图像检索结果,图像检索准确率明显高于其他算法.     

钢轨表面图像冗余信息的模糊匹配算法

为了解决高速铁路轨道表面缺陷机器视觉检测系统中采集图像的冗余问题,本文提出一种钢轨表面图像冗余信息的模糊匹配算法.该种算法首先采用竖直投影法提取钢轨表面区域;之后对钢轨表面区域进行预处理并二值化,得到缺陷的位置信息;然后通过感知哈希算法,得到钢轨表面缺陷的形态信息;最后计算缺陷的位置误差和形态相似度,基于模糊匹配算法,得到匹配结果.通过实验验证,该算法能有效识别系统图像中的冗余部分,准确率达到97.5%.     

基于小波和位平面技术的图像检索方法

提出并实现了一个基于小波和位平面技术的图像检索方法.首先依据二维小波子图的方向性特征,提出了一个兴趣点检测算法,并将该算法与位平面相结合进行图像兴趣点获取.然后将图像特征分为整体特征和局部特征进行提取,最后通过相似度测量实现了图像检索.由于该算法是对小波系数的位平面进行处理,有利于实现网像的压缩域检索.在考虑图像局部特征的同时也考虑了图像的整体特征,因此该算法亦具有较强的不变性.Corel图像库仿真实验表明,该算法具有较高的检索效率和准确率.     

用于场景分类的显著建筑物区域检测

为了实现城市区域内室外场景的快速分类,提出了一种基于视觉注意力选择机制的显著建筑物区域检测方法.该方法首先通过Gabor算子对图像进行滤波,得到水平方向与垂直方向的联合增强图像,然后利用基于相位傅里叶变换(Phase Fourier Transform, PFT)的显著性映射算法提取视野中的显著建筑物候选区域,最后通过方向直方图判别算法去除干扰目标,并采用CV (Chan Vese)模型实现显著建筑物区域的分割.该方法在注意力选择机制及建筑物方向特征的基础上,提取具有场景代表性的建筑物区域信息,增强了算法的时效性和场景分析能力,同时实现了区域信息在像素级上的精确检测,并将其应用于美国南加州大学的多类室外场景数据库.实验结果表明,显著建筑物区域检测方法在检测结果、计算速度和鲁棒性等方面均取得了较为满意的效果.     

空瓶的智能检测算法研究

研究了针对空瓶特点如何设计空瓶的图像采集系统及其从空瓶图像中提取特征的方法．首先提出采用多特征综合的专家系统以适应高速检测的需要．其后又研究了基于遗传支持向量机的决策算法,提出采用遗传算法根据分类准确率来优化支持向量机的参数,以提高分类决策的性能．通过与模糊神经网络的实验比较表明,采用专家决策算法检测速度快;基于遗传支持向量机决策算法的准确率较高,达到94％以上,并具有更好的推广性能。     

基于视频图像分析的旅客群体性事件预警方法

针对民用机场航站楼群体性事件预警问题,提出了基于视频监控图像分析的非正常人群外部聚集特征识别和预警方法。该方法通过提取图像中的人员位置信息,采用核密度空间聚类算法,人群聚集的空间和运动特征,建立航站楼旅客群体性事件案例库,基于模糊-粗糙集方法分析群体性事件中非正常聚集人群特征,结合相应的机场运行信息,建立相应的预警规则。理论分析和历史数据案例测试结果表明,该方法针对航站楼群体性事件的预警准确率明显高于单一的人群密度分级预警方法。     

基于兴趣点特征的图像检索方法

针对全局图像特征无法刻画图像类别信息的缺陷, 提出一种基于兴趣点特征的图像特征检索方法. 首先对图像进行仿射 尺度不变特征转换, 并利用亮度的概率密度梯度提取兴趣点; 然后将兴趣点映射回原始图像, 采用颜色直方图作为图像特征; 最后采用相似性度量模型, 实现图像检索. 选择Corel图像库中的图像对算法性能进行实验分析. 实验结果表明, 该方法可有效提高图像的检索准确率和检索效率, 快速找到用户需要的图像.     

决策系统簇的平均代价敏感并行约简

大数据背景下，数据量呈指数级增长，三支决策在处理代价敏感问题时动态机制和稳定性不足.针对这个问题，结合F-粗糙集处理动态数据方面的优势，在代价敏感决策表簇中提出基于F-粗糙集和三支决策的平均代价敏感并行约简.首先，从平均决策代价和平均测试代价的角度，定义基于F-粗糙集和三支决策的并行约简；其次，设计基于F-粗糙集和三支决策的平均代价敏感并行约简算法.与基于分类的最小代价约简和基于类特定的最小代价约简比较，实验结果显示，基于F-粗糙集和三支决策的平均代价敏感并行约简可以更好地权衡误分类代价(决策代价)和测试代价，提高分类准确率.研究结果为研究动态决策和代价敏感提供一种新的研究方法和思路.     

基于H.264 I帧编码的块边缘模式特征提取

提出了直接从H.264 I帧编码码流中提取块边缘模式特征的算法,并检验了该特征在图像检索中的应用。该算法利用H.264 码流中得到的帧内预测模式和预测系数提取出五种边缘模式特征,该特征符合MPEG-7中所定义的边缘描述符,适合基于内容的图像检索算法。实验结果表明,采用该特征进行图像检索具有较高的检索准确率,相对于只采用Intra预测模式纹理描述符的方法,平均查准率提高了5.07％。     

基于H.264 I帧编码的块边缘模式特征提取算法

提出了直接从H.264 I帧编码码流中提取块边缘模式特征的算法,并检验了该特征在图像检索中的应用.该算法利用H.264码流中得到的帧内预测模式和预测系数提取出5种边缘模式特征.该特征符合MPEG-7中所定义的边缘描述符,适合基于内容的图像检索算法.实验结果表明,采用该特征进行图像检索具有较高的检索准确率,相对于只采用帧内预测模式纹理描述符的方法,其平均查准率提高了5.07%.     

基于感兴趣区域的图像情感特征提取算法研究

随着图像检索系统的发展,现有的各种图像特征提取方法已不能很好的满足用户的需要.另外,合理组织和管理图像数据库已渐渐成为用户检索的关键所在.基于感兴趣区域的图像情感特征提取算法融合了图像感兴趣区域及非感兴趣区域权重并由提取出的图像的颜色及纹理特征得到对应的特征向量.之后利用SOM聚类分析方法实现图像加权前后特征聚类,实验结果表明,该特征提取算法提取出的图像特征向量作为聚类输入不仅可以提高聚类准确率而且更适合对实际数据的聚类.     

基于显著性主动学习的SAR图像分类

SAR图像分类是实现SAR图像理解和解译的关键步骤,本文将显著性检测、主动学习和支持向量机分类技术相结合,提出基于显著性主动学习的SAR图像分类算法.该算法首先将基于卷积和下采样得到不同尺度的SAR图像;然后对各尺度SAR图像进行显著性检测,分为显著性区域与非显著性区域,最后对区域内像素提取特征,并由基于支持向量机的主动学习方法进行分类.实验结果表明:本文提出的方法极大提高了支持向量机分类的精度和效率.     

基于核判别分析与证据理论的图像伪作分层融合检测

现有图像伪作融合检测算法一般直接采用特征融合或决策融合技术,普遍存在算法不易扩展或检测准确率不理想等问题。在综合利用原始图像固有特征和篡改所引入特征的基础上,探讨了一种基于特征融合和决策融合的分层融合框架,并实现基于核判别分析(kernel discriminant analysis,KDA)和证据理论的图像伪作检测算法。该算法包含粗分类和细分类两阶段。在粗分类中,利用原始图像固有特征,采用KDA技术实现特征融合,输出结果为原始图像、篡改图像和待定图像三种类别。在细分类中,利用篡改操作所引入的特征,采用证据理论进行决策融合,实现对待定图像的进一步分类。实验结果表明,该算法能有效地检测模糊操作、重采样操作、JPEG压缩以及多种篡改组合操作。     

基于模糊技术的文本检测提取方法研究

基于内容的索引和检索是实现巨量数字视频资料有效检索与浏览的一种重要方法,是当今的研究热点之一,而检测提取其中的文本是实现该目标的一个重要途径。文章提出一种检测提取图像中文本的新方法,其特点在于应用模糊技术对子图像变异灰度直方图(VGH)中的文本映射特征进行识别,从而实现检测定位图像中的文本;在讨论子图像VGH中文本映射特征性质和阈值参数选取算法的基础上,着重研究了模糊技术用于文本映射特征识别问题,给出了具有鲁棒性的文本检测提取算法;实验结果表明,新方法切实可行,相关算法正确有效。     

基于区间值犹豫模糊多粒度粗糙集的三支决策模型

针对区间值犹豫模糊信息系统,提出了两种基于区间犹豫模糊多粒度粗糙集的三支决策模型。首先,借助多粒度粗糙集理论,提出乐观和悲观区间犹豫模糊多粒度粗糙集模型。其次,引入区间犹豫模糊连续交叉熵的概念,用TOPSIS方法来计算对象在不同情况下的条件概率。基于此,定义区间犹豫模糊决策理论粗糙集并给出相应的三支决策规则。最后,通过实例验证了这两种模型对目标评估采取不同的态度和决策方案,并且证明了所提算法的有效性。     

基于自适应投影的三维人体运动图像智能检测

针对目前采用的方法对三维人体运动图像进行检测时,无法准确获取图像中的目标区域,导致算法存在检测完整度低、检测准确率低、误检率高和检测效率低的问题,提出基于自适应投影的三维人体运动图像智能检测算法。首先构建背景粗提取模型,利用该模型提取三维人体运动图像的背景区域,获取图像的人体运动目标区域;其次采用自适应投影方法提取目标区域的特征,在支持向量机的基础上构建最优分类函数,将目标区域特征输入到最优分类函数中,完成三维人体运动图像的智能检测。实验结果表明,所提算法的检测完整度高、检测准确率高、误检率低、检测效率高。     

基于多伴随直觉模糊粗糙集的三支决策

决策粗糙集提供了处理不确定数据和风险数据决策问题的一个新方法,基于决策粗糙集的三支决策理论是典型的风险决策理论的推广.传统的直觉模糊粗糙集采用一对三角模与蕴涵算子来构造逻辑算子,未考虑属性之间的差别,而多伴随直觉模糊粗糙集采用多个伴随对构造逻辑算子,更好地体现了用户偏好.构造了多伴随直觉模糊粗糙集模型,研究了基于多伴随直觉模糊粗糙集的三支决策.首先,定义了乐观多伴随直觉模糊粗糙集,并用于处理直觉模糊数的复杂计算问题;然后利用隶属函数和非隶属函数计算损失函数,通过期望损失函数对事件对象进行评估,进一步构造了相应的三支决策模型;基于期望损失函数值最小的原则诱导出三支决策,并得到相应决策的风险值.此模型中期望损失函数的构造是基于支持度与非支持度两种度量的综合讨论,考虑更全面,更能有效地反映实际生活情况,满足用户偏好.最后用医学诊断的例子来验证该模型的有效性.