基于Co-training的图像自动标注

图像自动标注是图像理解与模式识别等领域中具有挑战性的关键研究问题.目前图像自动标注领域存在着一些问题,如未标注数据规模要远大于标注数据规模,只能单独使用某种图像分割策略与某类图像表示方法.针对上述问题,提出了基于Co-training的图像自动标注方法,通过构建4个独立的特征属性进而建立4个子分类器,将不同的图像分割方法与特征表示方法整合到一个统一框架中,利用提出的基于投票与一致性相结合的自适应算法扩展原始训练集.该方法通过使用Co-training算法,利用大量未标注数据来提升图像自动标注的性能.通过在Corel 5K数据库上进行实验,验证了提出方法的有效性.     

基于协方差描述子和LogitBoost的交通场景图像分割

针对传统方法直接采用图像特征参与图像分割时存在的特征冗余且分割准确率低的问题,提出了一种基于协方差描述子和LogitBoost的交通场景图像分割方法.采用运动结构特征、纹理和HOG特征描述交通场景,并利用协方差描述子进行特征融合以消除特征冗余;采用多类LogitBoost分类器进行图像分割,提高了交通场景分割的精度.在公共测试视频数据库CamVid中测试和评估了所提出的算法,结果表明了该方法的有效性.     

基于Zernike矩和BP神经网络的纹理分割

提出了一种基于Zernike矩和BP神经网络的纹理分割方法.对图像的每个像素,选择一个窗口,计算该窗口内的Zernkie矩,然后通过非线性变换器将得到的矩值转换成纹理特征;选择BP神经网络作为分类器,将图像的每个像素得到的n维特征向量输入BP神经网络进行分类,最后将结果标注在原图像上.和基于Legendre矩的纹理分割结果相比,基于Zernike矩的纹理分割可以降低分割错误率.     

一种基于人体裸露皮肤形状的不良图像过滤系统

为了提高不良图像的过滤精度,从人体裸露皮肤的形状出发,设计了一种新型不良图像过滤系统.该系统由自适应肤色分割模块、特征提取模块和分类器模块组成.首先,基于人脸检测和Graph Cuts分割方法,提出了一种自适应肤色分割方法,对包含人体的图像进行肤色的精确分割;然后,利用Zernike矩和灰度共生矩阵构造出全局特征与局部特征相组合的特征向量;最后,采用遗传算法优化基于RBF核函数的支持向量机.实验结果表明,所提的过滤系统能够准确过滤裸露皮肤较多的不良图像,正样本查准率超过94%.     

一种基于序列知识的左心室分割算法

由于心脏核磁共振图像容易出现图像偏移场,并且对于单张图像的分割缺少相邻像素间的空间信息,从而导致传统基于高斯混合模型的左心室分割算法在成分聚类过程中容易出现错判情况。本文提出一种基于序列知识的左心室分割算法,该算法通过学习短轴心脏核磁共振序列图像的序列知识,将图像关键点元素的序列空间信息引入到自适应混合高斯模型中,从而提高该算法在左心室分割过程中的准确性。通过公共测试图像数据库验证了该分割算法的有效性。     

改进的SIFT特征人脸识别方法ADSIFT

针对光照、表情、噪声等因素容易造成误识别的问题,提出一种改进的SIFT特征人脸识别方法.对每个训练图像,先提取得到SIFT特征向量集合,利用每个SIFT特征向量,并选择阈值构造一个弱分类器.利用一种基于Adaboost的算法从每个训练图像的弱分类器集合中选出一部分,确定其对应的阈值和权重,然后构造出该训练图像的相似度函数.根据相似度函数可计算出目标图像与每个训练图像的相似度,从而求出目标图像与每个类的训练图像的平均相似度,则目标图像属于平均相似度最高的类.实验表明在ORL人脸数据库上则可达到98%识别率,优于现有的方法.     

指纹图像分割方法综述

在自动指纹识别系统中,精确的指纹图像分割可以加快后续处理速度,提高识别的准确性。按照图像特征的定义范围,将指纹图像分割方法分为基于像素特征、块特征和图像全局特征的方法。对每类方法分别从特征层面与分类器层面进行了归纳总结,并简要分析了3类方法的分割错误率与时间复杂性。最后指出了目前指纹分割算法中存在的主要问题和未来的研究方向。     

自适应先验马尔可夫随机场模型的图像分割算法

针对全局同态先验马尔可夫随机场(Markov random field,MRF)模型在图像分割中不能有效利用图像局部统计特征的问题,提出了一种基于局部自适应先验MRF模型的图像分割算法.该算法基于贝叶斯理论,利用局部先验Potts模型描述图像的局部特征,建立了一种局部自适应先验MRF模型;提出了基于区域的置信度传播(Belief Propagation,BP)算法,把图像的局部区域特征传递到全局,最终基于最大后验准则(MAP)得到图像的分割结果.实验结果表明:所提模型对于图像中的噪声或者纹理特征等具有较好的分割,分割结果明显优于全局同态先验MRF模型;提出的自适应先验MRF模型对于图像的噪声或者纹理突变信号的干扰具有较强的鲁棒性;算法具有较少的迭代次数和较好的分割结果,且分割时间较短.     

基于机器学习的边缘检测方法研究

传统的边缘检测方法具有一定的局限性,且自适应能力差,提出一种基于机器学习的边缘检测方法来解决上述问题.实验图像从伯克利图像数据库中选取,以Harr和梯度直方图(HoG)构成特征空间,将AdaBoost算法和决策树算法相结合进行分类器训练.实验结果表明,机器学习的边缘检测算法有更高的分类准确率.     

基于尺度特征的手机拍摄打印数字序列分割

针对手机拍摄图像中普遍存在几何失真、光照不均和噪声等现象,提出了一种基于数字尺度特征的数字序列分割算法NSFS.该方法首先对数字序列图像进行预处理,消除噪声和残留表格线;然后,提取包含数字序列的最小矩形,利用数字尺度特征,对包含数字序列最小矩形的每个连通分量进行数字分割.此算法实现简单,适用于不同数据表格、不同字体和格式的数字序列.目前业界仍没有合适的图像库,为验证算法的性能,搭建了一个基于不同品牌手机拍摄的不同表格的图像库.基于此数据库的实验表明,基于数字尺度特征的数字序列分割算法达到了96％以上的正确分割率.     

基于最优梯度估计及小波变换的指纹图像处理技术

提出了最优梯度估计算法,用于提取指纹图像局部窗口中的纹理梯度特征参数,并在此局部窗口内计算出相应的频率参数。小波滤波器再根据这些特征参数对指纹图像进行自适应滤波,并用滤波后的合成梯度强度对滤波性能进行了衡量。实验结果表明,该算法较好地去除了图像中的噪声,并较大程度地提高了图像的质量。     

一种基于图像特征的小波域水印算法

为了更好地解决度规失真问题,提出了一种基于图像内容特征的鲁棒水印算法。该算法利用小波变换提取图像的特征信息,通过特征系数的选取和自适应嵌入策略,使得每个图像的水印相互独立,检测时不需要原始水印的先验知识,传递的副信息少。实验结果表明,该算法对原图像的影响极小,并且对于各种通用的图像操作具有极好的鲁棒性,有较高的实际应用价值。     

基于灰度纹理指纹的恶意代码分类

随着各种新技术的出现,传统的恶意代码的识别和分类技术存在着检测率瓶颈、实时监测效率不高的问题,为了提高准确率,提出了一种基于图像纹理指纹特征与深度学习神经网络结合的分类方法。该方法首先将数据集中恶意代码的二进制文件建模为灰度图,采用改进的灰度共生矩阵提取出恶意代码中的指纹特征图像,并选择不同步长扩展样本量,然后将该指纹特征图像作为输入数据集并采用卷积神经网络模型中进行分类训练。结果表明,该方法可以有效地分类恶意代码,准确率可达96.2%,并在泛化测试中取得了较好的效果。     

基于多方向Gabor特征图稀疏表示的鲁棒人脸识别方法

为提高对光照、表情、姿态等可变因素的鲁棒性,提出一种基于多方向Gabor特征图稀疏表示的人脸识别方法.对人脸图像进行多方向多尺度Gabor变换,然后将同一方向不同尺度的Gabor特征进行融合得到多方向特征图,再对每个方向的融合特征图提取Gist特征并赋予自适应权重,接着将所有方向特征图的自适应加权Gist特征串联构成人脸图像特征向量,最后利用稀疏表示分类方法实现人脸识别.实验结果表明,本文算法在Yale、ORL和Extended Yale B人脸数据库上的平均识别率分别达到99.8%、99.7%和100.0%.      

一种指纹特征点信息的表示方法

指纹图像经细化后并提取特征点,把特征点的信息构成特征向量作为指纹特征模板.本文提出了一种有效的指纹特征信息的表示方法,把中心点作为参照点,利用中心点和特征点之问的距离和纹线数与图像的旋转和平移无关的特性来标记特征点.通过结果分析,此方法占用的空间相对要小.     

基于二维条码的指纹特征信息隐藏方法研究

提出了一种将指纹特征信息隐藏在二维条码中的指纹信息保护方法．利用指纹图像的方向信息和频率信息确定二值化的阈值，采用PDF417条码的编码、译码技术实现指纹图像的预处理和特征提取，并将提取结果嵌入到二维条码中，当对指纹进行认证时，从二维条码中读取数据并解码，得到存储的指纹特征信息，从而达到认证、鉴别的目的．实验结果表明，所提方法可提高指纹特征信息的安全性，且识别、认证效率比较高，实现了指纹特征信息的远距离安全传输和高速录入，以及在线、离线的认证．     

新疆地方性肝包虫CT图像的灰度直方图特征提取与分析

 图像特征提取是图像识别、图像数据挖掘、基于内容的图像检索等工作的基础,是模式识别和分类中的关键问题。本文运用灰度直方图法提取新疆地方性肝包虫CT图像特征,对图像进行尺寸归一、去噪和增强的预处理,并对灰度直方图特征进行统计分析,用最大类间距法获取图像分类的主要特征,同时使用判别分析法对特征的分类能力进行评价。结果表明,灰度直方图法提取的特征在统计分析中存在差异,且提高图像分类的准确率,一定程度上有助于对肝包虫病CT图像进行分类和检索。     

黄土地区油气晕遥感成像机理初探

为揭示黄土地区TM图像上油气晕环成像机理，分析了试验5个环形影象1个已知油气显示环形影象的地表土壤光谱与油气地球化学指标的相关关系。同时，分析TM图像上该5个环形影像内外亮度变化规律，并与已知油气显示环比较，得出以下结论：（1）虽然6个环的地表土壤的单波段光谱与单个油气地球化学指标（含水量除外）之间无显著相关，但典型相关分析结果表明，各环的地表土壤光谱与油气地球化学指标却有显著的典型相关关系。（2）每个环形影象内、外TM亮度变化规律与已知油气显示环内外亮度变化规律的相似怀，和它们的油气地球化学元素的共生组合及元素在环内外差异特征的相似性基本一致。上述结果表明，TM图像上油气晕环是油气晕地球化学元素的共生组合及元素在环内外差异特征的反映。     

基于特征融合的指纹质量评估算法

针对公安刑侦指纹库中指纹质量参差不齐的问题,提出一种基于指纹图的空间和频率特征融合的指纹质量评估算法.首先用中心区域黑像素比例、环形谱结构和Gabor方向特征来单独评估指纹质量,分析各种特征的评估性能.然后,根据各评估特征对不同质量类型指纹的评估特性,给出一种新的非线性指纹评估准则,它通过对3种质量特征的评估结果进行非线性融合加权来计算指纹的质量评估分数.在公安刑侦指纹库上测试了该评估准则,结果表明,文中提出的非线性融合评估方法能够准确地评估指纹质量.     

一种基于LBPV(局部二值模式方差)的指纹分类算法

在指纹数据库规模不断增大的情况下,指纹分类对于提高指纹识别的速度和准确率十分重要.本文提出一种利用指纹纹理信息的方法将指纹分为五大类.该方法利用指纹的中心点将指纹模式区分为四个部分并求取每一部分的局部二值模式方差,然后利用K近邻分类器进行分类.实验证明该方法具有良好的分类性能.