基于相容粒度空间模型的图像纹理识别

信息粒广泛存在于现实世界中,是对现实的抽象。信息粒化旨在建立基于外部世界的有效的并以用户为中心的概念,同时简化人们对物理世界和虚拟世界的认识。使用信息粒进行计算是粒度计算的基本思想,在问题描述和求解中都具有重要的意义。主要研究一种新的粒度计算模型—相容粒度空间模型在图像纹理识别中的应用。该模型基于这样的思想,即人类具有根据具体的任务特性把相关数据和知识泛化或者特化成不同程度、不同大小的粒的能力,并进一步根据这些粒和粒之间的关系进行问题求解的能力。通过在多个数据集上和10种其他图像纹理识别算法的比较实验表明,该方法在图像纹理识别上具有良好的应用效果。     

一种基于粒计算的知识隐藏方法

对数据中蕴涵的敏感知识的隐藏与保护是私有保护数据挖掘中重要一个研究课题。粒计算具有在不同的粒度层次上进行问题求解的能力。本文讨论了基于粗糙集粒计算模型的数据中知识隐藏与保护方法。首先,介绍了不完备信息系统下的相容关系、相容信息粒和信息粒度;其次,提出基于粒计算的知识隐藏与保护方法;最后,通过具体实例和在真实数据集上的测试表明了所提出方法的可行性。     

基于合理粒度的局部邻域决策粗糙计算方法

信息粒度和近似方法是粗糙集理论进行数据描述的两个关键.现实中数据分布情况复杂多变,现有的模型缺乏对不同数据区域进行区分的能力,且易受到异常数据的干扰,导致最终分类决策的失误.为此提出基于合理粒度的局部邻域决策粗糙集模型.首先,根据邻域中对象的个数和类别识别一些极端情况(例如离群点和标签噪声点),分别给出不同分布情况下数...     

基于MRF与纹理特征的图像深度信息估计

提出了一种基于马尔科夫随机场(MRF)模型与多尺度纹理特征的单幅图像深度信息估计方法,该方法采用了Laws滤波器分别对图像的边缘、梯度、点进行滤波,捕捉二维场景图像中不同尺度的纹理能量以获得深度信息的特征.并根据纹理特征在不同尺度范围的不同值,计算出纹理线索与场景深度间的概率关系,在此基础上,构建MRF概率模型.MRF模型通过分析邻域系统和设计迭代准则很好地描述了纹理特征与场景深度之间的关系,最后通过迭代算法获得二维场景图像的深度信息.实验结果表明,该方法对场景深度信息的提取具有较好的效果,对于二维场景图像的场景结构、空间布局的约束较少,算法鲁棒性好.     

一种基于频域纹理特征的图像文字定位算法

图像中文字信息的提取和识别具有极大的应用价值,文字定位是文字提取最关键的步骤之一.现有文字定位算法复杂度高,查全率和查准率都有待提高.本文提出一种基于频域纹理特征的图像文字定位方法.在图像频域提取纹理特征后初步定位文字区域,再根据文字区域的几何属性得到最后的定位结果.实验结果证明,该方法在粗定位和精确定位阶段均能取得较好的效果,且计算复杂度较低.     

多粒度决策系统的局部最优粒度选择

粒计算是知识表示与数据挖掘的一种重要方法.它模拟人类思考模式,以粒为基本计算单位,以处理大规模复杂数据和信息等建立有效的计算模型为目标.在粒计算看来,一个粒是由多个比较小的颗粒组成更大的一个单元.在许多场合下,由于不同标记尺度对数据有不同的分割,会得到不同层次的信息粒度.在面对具体问题时,自然而然地考虑选择一个合适的粒度层次来解决问题.针对具有多层粒度决策系统的粒度选择与规则获取问题,首先介绍了多粒度决策系统的概念,并在多粒度决策系统中定义了局部最优粒度,然后介绍了多粒度决策系统中基于局部最优粒度的属性约简.最后,给出了基于局部最优粒度的规则获取方法,并结合具体实例给出了规则获取的一个算法.     

图像粒LLE算法在人脸表情分析中的应用

文章提出了一种粒计算和局部线性嵌入(LLE)相结合的图像处理方法.针对人脸研究领域中高维数据产生的复杂计算度问题,提出了图像粒的方法,并对图像进行处理;对高维数据进行了降维,从而达到降低计算复杂度的效果.实验在Frey人脸数据库上进行,在多个不同粒度的图像粒上分别应用LLE算法,给出人脸姿态和表情分布变化的实验结果,并分析了图像信息的损失情况.实验结果表明图像粒LLE算法对算法复杂度的降低和图像信息的保持是一个有效的方法.     

基于相容粒的彩色图像检索算法

图像特征的提取与表达是图像检索技术的基础,而图像边缘是重要的视觉感知信息,由此提出一种基于相容粒度空间模型的图像检索方法.首先利用Canny边缘检测算子提取原始图像的彩色边缘信息,然后使用相容粒的合并计算方法对图像边缘颜色进行动态量化,根据得到的信息粒计算图像之间的相似度并进行图像检索.仿真实验表明,本文算法与传统颜色...     

基于D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

基于深度学习的纹理图像语义识别

传统的纹理图像识别方法主要对底层的视觉特征进行检测,从而导致对高层语义特征的识别能力不足.为了解决上述问题,提出一种基于深度学习的纹理图像语义特征识别方法.该方法首先把在ImageNet数据集上预先训练的模型作为骨干网络构建模型,然后对输入的纹理图像进行数据增强和预处理,并输入模型进行训练和验证,最后利用训练获得的最佳...     

基于BP网络的棉花中异性纤维识别算法

针对原棉中的异性纤维种类繁多、特征各异,很难建立一个统一的异性纤维识别模型问题.提出了应用神经网络识别异性纤维的算法.在RGB颜色空间下,提取原棉图像中每个像素的R、G、B分量,采用统计纹理分析方法,计算R、G、B分量的纹理强度信息作为特征值.用MATLAB软件创建BP网络识别模型,对有代表性的原棉图像进行识别实验.实验结果表明该算法可以有效地识别出原棉中存在的有色和无色异性纤维.     

快速和尺度稳健的纹理图像识别

传统的纹理图像识别方法很难同时获得较好的识别精度、实时性和尺度稳健性,不利于实际的工程应用.因此,提出一种快速和尺度稳健的纹理图像识别方法.该方法首先利用高斯滤波构造一个纹理图像的多尺度空间,然后利用完备的局部二值计数(Completed Local Binary Count,CLBC)算法对多尺度空间中的每个图像提取局部二值特征,并跨尺度提取局部二值特征的最大值,再将多个分辨率的特征相结合作为纹理图像的最终特征描述,最后利用最近子空间分类器(Nearest Subspace Classifier,NSC)判定纹理图像的类别.在基准纹理图像数据库上的实验表明,该方法在识别精度、实时性和尺度稳健性方面获得了很好的综合性能,有利于实际的工程应用.     

基于有限内存Broyden-Fletcher-Goldfarb-Shanno优化算法的图像非刚性配准方法

图像配准可以分为刚性配准和非刚性配准两类,图像非刚性配准是图像处理研究的热点和难点,其中的参数模型往往转化为无约束优化问题的求解,当参数数目较大时求解比较费时,提高此类算法效率的关键之一是减少迭代算法中矩阵的计算量和存储量.本文研究了一种非刚性配准方法,该方法应用Basic样条自由变形模型,此模型改变控制点只影响其附近...     

对比度受限下直方图均衡化处理的木板纹路图像增强算法

在木板纹路识别的工程应用中,光照不均匀等因素会产生对比度差的木板图像,将影响木纹的准确识别,针对此现象采用改进的对比度受限自适应直方图均衡化方法(contrast-limited adaptive histogram equalization,CLAHE)对木板纹路图像进行增强处理,首先借助加权平均灰度化对原始图像进行灰度处理,再利用CLAHE算法将灰度图像分割成若干个大小相等连续的子块,选取合适的阈值对每个子块的直方图进行截取,将超过阈值的像素均分到其他的灰度级中,使用双线性插值对图像进行插值运算,得到对比度受限下直方图均衡化图像,最后使用双边滤波器(bilateral filter)对均衡化图像进行降噪保边处理。共用600幅木板图像,其中450幅图像作为训练集图像,150幅作为验证集图像,通过平均绝对误差(mean absolute error,MAE),峰值信噪比(peak signal to noise rate,PSNR)以及最终实验结论对比CLAHE算法和其他一些常规算法,工程运行结果表明:CLAHE方法处理木板纹理图像具有较好的运行效果,为木板纹理的准确识别提供了理论依据。     

校园航拍图像超分辨率重建的粒计算方法

提出了校园航拍图像超分辨率重建的粒计算方法,包括:(1)提出了图像粒化方法,实现图像空间向粒度空间的转化;(2)设计粒之间合并运算和分解运算,构造粒之间的模糊包含关系μ和σ,实现不同粒度空间之间的转化,获取图像的先验知识,指导校园航拍图像超分辨率重建算法的设计;(3)根据自顶向下、自底向上两种模式和图像先验知识,设计校园航拍图像超分辨率重建粒计算算法,实现粒度空间向图像空间的转化.实验验证了提出方法的可行性.     

基于距离和时序的层次粒度支持向量回归机

针对目前粒度支持向量回归机的粒划算法只考虑了距离因素,引入时序因素,提出适用于金融时间序列的基于距离和时序的层次粒度支持向量回归机(DTHGSVR).该方法首先将训练样本通过核函数映射到高维空间,并在该特征空间中进行初始粒划.然后,通过衡量样本粒与当前回归超平面的距离以及当前样本粒时序的综合因素,找到含有较多回归信息的粒,并通过计算其半径、密度及时序信息进行深层次的动态粒划.如此循环迭代,直到没有粒需要进行深层划分为止.最后,对不同层次的粒进行回归训练.采用提出的基于距离和时序因素的层次粒度支持向量回归机对基金净值进行预测,实验结果表明回归的泛化性有所提高.     

Tolerance Granulation Based Community Detection Algorithm

Community structure is one of the most important features in real networks and reveals the internal organization of the vertices. Uncovering accurate community structure is effective for understanding and exploiting networks. Tolerance Granulation based Community Detection Algorithm(TGCDA) is proposed in this paper, which uses tolerance relation(namely tolerance granulation) to granulate a network hierarchically. Firstly, TGCDA relies on the tolerance relation among vertices to form an initial granule set. Then granules in this set which satisfied granulation coefficient are hierarchically merged by tolerance granulation operation. The process is finished till the granule set includes one granule. Finally, select a granule set with maximum granulation criterion to handle overlapping vertices among some granules. The overlapping vertices are merged into corresponding granules based on their degrees of affiliation to realize the community partition of complex networks. The final granules are regarded as communities so that the granulation for a network is actually the community partition of the network.Experiments on several datasets show our algorithm is effective and it can identify the community structure more accurately. On real world networks, TGCDA achieves Normalized Mutual Information(NMI) accuracy 17.55% higher than NFA averagely and on synthetic random networks, the NMI accuracy is also improved. For some networks which have a clear community structure, TGCDA is more effective and can detect more accurate community structure than other algorithms.     

稀疏表示的图像分类研究综述

良好的特征提取方法能减轻后续图像分类与识别的工作量。针对具体的分类问题提出了不同的特征提取方法,并在图像分类和识别任务上取得了较好的效果。然而,已有的基于传统方法的特征提取存在一些明显不足,即随着视觉任务规模的增大,直接利用这些传统方法进行特征分类,效果并不理想。提出的特征表达方法,在图像最基本特征基础上进行矢量量化、稀疏编码或其它表达以形成一幅图像最后的特征。着重介绍基于稀疏表示的特征分类算法并对其进行分析,最后探讨存在的问题和今后研究的方向。     

基于小波变换的低光照对比度或强噪声背景下图像增强与目标提取方法

提出了一种基于小波变换的低光照对比度或强噪声背景下图像增强与目标提取方法.低光照对比度情况下成像获得的图像进行处理分析、目标定位识别与跟踪都有一定困难,必须对其进行增强处理.根据图像的纹理统计特性,设计了专用于保护纹理特征的巴特沃思滤波器,对低光照对比度图像或强噪声背景下图像进行增强,可有效地克服低光照对比度图像或强噪声背景条件下进行处理分析、目标定位识别与跟踪造成的影响.实验结果表明:应用小波变换的多尺度分析方法和专门设计的巴特沃思滤波器,可较好地消除低光照对比度或强噪声背景下图像的干扰.