基于聚类和协同标注的TSVM算法

针对数据集中类样本不均衡、样本标注代价大的问题,结合聚类算法、委员会投票思想和TSVM算法,提出一种基于聚类和协同标注的TSVM算法,该方法利用聚类算法进行子集划分,保证每个子集都包含良好的空间信息,对样本的标注采用多个分类器进行投票,提高标记准确率,减少错误的累积和传递,提高标注准确率,增强最后分类器的泛化性能.KDDCUP99数据集上的实验结果表明该方法对未知攻击有较高的检测准确率.     

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.     

基于多目标优化方法的一类k-Means自适应算法

【目的】针对k-Means聚类算法及MinMax k-Means聚类算法需要人为提前给定聚类数量而导致数据划分准确率偏低以及MinMax k-Means算法聚类效果受类簇边缘点影响较大等不足提出解决方案。【方法】将k-Means和MinMax k-Means算法的目标函数相结合,建立多目标优化模型,提出基于多目标优化方法的k-Means算法。分析簇数异常情况下最小中心方差与最大簇内方差之间的关系。【结果】发现当分类簇数大于最优簇数时,最小中心方差小于最大簇内方差,据此提出了基于多目标优化方法的k-Means自适应算法。【结论】数值实验表明：提出的自适应算法在人工数据集和UCI标准数据集均具有较好的自适应性且聚类效果较优。     

基于风格建模的图像自动标注

传统的自动图像标注假设图像相对独立,在训练和标注阶段,图像之间的联系都被忽略.然而在实际应用中,用户往往倾向于将来自同源(如同一次旅行,同一次庆典等)的图像存储在一起,组成一个图像子集,来自同一个图片子集的图像享有共同的"风格".以传统的基于PLSA模型的自动图像标注为基础,提出为图像集的"风格"建模,在风格模型的基础上进行自动图像标注.不同数据集上的实验证明,提出的风格化图像自动标注可以为传统的基于PLSA模型的自动图像标注带来80%左右的性能提升.     

图像自动分类在数字化图书馆中的应用

基于支持向量机的分类原理,构造图像分类器。通过这种分类器实现了图书馆馆藏图像的自动分类,采用这种方式代替了现阶段的图像人工分类方式,从而取代了基于文本的图像检索（TB IR）,提高标引率。     

基于区域空间与词汇加权的图像自动标注

图像自动标注是图像检索与图像理解中重要而又极具挑战性的问题.针对现有模型忽略了图像不同区域对图像整体贡献程度的差异性,提出了基于区域空间加权的标注方法,改善了图像的区域特征生成概率估计.此外,针对现有模型未考虑词汇本身重要性以及词汇分布对标注性能的影响,提出了基于词汇固定权值的标注方法、基于平滑词汇频率的标注方法以及基于词汇TF-IDF加权的标注方法,对词汇的生成概率估计部分进行了改进.综合以上区域空间改进与词汇改进,提出了WDVRM图像标注模型.通过在Corel数据库进行的实验,验证了WDVRM模型的有效性.     

基于语义标注的文本聚类算法研究

为了改变元数据创建还处于手动、半手动的现状,要提高Web页元数据的精确度。首先基于语义标注理念,以群体共享的形式对Web页语义信息进行标注。生成过程中利用自动聚类算法,侧重于分析标注者不同特点对提高元数据质量所起的作用,提出了一种自动生成元数据方案。最后,通过实验证明,元数据结果会因标注者特点的不同而异,并且当标注者影响超过了临界值会提高元数据的质量。     

基于Vague融合的自动图像标注方法

提出了一种基于Vague融合的自动图像标注方法,通过有效区域匹配方式,利用近邻语义信息来平衡正负样本数目,并且首次利用Vague集的真假隶属度融合图像的区域信息,从而获得更准确的标注结果.实验结果表明,该标注方法是可行的,同时,与传统的标注方法相比,标注结果得到了明显的提高.     

基于支持向量机的图像分割算法设计

信息的来源多种多样,其中图像是比较重要的一种。随着信息中越来越多地出现数字图像,如何对其进行处理成为国际上的研究热点。图像处理过程包含有图像编码、图像增强、图像压缩和图像分割等许多环节。近年来,学者们对图像分割问题给予了极大关注。介绍了支持向量机的概念,将图像分割看做像素分类,将支持向量机用于图像的分割,包括样本的选择、特征的提取,训练支持向量机,最终实现了基于支持向量机的图像分割算法。结果表明,支持向量机能够很好地将图像目标分割出来。     

New method of image retrieval based on interest image region blocks and comprehensive features

We propose an image retrieval method based on interest image region by asymmetrical blocking. An image is segmented into the interest region and background region on a certain rule. For the interest image regions, the color histogram of the uneven blocks is extracted as the color characteristic. We also collect the mean and variance value of the Gabor filtering results of background blocks as texture features of the background image. Then, the images can be retrieved by synthesizing the image color and texture features. We test our approaches by analyzing the results of recall and precision indicators for the Corel image data-base. The experiment results show that the proposed method performs effectively and accurately, which is more effective to retrieve the distant-view images, and the achieved precision increases by about 10% without loss of the retrieval call compared with some other traditional search methods.     

基于张量罚偏最小二乘的自动图像标注

如何有效地挖掘变量与标签之间的相互关系和处理高维数据是自动图像标注的两个具有挑战性的问题。以往的自动图像标注都是基于向量模式的学习算法,这样一方面产生高维数据,另一方面破坏了图像数据的高阶结构和内在相关性,导致信息丢失。向量模式下的罚偏最小二乘算法(penalized partial least square,PPLS)可以在获取变量和标签相关性的同时,进行维度约简。在PPLS的基础上,提出基于张量罚偏最小二乘算法(tensor-PPLS)。首先构造图像的张量数据形式,然后采用多线性主成分分析(MPCA)进行降维预处理,最后用tensor-PPLS进行图像标注。在图像标注的三个标准数据集上,提出的算法标注结果明显优于传统的基于向量模式的学习算法。     

典型相关分析与多伯努利相关模型的图像标注

文章提出一种基于图像的视觉词袋与文本标注的典型相关分析与分割无关的多伯努利相关模型的自动图像标注算法。在图像标注与分类任务中,矢量量化图像局部描述子得到的视觉词袋特征已显示了其鲁棒性与可区分性,文中对视觉词袋与文本特征作典型相关分析,确保投影变换后新的视觉特征与文本特征的相关性最大化,从而有效地在视觉与文本2种模态中建立联系,契合了自动图像标注的主旨。文中还提出了一种简化的多伯努利相关模型,实验结果证明了典型相关分析比概率潜藏语义分析更适合于图像自动标注,也证明了简化的多伯努利相关模型的有效性。     

基于区域的自动种子区域生长法的彩色图像分割算法

提出了一种基于区域的自动种子区域生长法进行彩色图像分割的算法.该方法首先应用分水岭算法对图像进行初始化分割,形成过分割效果.然后从分水岭算法形成的区域出发,根据一定的规则自动选出一些区域作为种子区域,进行种子区域生长.与传统的种子区域生长法(SRG)以图像中的像素点作为种子进行生长的方法不同,本方法以区域作为种子并以区域作为生长单位进行区域生长.实验结果表明,该算法能够产生较好的分割效果及较快的分割速度.     

基于感兴趣区的图像编码算法的研究

本文分析了基于缩放和最大提升法的两种图像感兴趣区编码算法,给出了编码图像的信噪比与码流比特率之间的关系,对图像感兴趣区编码及JPEG编码进行了编码质量比较.采用面向对象的编程思想,使用MFC开发的基于感兴趣区的图像编码与图像显示软件为以上算法分析提供了条件.实验表明,在相同码流比特率的条件下,本文给出的感兴趣区编码算法这一优先编码方法比现有的JPEG算法相比具有更高的编码质量.     

一种新的基于区域生长的彩色图像分割算法

为克服一般区域生长算法对初始种子点选择以及生长顺序鲁棒性较差的问题,提出了一种鲁棒于生长顺序的彩色图像区域生长算法.首先计算所有像素点的局部颜色直方图以及领域相似性指标(neighbor similarity factor,NSF);其次通过NSF值建立种子的选取准则、种子的生长准则以及生长的终止准则,对图像进行初分割;最后对未分类点进行重新分类得到最终分割结果。通过与JSEG算法比较发现,该算法在运算时间以及分割准确性具有明显优势。     

基于感兴趣区域聚集层的强化学习算法的目标检测

在传统深度强化学习的目标检测基础上,提出了一种基于感兴趣区域聚集层的策略,改进传统深度强化学习中使用RoIPooling层将感兴趣区域池化为固定尺寸时造成的像素偏差.首先遍历整个感兴趣区域,保持感兴趣区域的浮点数边界;然后将感兴趣区域平均分割成7×7个矩阵单元,保持每个矩阵单元的边界也是浮点数;最后在每个矩阵单元中使用...     

基于不规则区域分割的快速分形压缩算法

首先基于序列块和主块之间最小象差的方差信息,提出了一方差排序搜索算法,该算法可产生与满搜索一致的分形编码.该算法能较大程度上减少对每个序列块进行搜索和匹配主块数与相应编码时间.并通过采用不规则区域变换,提出了一种不规则区域的图像分割算法,实际结果表明比传统的基于块的分割有更大的压缩比,并能减少编码时间.图4,表2,参10.     

基于感兴趣区域的H.265样点自适应补偿算法优化

针对目前H.265环路滤波器样点自适应补偿(sample adaptive offset,SAO)算法复杂度高、计算量大的问题,提出了一种基于人眼感兴趣区域的样点自适应补偿技术.人眼感兴趣区域在视频的空间域对应纹理复杂的区域,在时间域对应运动剧烈的对象.利用图像的时域和空域的二维信息,使用编码单元深度和运动矢量分别检测...