基于文化算法的KPCA特征提取方法

如何选择最优或接近最优的核函数使分类错误率降低,是KPCA(Kenel Principle Com-portent Analysis)应用于特征提取的关键.本文在研究了文化算法(Cultural Algorithms,CA)相关文献的基础上,提出了一种训练核函数参数的文化算法流程,实现了KPCA和CA的集成,有效地提高了核函数的优化选择.仿真结果表明该方法具有较好的结果和更少的计算量.     

基于FCM的彩色多目标图像分割

针对传统的图像处理方法对彩色多目标图像分割时会出现分割精度低、目标定位不准等现象,文章采用基于模糊理论的模糊C均值聚类(FCM)方法实现图像处理.通过将图像从三颜色分量具有高度线性相关性的非均匀RGB颜色空间转到均匀且色域宽阔的Lab空间,并选取合适参数进行聚类实现分割.实验显示,对比其他颜色空间,文章方法能够较为准确...     

改进的KPCA在入侵检测特征提取中的研究

特征提取是入侵检测的关键,特征提取的本质就是变换。针对传统核主成分分析(KPCA)在入侵检测应用中对模式分类问题所提取出的特征组合的不足,提出了一种基于信息度量改进的KPCA算法。数据集使用广泛地使用的KDDCUP99安全审计数据集,用训练样本的各特征向量的类内聚集程度和类间离散程度所组成的信息度量来代替传统KPCA中的累积贡献率,选取有利于检测出异常的特征组合。实验结果表明,改进的KPCA方法在较低的维数下就具有较明显的分类效果。     

基于多特征融合的图像特征提取方法

本文提出了一种多特征融合的图像特征提取方法,针对彩色图像从颜色特征、纹理特征以及区域形状特征等几个方面抽取特征向量,更多的保留图像的各种信息。并通过实验对本算法进行验证分析,用该方法表示图像特征时,最后的图像区域数是影响特征表示的关键因素,所以图像区域数的确定应该根据情况动态决定。     

基于多尺度金字塔的多光谱图像Pan-Sharpening方法

针对传统高分辨率全色(high-resolution panchromatic,HRP)图像融合中发生的频谱失真等问题,提出了一种多尺度金字塔方法来锐化低分辨率多光谱(low-resolution multi-spectral,LRM)图像.该方法利用HRP图像中的冗余补丁重建高分辨率多光谱(high-resolution multi-spectral,HRM)图像.首先,从低分辨RP图像创建金字塔;然后,通过利用该金字塔作中同一层以及较低层的每个补丁之间的关系,重构上采样的LRM频带;最后,从上采样的多光谱带估计高分辨率强度分量.利用不同层次的相似结构更详细地重构HRM的波段特性.在多尺度过程中利用自相似性,从可用HRP和LRM图像中构建HRM图像,减少了空间失真.此方法在强度分量的重建中使用底层HRP图像来减小HRP和强度分量之间的不相似性,从而减少频谱失真.实验结果表明,此方法能有效地保留源图像的光谱和空间信息,且性能优于其他方法.     

基于改进FCM算法的SAR图像分类

目的改进模糊C-均值FCM算法,并对SAR图像进行粗、细分类。方法对FCM算法从初始聚类中心、隶属度约束条件两个方面进行改进,并提出对SAR图像的粗、细分类。首先利用改进的FCM算法对图像进行聚类,然后在隶属度矩阵中设定阈值,对小于阈值的像素块进行进一步细分类。结果得到并验证了改进的FCM算法,该算法对图像进行分类的分类精度比传统的FCM算法要高。结论本算法既可以保持较高的精确度,又可保证较快的计算速度。     

基于改进的FCM聚类算法的图像分割

本文从利用空间信息的角度进行了研究,从邻域距离约束的角度出发,提出一个新的聚类目标函数,得到基于邻域距离约束的FCM图像分割算法。将该算法用于人工图像和实际图像的分割实验,实验结果表明了该算法的有效性以及对噪声的鲁棒性。     

基于小波变换的多光谱图像和全色图像配准算法

研究一种快速、准确的适用于大角度旋转的多光谱图像和全色图像自适应配准方法.该算法首先基于小波变换提取图像的角点作为特征点,然后提出利用基于区域带旋转角度估算的相似度最大和三角形相似的方法确定最佳的配准参数,最后采用迭代算法优化配准参数.实验结果表明:该方法可以准确、自动地获得不同的多光谱图像和全色图像之间的配准参数.     

多分辨分析和K均值聚类改进FCM图像分割

模糊C均值(Fuzzy C-Means,FCM)聚类广泛应用于图像分割,但FCM聚类中随机确定初始聚类中心容易导致图像的错误分割.为了避免这个缺点,提出一种用于图像分割的FCM聚类初始聚类中心的选取方法.该方法利用图像灰度-邻域均值二维直方图的峰值的个数确定图像聚类数目,然后对图像的低频子带图像利用K均值聚类得到FCM聚类初始聚类中心.实测图像的分割实验表明该方法具可行性.     

基于多特征图像集成的高光谱图像分类方法

对于多波段、高维度的高光谱图像,不同的地物有着不同的特征表示,单独的一种特征可能无法全面覆盖所有的地物信息。因此,希望获得多特征以尽可能的覆盖所有地物信息,以期有效地选择和利用多种类型的特征。本研究提出了一种基于多特征图像的集成学习方法(MFI-EL)用于高光谱图像分类。首先,不同的特征提取方法获得反映不同地物信息的特征图像。其次,每一种特征图像采用支持向量机分类,选择其中最优的作为基本核之一。最后,利用自适应增强方式不断进行学习,获得多个最优的基本核,根据每个核的重要性将其集成为最终的分类结果。采用三幅真实的高光谱图像进行实验,实验结果表明,提出的方法优于其他的集成方法。     

基于序列图像的虹膜特征提取与分类

根据单一虹膜图像进行虹膜识别时,存在被干扰影响而改变的特征,而从单一图像中无法判断这些特征的有效性.因此,根据这些特征难以对虹膜做出正确分类.针对这个问题,提出了基于序列图像的虹膜识别方法.从多个图像提取的二值相位特征,经过特征配准将虹膜特征投影,获得低维的子空间特征,用子空间上的特征作为该虹膜的特征,将其与数据库中的特征进行比对,从而进行虹膜识别.与基于单一图像的虹膜分类方法相比,该方法的虹膜分类性能明显得到改善.     

基于PCA和KPCA特征抽取的SVM网络入侵检测方法

提出一种新颖的基于特征抽取的异常检测方法,应用主分量分析(PCA)和核主分量分析(KPCA)抽取入侵特征,再应用支持向量机(SVM)检测入侵。其中PCA对输入特征做线性变换,而KPCA通过核函数进行非线性变换。利用KDD 99数据集,将PCA-SVM、KPCA-SVM与SVM、PCR、KPCR进行比较,结果显示:在不降低分类器性能的情况下,特征抽取方法能对输入数据有效降维。在各种方法中,KPCA与SVM的结合能得到最优入侵检测性能。     

基于区域生长的彩色图像颜色特征提取研究

针对彩色图像,提出了一种简单的颜色特征提取方法.该方法选取了适合彩色图像处理的区域生长算法,利用中值点法来改进其中种子点的选取方法,并结合RGB彩色空间中像素点的性质确定区域生长准则和终止准则.实验结果表明：该方法在保证区域连通性的同时,也能够简单高效地得到与人眼视觉判断相一致的有意义的图像特征提取.     

基于改进ORB的图像特征点匹配

鉴于ORB算法在特征点匹配时基本不具备尺度不变性,结合SIFT算法思想,提出了改进的ORB算法:SIRB(ORB and SIFT)。首先生成图像的多尺度空间,并在多尺度空间里检测稳定的极值点,使得提取出的特征点具有尺度不变信息;然后使用ORB描述子对特征点进行描述,生成旋转不变性的二进制描述子;最后通过Hamming距离完成对特征点的匹配。实验结果表明,SIRB有效地解决了ORB不具备尺度不变性的缺陷,在图像尺度发生变化时,SIRB算法特征点匹配的平均准确度达到约93.3%,相比于ORB提高了约70.7%;同时SIRB和ORB两种算法的匹配速度大致相当,SIRB保留了原ORB算法的快速优越性,平均匹配速度比SIFT快约63.2倍;将提出的SIRB算法应用到视频目标跟踪系统中,取得了良好的实验效果,具有一定的应用价值。     

基于小波和Beamlet变换的图像线特征提取

Beamlet变换是多尺度几何分析的有效工具之一。本文提出了一种基于小波变换和Beamlet的图像线特征提取算法,利用小波变换凸显图像的线特征,再通过Beamlet变换提取图像线特征,实验结果表明了该方法有效。     

一种基于小波PCA的高光谱图像特征提取新方法

针对高光谱图像数据量大、数据维数高、光谱信息丰富的特点,提出一种基于小波分解的主成分分析(PCA)降维的特征提取新方法.该方法充分利用小波变换的优势,在光谱域内针对每个像元进行降维,既减少了数据量,还能保留光谱信号的差别;PCA方法充分利用像元间的相关性,保留不同类在相邻像元间的局部空间信息,弥补了空间域内小波变换类间可分性较差的问题.实验结果表明,小波分解与PCA相结合的特征提取方法能够有效地提高高光谱数据分类效率及分类精度.     

基于Gabor滤波器的特征抽取技术

首先简介了2D Gabor函数,然后从样点的选取、Gabor滤波器参数设置、Gabor特征后处理等方面,综述基于Gabor滤波器的特征抽取技术,最后给出进一步的研究方向.     

基于改进量子进化算法的稀疏特征提取方法

特征提取是进行模式识别的关键环节,利用稀疏分解将信号表达为具有一定结构特征的原子组合,为提取信号内部特征信息提供了一种有效途径.本文提出基于改进量子进化算法的稀疏特征提取方法,利用改进量子进化算法的并行性和全局搜索能力,使信号在过完备的原子库上实现快速精确的稀疏分解.对过完备的原子库进行量子比特概率幅编码,通过量子比特的交叉进化-变异操作更新原子库,以信号残差与原子的内积作为量子进化目标函数,筛选出最具信号结构特征的原子,凭借稀疏重构实现信号的特征提取.仿真信号和故障轴承振动信号的稀疏特征提取结果表明了所提方法的有效性和优越性.      

基于样本密度的FCM改进算法

从聚类中心的直观属性出发,选取样本中密度较大的点作为FCM算法的初始聚类中心。解决了FCM算法对初始值敏感、收敛结果容易陷入局部极小等问题。实验结果证明这一算法的合理性和有效性。