改进的主动形状模型在植物叶形分类中的应用

针对植物叶形识别的特点,采用改进的主动形状模型实现叶片图像的批量识别和分类.在模型中以地标点序列表示对象形状轮廓,分别应用覆盖面积半径和生物学参照点进行伸缩变换和旋转变换,归一化地标点序列间的统计关系,进而研究形状间的相似性和差异性;在分类时通过设置相似度阈值,强化了同类叶片的标准,从而减少了一些非同类的误归入事件的发生.实验表明改进的主动形状模型在叶形识别中得到稳健的识别率.     

基于叶片图像的植物识别方法

 基于计算机的植物自动识别是植物识别分类学的发展趋势,本文提出了一种基于植物叶片图像的植物自动识别方法。该方法在对叶片图像进行亮度校正、中值滤波和阈值分割等预处理后,计算植物叶片的偏心率、圆形性、圆形度指标、方向角、最小矩形宽轴/长轴、最佳椭圆短轴/长轴6个形状特征参数和植物叶片的二阶矩、对比度、相关、熵、逆差矩5个纹理特征参数,再使用径向基人工神经网络设计了植物自动识别的分类器。通过对3种植物的60个叶片图像进行实验,仅用植物叶片形状特征进行植物识别的平均正确识别率为70.83%,利用植物叶片形状特征和纹理特征进行植物自动识别的平均正确识别率为83.3%,并得到了径向基人工神经网络的参数。实验结果表明,植物叶片图像的纹理特征能够提高植物自动识别的平均正确率,基于植物叶片图像的植物自动识别是切实可行的,研究成果为深入研究植物自动识别分类系统奠定了一定的理论基础。     

基于代数方法的图像特征抽取和识别

该文对文献（３）中的相似度计算了改进,用低维矩阵替代高维矩阵进行计算,先证明没有改变原有图像矩阵的相似度,然后用新方法和原方法解决一组人脸图像识别问题,实验结果表明,新方法大大减少了计算量,又能保持稳定的识别率,具有较高的识别效果。     

基于投影序列质心的不规则形状识别

以交通标记识别为例,针对不规则形状识别提出一种新的方法。选取不规则形状的边缘点做双向投影变换,根据归一化和中心化后的投影序列数据求得加权质量,从而得出投影序列的质心。由于相似质点系的质心距离相近,因此相似投影序列的质心也相近。以棋盘距离和街区距离的线性组合替代欧氏距离来度量投影序列及其质心的相似性,继而得到不规则形状的相似程度。实验结果表明,该算法在保持较高识别精度的同时,运算速率也比较快。     

基于线性判别深度信念网络的人脸表情识别

深度信念网络在人脸表情识别领域表现出很好的性能,但由于其最后一个隐层与分类层之间的初始权值矩阵通常随机生成,这样的权值矩阵不具有判别能力,从而导致经该权值矩阵映射得到的特征不能保证适合于分类任务。为了解决此问题,提出一种新的深度信念网络结构——线性判别深度信念网络,其对传统线性判别分析法进行改进,设计了一个新的类间离散度矩阵,解决了传统线性判别分析法中存在的秩限问题;使用改进的线性判别分析法初始化深度信念网络最后一个隐层和分类层之间的权值矩阵,使网络更适合于分类任务。本文提出的线性判别深度信念网络在JAFFE和Extended Cohn-Kanade人脸表情数据库上分别得到了78.26%和94.48%的识别率。     

差分特征融合改进的动态手势识别分类网络模型

通过卷积神经网络和长短期记忆网络进行多模型结合,实现动态手势识别分类建模,并使用数据增强算法增加数据的多样性,通过差分特征融合改进网络。7种动态手势动作识别分类的实验结果显示,使用数据增强算法增加数据的多样性后,结合模型的识别率最佳可提升286%;通过差分算法改进网络,序列间差分特征融合模型识别率达到8381%,维度差分特征融合模型识别率达到8762%。表明多模型结合可解决单一模型的局限性,处理更加复杂的动态手势分类问题,两种不同形式的差分特征融合改进都可提升动态手势动作的识别率,从而验证了所设计的差分特征融合改进的动态手势识别分类网络模型的有效性和可行性。     

基于Hausdorff距离的人体步态识别

现有的步态识别方法对行人轮廓匹配的鲁棒性差，导致识别率不高．文章提出了基于Hausdorff距离的行人步态自动识别方法．首先提取了行人二值轮廓序列；然后采用轮廓参考点分布直方图间的距离、参考点集之间Hausdorff距离度量轮廓形状问的匹配度；继而通过步态的周期性分析选取关键姿态，计算出的关键姿态轮廓集间Hausdorff离结合窗口搜索策略实现了步态的分类和识别．分别在小型CASIA室外步态数据库和大型Soton室内库上进行了实验，提出算法的正确识别率分别可达到91．25％和88．16％．与相关文献的比较分析表明算法是有效的．     

基于卷积神经网络的掌纹识别方法

为避免在处理掌纹识别时人工提取掌纹特征,提出使用卷积神经网络(CNN)来处理掌纹识别问题。首先根据掌纹的几何形状特点进行预处理,切割出掌纹的感兴趣区域(ROI);然后将感兴趣区域进行归一化并组成一个二维矩阵作为卷积神经网络的输入;再使用批量随机梯度下降算法对网络进行训练,得到最优的网络参数;最后对测试掌纹进行分类识别,分类器使用Softmax。应用于香港理工大学掌纹数据库(v2)的掌纹识别率达到99.15%,单张掌纹的识别时间小于0.01 s,验证了方法的有效性。     

基于动态时间规划的基因芯片数据识别

研究了动态时间规划(DP)在基因芯片数据识别中的应用,提出了基因芯片数据的全局最大自相似度的定义以及基于最大自相似度和高维局部片段校对的基因芯片数据自动识别方法。讨论了基于最大相似度建立模板的方法与基于最大相似度的基因沿校对路径平均的建立模板方法对基因识别和分类的影响。对肿瘤基因的识别实验结果表明：基于最大相似度的DP算法(DP-MS)能够达到100%的识别率,本方法可以应用于基因芯片数据的识别、分类和基因疾病推断。     

基于CHMM的行为识别系统设计

阐述了行为识别的基本过程。将前景序列进行归一化后,采用二维主成分分析方法(2DPCA)降维进行特征提取,利用连续隐马尔科夫模型(CHMM)建模,对行为有效分类和识别。实验结果表明,该设计方案的识别率可以达到95%。     

一种基于指形中线的指形特征提取方法

指形识别是基于指形生物特征提取和匹配的人体生物特征识别技术之一．本文针对传统指形特征提取方法可能导致的伪特征提取,提出一种基于指形中线的指形方向校正、特征提取和匹配的方法．该方法能自适应地检测指形方向,较准确地提取指形特征．然后利用得到的指形特征对手形图像进行快速分类,进行手形图像的匹配和识别．实验结果表明该方法避免了提取伪特征的情况,得到了较好的正确率．     

基于Fisher准则的分类器在皮革正反面分类中的应用

制鞋业中的皮革表面缺陷查找和排样主要靠手工完成，因此效率低下．基于图像处理技术的自动化缺陷查找及排样，可以较大地提高生产效率．皮革的缺陷查找和排样，主要在皮革的正面进行，因此皮革正反面的自动判别是后续处理的关键．因为皮革具有典型的纹理特征，纹理图像其特殊的像素空间分布方式有别于普通的灰度图像，因此常用的灰度图像分类特征对纹理图像的分类不适用．而基于灰度共生矩阵提取纹理图像的统计量组成的特征向量，并在Fisher判别准则的基础上设计一种线性分类器来对皮革纹理图像进行分类．实验结果证实，该分类器可有效地对皮革的正反面进行分类。     

卫星云图云分类的一种综合优化聚类方法

为了改进和提高目前卫星云图云分类中客观性、定量性和自动化程度的不足,运用遗传算法（GA）全局寻优、模糊C均值聚类（FCM）局部寻优、模糊减法聚类（FSC）客观估算聚类数等优势互补的思想和途径,进行卫星云图的云分类判别。试验结果表明,综合优化方法（FSC-GA-FCM）的云分类效果明显优于单一的FCM和GA算法,可有效弥补FCM和GA算法在云分类中存在的不足,可运用于实况云图的云分类客观、自动判别。     

结合主题与内容的Web图象分类

建立了基于主题词的图像分类体系，实现了结合图像主题词和内容的Web图像分类方法，最后给出了初步实验结果．实验表明该方法有效、可行，对Web图像检索具有积极意义．     

基于图像处理的烟叶叶片结构分类算法

针对采用传统工艺方法进行烟叶叶片结构检测和分类的缺点,介绍了图像处理和分析技术在烟叶叶片结构分类识别中的应用,讨论彩色图像分割、连通区域标记、面积的检测、识别和分类等主要的图像处理算法,提出一种动态的烟叶叶片面积大小分类的算法,它是基于类的分离度思想而提出的.该算法对于不同品质的烟叶图像具有自适应性,且计算准确、速度快,能满足实时性要求.此算法已有效地应用于烟叶叶片结构自动分类系统,并取得了令人满意的效果.     

会展对政府国际形象塑造与传播中的若干问题及应对策略——以中国—东盟博览会和广西政府为例

文章以中国—东盟博览会和广西政府为例,找出会展在政府国际形象塑造与传播方面存在的若干问题,然后通过提出政府自身形象塑造与大众媒体传播等两种策略来更加有效地塑造与传播政府的国际形象,力求推动广西软实力建设,加快区域经济与社会发展。     

基于知识的遥感图像分类系统

本文应用问题求解的黑板模型并利用产生式系统作为基本软件结构,设计并实现了一个基于知识的遥感图像分类系统;对知识获取与表示进行了研究;通过实验论证了系统的可行性.     

海面目标与海天背景合成的红外图像数值模拟方法

在对海面目标红外图像理论模拟的研究中,已经能分别计算出目标和海面大气背景的红外图像,作者研究了在此基础上用数值方法模拟海面目标和海天背景合成的红外图像的计算原理和方法,编制了生成合成红外图像的计算软件并计算了某舰的模拟热像。     

Effect of Image Noise on the Classification of Skin Lesions Using Deep Convolutional Neural Networks

Skin lesions are in a category of disease that is both common in humans and a major cause of death. The classification accuracy of skin lesions is a crucial determinant of the success rate of curing lethal diseases. Deep Convolutional Neural Networks(CNNs) are now the most prevalent computer algorithms for the purpose of disease classification. As with all algorithms, CNNs are sensitive to noise from imaging devices, which often contaminates the quality of the images that are fed into them. In this paper, a deep CNN(Inception-v3) is used to study the effect of image noise on the classification of skin lesions. Gaussian noise, impulse noise, and noise made up of a compound of the two are added to an image dataset, namely the Dermofit Image Library from the University of Edinburgh. Evaluations, based on t-distributed Stochastic Neighbor Embedding(t-SNE) visualization, Receiver Operating Characteristic(ROC) analysis, and saliency maps, demonstrate the reliability of the Inception-v3 deep CNN in classifying noisy skin lesion images.     

Integrating color and spatial feature for content-based image retrieval

In this paper, we present a novel and efficient scheme for extracting, indexing and retrieving color images. Our motivation was to reduce the space overhead of partition-based approaches taking advantage of the fact that only a relatively low number of distinct values of a particular visual feature is present in most images. To extract color feature and build indices into our image database we take into consideration factors such as human color perception and perceptual range, and the image is partitioned into a set of regions by using a simple classifying scheme. The compact color feature vector and the spatial color histogram, which are extracted from the seqmented image region, are used for representing the color and spatial information in the image. We have also developed the region-based distance measures to compare the similarity of two images. Extensive tests on a large image collection were conducted to demonstrate the effectiveness of the proposed approach.