基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

基于图像RGB色彩特征的关联规则挖掘研究

对图像色块RGB值进行抽取和处理、建立常用颜色数据表和图像RGB颜色值的事务数据库D、最后应用关联规则进行挖掘.关键工作是建立"n张图像颜色值事务数据库D",它与使用传统的购物篮数据进行关联规则挖掘的事务数据表形式类似.因此,基于图像RGB色彩特征的非结构化数据挖掘问题就转化成了结构化数据的挖掘问题.     

数据实时转化技术在智能限高监控平台中的应用研究

数据实时转化方法是实时转化成一定规则的数据并存放在数据库中供给服务端的使用。在智能交通监控平台中,实时监控超高车辆行驶信息和实时转化抓拍的超高车辆图像信息数据需要实时转化,以数据视图、折线视图、图像等方式实时呈现在平台中,供管理人员决策。因此,本文研究了一种数据实时转化技术,通过通信和编码技术把设备中多种类16进制数据流实时映射到服务缓存中,实现数据流实时、安全、准确转化和表达。     

全偏振参量低秩稀疏分解伪彩色图像融合

偏振图像伪彩色融合对提高视觉感知和目标判读具有重要意义,利用空间调制型全偏振参量矩阵的低秩和稀疏特性,提出基于贝叶斯概率鲁棒性矩阵分解融合方法。首先,根据偏振调制和解析算法构造偏振参量矩阵,同时合成强度图像;其次,对参量矩阵进行基于改进的贝叶斯概率参量矩阵分解,降低背景噪声和亮度变化等干扰,分别获得参量图像的稀疏和低秩成分;然后利用方差、清晰度和信息熵进行模糊积分,获得显著性参量图像,与合成强度图像一起进行像素级增强;最后,经直方图规定化和IHS颜色映射,得到伪彩色融合结果。实验选择多种材质与目标的仿真和实测数据进行验证,通过主观视觉效果和客观指标比较,验证了其有效性。     

颜色协调的鲁棒式图像克隆

图像克隆一直是图像编辑中的重要组成部分,概括来说有基于透明度分量的、基于梯度域的、基于坐标的3种图像克隆方法,但图像克隆领域中存在的颜色不协调和边界失真问题一直没有得到很好的解决。为了缓解基于均值坐标克隆方法中的颜色不协调问题,提出一种基于局部亲和力传播的图像克隆方法,亲和力综合考虑了像素点与边界的坐标距离、颜色距离以及该点颜色在边界颜色分布中的概率,以此来缓解失色,达到颜色协调。亲和力还可以检测出真正感兴趣对象的边界,用它来约束边界插值,可以有效缓解边界失真,使得克隆更加鲁棒,最后的实验结果表明该方法能得到令人满意的结果。     

Wedgelet变换自适应消噪算法研究

为探索增强图像一致性自适应消噪的新算法,并检验其在图像增强和消噪中的功效,采用构建正交多分辨率Wedgelet变换的自适应消噪方法,利用黑白图像进行了计算机仿真实验,结果表明:从仿真实验中得出该算法在图像增强图像消噪方面比传统的Beamlab200工具箱运行时间短,收敛速度快,均方误差小,信噪比大,消噪效果优势明显。