自然光图像反射分量分离

针对传统方法不能直接去除自然光图像高光的问题,提出了一种基于多通道梯度一致性的反射分量分离方法.首先依据多通道梯度一致性检测同质高光像素、并构建反射分量分离张量.然后用反射分量分离张量对图像梯度进行变换,将其分解为镜面反射分量梯度和漫反射分量梯度.最后从漫反射分量梯度重构出估计的漫反射分量.实验结果表明该算法可直接去除自然光图像高光而不需预先估计光源色度,简化了自然光图像反射分量分离过程,并能更准确地去除归一化图像的高光.     

一种采用LLE降维和贝叶斯分类的多类标学习算法

多类标数据中的样本可能属于一个或多个类标,因此其分类问题较单类标分类更为复杂。提出一种新的多类标学习算法,首先针对多类标数据的特征属性维数高的特点,采用LLE算法对多类标数据的特征属性进行降维,提取能较完整描述数据的一组低维特征属性集;然后将多类标样本集按所属的类标进行划分,并采用贝叶斯分类模型来学习各组样本集的分类特性;根据各个分类模型的判定类标,综合得到多类标样本的最终类标集。将该算法分别应用到自然场景图像和基因数据的多类标分类学习中,实验结果表明,该算法针对不同的多类标数据集均能取得很好的分类效果,且相比于其他多类标算法有更高的性能。