互信息在图像检索中的应用

提出了一种新的相似性图像检索方法,它利用信息熵理论,分别对图像的颜色、形状和纹理特征进行描述,给出一个综合的相似性匹配算法。该方法首先分割图像,把一幅图像划分为若干子区域,抽取图像的主要形状和统计其所含的角度信息;然后利用信息熵计算图像之间的颜色、形状和纹理互信息。试验结果表明与其他方法相比,新的相似性图像检索方法具有更好的图像检索效果。     

深度哈希卷积网络在图像检索中的应用

随着网络图像数据的迅猛增长,基于传统的人工设计视觉特征的图像检索方法的效果已无法满足要求。为此,提出了一种基于深度卷积神经网络的监督哈希编码方法。该方法是基于分类和量化误差的深度哈希,同时学习图像、哈希码和分类器的特征表示,然后利用标记的监督信息和深层架构学习卷积网络差异性特征表示,并直接用于生成哈希码和预测图像标签。根据相互关联的量化误差和预测误差共同调整深度网络的学习,最终对给定图像在低维汉明空间上实现快速检索。在MNIST和CIFAR-10两个图像集上的实验结果表明:所提出的方法与几种主流方法相比检索性能更好。最后,将所研究的深度卷积神经网络应用于Metel多媒体教学资源平台的图像检索中,取得了良好的检索效果。     

带质心的K最近邻增强模糊最小最大神经网络的集成方法

在分类任务中,传统的模糊最小最大神经网络及其变体在训练网络的时候没有考虑超盒内部训练数据的分布情况,并且考虑扩展系数的问题也不是很充分,导致每次训练新数据集都要重新选择最优的扩展系数。因此,提出了一种带质心的K最近邻增强模糊最小最大神经网络的集成方法。在该方法中,一方面,每个超盒都带有质心,用来描述之前训练的样本在该超盒的大体分布情况,并且在扩展规则及收缩方面考虑了样本距离超盒质心的因素;另一方面,使用5个带质心的K最近邻增强模糊最小最大神经网络作为弱分类器,每个分类器设置不同的扩展系数,当该方法训练完后,将得出的离散属性值作为随机森林的训练集,最后,使用测试样本验证网络的分类性能。实验结果表明:提出的方法在准确率、精准率、召回率以及F-score等方面大部分的结果高于传统的FMMN及其变体的结果,该方法有效地克服了FMMN的准确性过于依赖扩展系数的问题。     

基于改进形状上下文的双焦图像深度估计

针对深度估计时两幅双焦图像特征点的误匹配问题,提出了一种基于改进形状上下文特征点的校正方法。首先引入了对尺度、视角、光照等具有不变性的SSURF特征向量,利用SSURF特征向量匹配算法在双焦单目视觉系统采集的焦距不同的两幅图像之间进行目标SSURF特征点的匹配。提出一种改进的形状上下文描述符,对局部特征匹配点对进行误匹配的校正。然后根据空间物点与所成像点距图像中心矢量大小及摄像机的焦距值之间的几何关系,利用校正后的特征点完成相关的计算从而获取目标物的深度信息。实验表明,校正后的方法进行深度估计具有较小的误差和较好的估计效果。该深度估计方法有较大的实用价值。     

小波-神经网络在视频文本自动检测中的应用

数字视频数据中的文本能提供重要的语义信息,用具有良好时频局部特性和变尺度特性的小波分析方法,提取图像中的尺度一空域特征,经神经网络分类器进行分类后,自动检测视频数据中的文本信息,为基于内容的视频检索提供索引．实验表明该检测方法效果良好。     

神经网络在视频检索中的应用

随着计算机技术的发展,视频数据的容量以几何级数增长.如何在海量视频数据库中快速地检索到所需视频成为热门的研究课题.本文提出了一种基于反馈式神经网络的视频检索算法,对视频进行基于内容的分析和检索.实验表明用该方法检索的准确度比用基于关键帧的视频检索方法平均提高4%以上.     

机械零件图像表面瑕疵的检测算法

针对机械零件表面瑕疵检测问题,将机器视觉技术用于零件表面图像瑕疵的提取和分析,提出一种基于粒子群 优化算法加权模糊C均值聚类的零件缺陷图像智能分割算法,精确定位了机械零件表面的瑕疵区域。缺陷的形状特征 是判断其类型的重要依据,提取缺陷的形状特征,设计支持向量机分类器来检测划痕、裂纹、砂眼等表面瑕疵。研究结果 表明,该方法具有较强的实用性,在实验数据库上达到90%以上的正确识别率。     

图像情感语义分类及检索研究

提高情感语义映射和检索的准确率是图像检索的研究主题。在情感语义映射模型中,将图像的形状七阶矩和颜色矩作为模糊神经网络的输入,对网络的权值和阈值进行二进制编码,作为遗传算法的染色体串,通过遗传算法寻优得到情感语义映射效率最高的个体编码。在检索模型中,用遗传算法对图像匹配算法进行优化,直接找到最适合匹配的子模板坐标。相比传统的序贯相似检测算法,模型大大提高了图像匹配的效率。通过查全率与查准率的对比结果可知,经遗传算法优化后,图像情感映射和检索的性能均得到了明显提升。     

支持向量机在图像检索中的应用

运用颜色、形状、纹理等特征的基于内容图像检索技术,采用在分类方面具有全局优化、适应性强、理论完备、训练时间短、推广性能好等优点的支持向量机,进行图像分类,较好地实现图像检索的目的,并以舰船图像为例进行了验证,结果表明,支持向量机在图像检索中具有很好的应用效果。     

Fisher大间距线性分类器

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小。大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大。为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法——Fisher大间距线性分类器。该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小。并从理论上讨论了与其他线性分类器的联系。在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器。     

基于STDP规则的忆阻神经网络在图像存储中的应用

忆阻器是具有记忆和类突触特性的非线性电路元件,将忆阻器与STDP学习规则相结合,提出了基于STDP学习规则的忆阻神经网络,并将它应用于二值图像的叠加和灰度图像的存储与输出。首先将忆阻器作突触,通过实验证实在特定形状动作电位下,可实现STDP学习规则;构建了4×4的忆阻交叉阵列神经网络;用16×16的忆阻交叉阵列神经网络实现二值图像的叠加。最后用N×N的忆阻神经网络实现了灰度图像的存储与输出。通过MATLAB仿真实验证实了该方案的有效性,该忆阻神经网络具有仿生特性,有望解决模式识别、人工智能中出现的复杂问题。     

基于深度哈希的批量图像并行检索方法

针对图像检索的精确度和效率基于内容海量图像检索的关键问题,提出了一种基于深度哈希算法的图像并行检索方法。首先使用卷积神经网络建立图像特征和哈希码提取模型,然后将图像输入到训练好的模型中获取图像特征和哈希码,并存储在分布式数据库HBase中,最后在Hadoop并行计算框架中实现了一种并行检索方法。在大规模数据集CIFAR-10上进行检索实验,得到平均准确率为60.28%,相比SIFT算法提高了12.63%,且批量检索一张图像的平均时间为0.73 s。因此,该方法可使检索精度得到明显提高,还能提高海量图像的存储和检索效率。     

基于稀疏编码的图像语义分类器模型

为了解决图像检索以及遥感图像识别等图像处理研究中本质的问题——如何对高层抽象图像语义进行有效的分类,本文采用生物视觉认知机理,结合生物特征信息,用最小生成树的方法构造图像信息语义树,提出了一个基于稀疏编码的图像语义分类器(SCISC)的模型。实验结果表明:该模型在图像分类中有较高正确率。     

基于DCT的模糊面部超分辨率性别识别模型研究

为解决智能监控领域中存在的基于人脸图像的性别识别准确率不高的问题,本研究构建了DCT-FSR-CNN模型。该模型以相邻两帧面部图像作为超分辨率的双输入,通过离散余弦变换和局部超分辨率技术对图像进行融合处理以提高图像整体分辨率;对Alexnet网络进行优化改进,通过融合网络中间层进行特征值优化以提高分类器的准确率。同时,将该模型与其他4种性别识别模型进行实验对比,在现实的模糊面部图像数据集上的实验结果准确率和运行速度均有明显提升,证明了该模型的应用性和有效性。     

基于多分辨率的彩色图像检索研究

本文提出了一种新的彩色图像检索方法,通过在不同分辨率下的直方图提取其全局颜色特征,并结合局部色差模式的方法,获取图像局部特征,进行图像检索.实验表明该方法能显著提高图像检索效果.     

基于NMI特征的图像检索方法

基于图像的NMI(归一化转动惯量)特征提出了一种新的图像检索方法,其优点是计算简单、图像特征占用存储空间小。实验结果表明,该方法具有一定的实用价值,可用于图像检索。     

基于内容的唐卡图像数据库检索系统

为了解决藏族唐卡数据库分类检索问题，根据唐卡图像的特点，提出了基于块划分的结合小波帧包分解、匹配对与累计直方图为一体的新方法．该方法有效地结合了颜色、纹理、空间信息等视觉特征，实现了基于内容的唐卡图像检索。并且在查准率和查全率上都取得了好的效果．     

基于卷积神经网络的衣物属性分类方法

针对衣物属性分类的多样性和复杂性,传统算法和并行卷积神经网络难以准确快速地对衣物属性分类,提出了基于卷积神经网络的衣物属性分类方法,从衣物图像不同角度和不同位置特征出发,利用加入了DenseNet网络的模型自动完成特征学习,得到全面的衣物属性分类信息,然后利用cen误差函数优化softmax分类器,提高类间分散性和类内紧密性。结果表明:与并行卷积神经网络和传统算法相比,该网络结构收敛速度更快,在衣物多种属性上分类准确率更高。     

基于HOG特征和滑动框搜索的地面油气管道检测方法

提出一种基于HOG特征和滑动框搜索的地面油气管道检测方法,能快速、高效、准确地检测高分辨率无人机巡线图像中的地面油气管道。该方法首先提取管道与非管道图像样本的HOG特征,由所得特征作为样本数据训练油气管道检测分类器。将训练好的分类器用在整张无人机巡线图像中自动检测油气管道,利用与样本管道图像尺寸一致的滑动框对整张无人机巡线图像进行扫描,提取滑动框中的HOG特征输入到已训练的分类器中判断该窗口是否为管道,并进行标记。为了验证提出方法的有效性,将此方法运用于235张高分辨率航拍图像上进行油气管道自动检测,检测精确率达到84.7%。     

电流模式神经网络分类器的CMOS实现技术

运用电流模式技术，以Ｈａｍｍｉｎｇ神经网络为基本模型，进行了二值模式的最优的最小误差分类器设计实现。给出了全电流模式胜者为王（ＷＴＡ）子网和模式间匹配值计算子网的ＣＭＯＳ实现电路，计算机仿真与理论结果相吻合。该分类器很好地模拟了生物神经网络中的侧抑制作用，所得电路结构简单，适合用标准ＶＬＳＩ工艺集成，有其应用价值。