基于区域跨度搜索的大米粒型检测方法

提出一种基于区域跨度搜索的大米粒型检测方法.该方法利用区域外切矩形的长度和宽度表示区域的跨度,通过米粒区域外切矩形旋转搜索米粒的粒长及粒宽,再由粒长及粒宽求出米粒粒型.由于是对米粒区域中互相垂直的2个方向上的米粒区域跨度的同时旋转搜索,因此只须对米粒区域外切矩形旋转90°即可搜索出米粒的粒长及粒宽.大米粒型检测的实验结果表明:该方法对大米粒型的检测结果与人工测量结果基本一致,相对误差为1.73%,且具有米粒旋转不变性的特点.     

一种区域分离方法及其在米粒检测中的应用

针对计算机视觉技术中米粒靠接在一起不利于大米的分级检测,采用图像处理分离靠接在一起的米粒融合区域,提出了基于扫描式区域增长的区域分离方法。该方法充分利用了单个米粒图像区域为凸性区域这一几何特点,通过区域增长的方法在图像中寻找由凸性米粒靠接在一起所形成的融合凹性区,并从凹处将融合区域分离开来。由于利用了米粒区域的几何特征来分离融合米粒区域,因此分离工作的自适应性强。大米垩白粒率的检测实验结果表明：该方法分离融合米粒区域的成功率达到了100％,而且检测结果与人工检测结果基本一致。     

用平板扫描仪及图像处理方法检测大米粒型

提出并用区域跨度定义了米粒粒长及粒宽,即定义米粒区域的最小跨度为米粒粒宽,与此跨度方向垂直的方向上的米粒区域跨度为米粒粒长.根据此定义,通过搜索米粒区域跨度的办法搜索米粒粒长及粒宽,再由米粒粒长及粒宽求出大米粒型.由于此定义与人工对米粒粒长及粒宽的测量方式是一致的,因此,基于此定义的大米粒型检测方法的检测精度高.利用平板扫描仪及图像处理方法检测大米粒型的实验结果表明:用该定义对大米粒型的测量结果相对于人工测量结果的相对误差为1.03%,且该检测方法具有米粒旋转不变性检测的特点.     

基于多峰分布最大类间方差的垩白米粒检测方法

采用一种基于多峰分布最大类间方差(Otsu)方法检测垩白米粒。首先利用垩白米粒图像的灰度分布具有多峰分布这一特性,应用数理统计方法进行多峰分布度测度。然后根据垩白米粒图像中垩白部分具有白色不透明这一物理特征将垩白米粒图像的灰度级分成3类,通过使用最大类间方差法确定两个分割阈值,并且检测出大米中垩白部分面积。由于使用了区域控制分割,使得最大类间方差阈值的确定具有自适应性和准确性特点。实验结果表明,本文采用的方法对垩白米粒检测正确度为97.4%,效果好于基于形态学分水岭的检测算法。     

基于形态学分水岭的垩白米粒检测方法

提出了一种基于形态学分水岭的垩白米粒检测方法。充分利用单个垩白米粒图像区域中垩白部分白色不透明这一物理特征,将单个垩白米粒图像区域分成3个标记区域,通过形态学分水岭方法分割垩白米粒图像,提取区域间的单像素边缘将垩白区域提取出来。为了提高边缘检测的准确性,使用sobel算子去噪。由于使用标记控制分割,从而使区域极小值修正具有自适应性和准确性特点。试验结果表明:该方法对垩白米粒的检测精度为96.4%,而且识别效果好于基于分形维数的检测算法。     

应用边界元法分析金属纳米粒对入射光的响应

应用边界元方法(BEM),研究单个金属纳米粒与光的相互作用,以及耦合金属纳米粒与不同方向入射光的相互作用.结果表明:对于不同半径的单个金属纳米粒,对应有不同的谐振入射光波长和不同的谐振条件下的场分布;对于3个耦合金属纳米粒,在不同方向入射光的照射下,会有不同的谐振波长和场分布.这些结果可以应用于光通信技术,集成纳米光子学和微小光学元器件的设计中,微粒耦合产生的局部场增强还可以应用于表面增强拉曼光谱学(SERS)实验和单个分子的探测.     

一种基于肤色和脸部特征的人脸检测方法

针对人脸检测问题中快速性与准确性难以同时满足的情况,提出了一种将肤色和脸部特征相结合的方法来检测人脸.由于通过基于肤色的算法能快速定位出人脸大致位置,因而检测速度能达到实时的要求;同时利用脸部特征进一步细检,可保证检测的精确性.     

视频检索中基于GMM聚类的无监督情感场景检测

为了高效地从视频中检索出激动人心的场面,提出了一种基于高斯混合模型的无监督情感场景检测方法.首先,从面部选取42个特征点,并定义10种面部特征;然后,利用高斯混合模型将视频的帧划分为多个聚类;最后,利用每一帧的面部表情分类结果将情感场景划分为单个聚类,并通过场景集成和删除完成检测.在生活记录视频和MMI人脸表情数据库上的实验结果表明,该方法的检测率、分类率分别高达98％,95％,检测5分钟左右的情感场景视频仅需0.138 s,性能优于几种较为先进的检测方法.     

基于综合特征一致性的感兴趣目标检测

感兴趣目标检测是模式识别的关键部分.文中研究了一种新的检测感兴趣目标的方法.首先将相位子带滤波器组输出的图像局部信息表示为单个特征的集合,该集合中的若干单个特征组成了综合特征;然后在综合特征的基础上给出了综合特征一致性函数,并用噪声估计进行修正;最后利用该函数对复杂自然背景中的感兴趣目标进行检测.实验结果表明,该算法能够滤除复杂的自然背景,有效地检测出感兴趣目标,且具有通用性.     

基于统计信息的织物瑕疵自适应检测

在使用模板匹配方法检测织物瑕疵的过程中,通过实时采集、分析织物的灰度图像,获得织物纹理的统计信息,并从中提取出正常纹理的特征.在此基础上,生成自适应更新的匹配模板和自适应变化的瑕疵判决阈值,使模板和判决阈值不需要人为干预,能够随织物的实际纹理自适应的变化,提高了算法的灵活性和通用性.实验结果验证了该方法的有效性.     

基于极限学习机的遥感影像阴影检测

为提高阴影检测精度,采用基于极限学习机的遥感影像阴影检测方法,将纹理特征的能量、熵、对比度和逆差距4个指数作为输入特征向量训练学习机模型,实现阴影区域的检测。实验结果表明,当纹理窗口大小为4×4,步长为1时,能够将阴影区域较好地检测出来。该方法能够克服阈值法的地物错检问题以及反复选取阈值的缺点,并解决了神经网络及支持向量机多参数选取困难的问题,有效地提高了阴影区域检测速度和精度,具有较好的鲁棒性和泛化性能,综合性能优于阈值法、神经网络和支持向量机。     

Using Feature-Based Models with Complexity Penalization for Selecting Features

Feature selection and inference through modeling are combined into one method based on a network that can be used to point out irrelevant, redundant and dependent features in the data. It is shown that this network method is efficient in terms of reducing the number of calculations for estimating the probabilities under different model assumptions by breaking the data into fractions. We prove that the probability estimations within the network method lead to the detection of non-informative features with probability one if the data is sufficiently large. The proposed method’s accuracy in detecting complex relations between features, selecting informative features and classifying data-sets with different dimensions is assessed through experiments using both synthetic and real data. The results from the network method compare favorably with those from the well-known and powerful feature selection algorithms. It is further shown that the network method can handle complex relations between the features that are intractable for other algorithms.     

核典型相关分析的融合人脸识别算法

为了更有效地映射图像数据样本到可分类特征空间,提高分类正确率,提出了一种新的基于核函数的典型相关分析的融合人脸识别算法.该方法首先把图像矩阵通过核函数影射到核空间,然后从核空间的行和列两个方向进行特征抽取,同时避免分解映射后的数据矩阵,简化了数据运算,获得了更具鉴别力的分类特征.在Ohio州立大学的OTCBVS可见/红外人脸数据库中进行了分类识别实验,实验结果表明:该方法可以获得90%以上的识别正确率,优于其他的典型相关分析的人脸识别方法的分类正确率.此外,对不均匀光照变化,表情变化等人脸识别的常见问题具有很好的抵抗能力.     

Hyperspectral remote sensing IQA via learning multiple kernels from mid-level features

Hyperspectral image quality assessment (HIQA) is an indispensable technique in both academic and industry domain However, HIQA is still a challenging task since those fine-grained and quality-aware visual details are difficult to be captured. Compared with the conventional low-level features, mid-level features usually contain more semantic and quality clues and exhibit higher discriminant ability. Thus, we aim to leverage the mid-level features for HIQA. More specifically, three-scale superpixel mosaics are generated from the input image pre-processed by PCA. Each superpixel scale corresponds to various homogeneousobject parts. Subsequently, three mid-level visual features (fisher vector, combined mean features, reconstructed image matrix) as well as deep features of hyperspectral images are calculated with three-scale superpixel images to constitute multiple kernels. Afterwards, we integrate these kernels into a multimodal one, which is further integrated into a feature vector by row-wise stacking. The image quality evaluation can be calculated based on the designed similarity metric. Comprehensive experiments have demonstrated the effectiveness of our proposed HIQA algorithm.     

基于采样协方差矩阵的混合核SVM高效频谱感知

近年来随着盲检测算法的提出,越来越多的基于采样协方差矩阵的盲检测算法应用于频谱感知。针对其检测门限是近似值,检测性能会受到影响等问题,提出了基于采样协方差矩阵的混合核函数的支持向量机（support vector machine,SVM）高效频谱感知,通过感知信号采样协方差矩阵的最大最小特征值（maximum minimum eigenvalue,MME）和协方差绝对值（covariance absolute value,CAV）提取的统计量作为SVM的特征向量并训练其生成频谱感知的分类器,无需计算检测门限并且特征提取减少了样本集的大小。利用遗传算法（genetic algorithm,GA）优化混合核函数的SVM的参数。实验结果表明,该方法比MME算法和CAV算法的检测概率有所提高,并且比SVM减少了感知时间,具有良好的实用性。