面向高光谱图像分类的半监督Laplace鉴别嵌入

为有效提取出高光谱遥感图像数据的鉴别特征,该文阐述一种融合标记样本中鉴别信息和无标记样本中局部结构信息的半监督Laplace鉴别嵌入(SSLDE)算法。该算法利用标记样本的类别信息来保持样本集的可分性,并通过构建标记样本和无标记样本的Laplace矩阵来发现样本集中局部流形结构,实现半监督的流形鉴别。在KSC 和Urban数据集上的实验结果说明:该算法具有更高的分类精度,可以有效地提取出鉴别特征信息。在总体分类精度上,该算法比半监督最大边界准则(SSMMC)算法提升了6.3%~7.4%,比半监督流形保持嵌入(SSSMPE)算法提升了1.6%~4.4%。     

基于半监督学习的SVM-Wishart极化SAR图像分类方法

该文针对极化SAR (Synthetic Aperture Radar)图像分类中的小样本问题,提出了一种新的半监督分类算法。考虑到极化SAR数据反映了地物的散射特性,该方法首先利用目标分解方法提取了多种极化散射特征;其次,在协同训练框架下结合SVM分类器构建了协同半监督模型,该模型可以同时利用有标记和无标记样本对极化SAR图像进行分类,从而在小样本时可以获得更好的分类精度;最后,为进一步改善分类结果,在协同训练分类完成后,该方法又利用Wishart分类器对分类结果进行修正。理论分析与实验表明,该算法在只有少量标记样本的情况下优于传统算法。      

基于集成学习的交互式图像分割

针对交互式图像分割人工标记示例匮乏、不同目标区域难以均衡标记,单一分类器难以获得有效分割结果的问题,提出一种多分类器集成学习的交互式图像分割方法.采用多元自适应回归样条(MARS)方法构造第一个分类器;同时引入光滑薄板样条回归函数(TPSR)构造与之互补的第二个分类器,综合组成bagging集成学习器,以降低单一分类器对噪声的敏感度并进一步提高人工标记样本特征空间的利用率.随后,基于半监督学习中的聚类假设,结合bagging多学习器并联特点,提出一种REG-Boosting半监督学习算法,实现半监督图像分割.在不同数据集上的验证性和对比性实验表明所提方法的有效性和优越性.     

一种基于CNN与梯度分水岭算法的卫星图像区域分割识别方法

卫星图像的准确分割与识别在军事、环境、民生方面都有着重要的研究意义与价值。传统的区域分割算法如分水岭算法、k-means算法等在错综复杂的卫星图像中表现不佳,且不能同时给出区域的类别。为解决上述问题,本文提出一种结合CNN与分水岭算法的图像区域分割方法。该方法首先使用人工标记的区域图像训练CNN(卷积神经网络)分类器,且使其具有旋转不变性及平移不变性,从而能适应不同状态下的图像分类。然后用分水岭算法对图像进行区域粗粒度的聚类,针对分割出的每一个候选区域,使用CNN分类器对其迭代打分,最后得到分割区域并给出识别结果。实验结果表明,该方法较传统方法有更好效果。     

基于形态预处理和标记提取的分水岭分割算法

为了解决传统分水岭算法的过分割问题,提出了一种基于内外标记的改进分水岭图像分割方法.该方法在形态增强图像的基础上,进行形态学开闭重构运算,在不影响图像中原有景物结构及边缘结构的同时,去除图像中的暗纹理和噪声.从重建后的增强图像中对感兴趣的目标和背景进行标记提取.依据标记利用形态学极小值标定技术对形态梯度图像进行修正,最后使用分水岭算法对修正后的梯度图像进行分割.该方法能够有效地抑制过分割现象,复杂度较低,并可通过调整图像分割过程的参数,得到理想的图像分割效果.     

一种增强差异性的半监督协同分类算法

半监督学习中的Tri-Training算法打破了以往算法对充分冗余视图的限制,并通过利用三个分类器处理标记置信度和样本预测问题提高了标记效率.为进一步增强协同训练过程中分类器之间的差异性以提高性能,本文在其理论基础上提出了一种增强差异性的半监督协同分类算法.该算法利用三个不同的分类器进行学习;考虑到分类模型在更新过程中,可能会因随机抽样导致性能恶化,该算法利用基于标记类别的分层抽样法来对已标记样本集进行抽样,并通过基于分类正确率的加权投票法实现了分类器的集成,提高了预测准确率.本文通过实验对所提出算法与Tri-Training算法做了性能比较,实验结果表明本文所提出的方法在分类问题上具有较好的性能,验证了该算法的有效性和可行性.     

基于SSMFA与kNNS算法的高光谱遥感影像分类

 为了研究高光谱影像数据的维数约简和分类问题,提出了一种基于半监督边际费希尔分析(SSMFA)和kNNS的高光谱遥感影像数据分类算法.该方法利用有标记数据和无标记数据的信息获得数据的内在流形结构,通过SSMFA将高光谱数据从高维观测空间投影到低维流形空间,然后利用邻域内多个近邻点的信息通过kNNS分类器对低维空间中的数据进行分类.在Urban、Washington和Indian Pine数据集上的分类识别实验表明,该方法能够较为有效地发现高维空间中数据的内蕴结构,在每类随机选取4,6,8个有类别标记的样本10个无类别标记的样本的情况下,该方法的总体分类精度能够比MFA+kNNS提高0.8%~2.5%,比MFA+kNN提高2.8%~4.5%,比其他算法提高4.0%~7.0%,分类精度有了明显的提高.     

基于图像处理的AFM细胞形态参数的自动获取

细胞形态参数的准确获取对于临床诊断具有重要的意义.本文基于图像处理技术,采用MATLAB图形用户界面(GUI)开发了一个自动获取AFM细胞形态参数的软件平台,包括图像增强、图像分割、图形修饰、形态参数计算等功能.针对常见的细胞粘连现象,提出了一种改进的分水岭算法,即先将二值化后的图像进行距离变换,然后采用形态学开重构运算对距离变换图进行重构,最终用标准分水岭算法分割重构图.实验结果表明,该方法能够有效防止过分割现象.此算法不仅对细胞图像有效,对其它近似圆形的颗粒图像亦适用.     

基于邻域最小生成树的半监督极化SAR图像分类方法

该文针对极化SAR图像分类中只有少量标记样本的问题,提出了一种基于邻域最小生成树的半监督极化SAR图像分类方法。该方法针对极化SAR图像以像素为分类对象的特点,结合自训练方法的思想,利用极化SAR图像像素点的空间信息,提出了基于邻域最小生成树辅助学习的样本选择策略,增加自训练过程中被选择无标记样本的可靠性,扩充标记样本数量,训练更好的分类器。最终用训练好的分类器对极化SAR图像进行测试。对3组真实的极化SAR图像进行测试,实验结果表明,该方法在只有少量标记样本的情况下能获得满意的分类结果,且分类正确率明显优于传统的分类算法。      

基于改进支持向量机的运动视频内容分类算法研究

针对现有运动视频内容分类算法中使用支持向量机分类器难以提高分类精度问题,提出基于改进支持向量机的运动视频内容分类算法。首先采用稀疏表示方法进行运动视频内容去噪,在降低噪声的同时去除无用静止信息,将去噪后的运动视频内容进行非重叠切分,采用主成分分析法提取运动视频内容像素点特征描述项并建立特征向量空间;然后引入主动学习机制改进支持向量机分类器,使用改进的分类器建立特征向量空间与运动视频类别之间的联系。针对多类运动视频内容分类问题,提出使用后验概率计算改进的分类器对未标记样本的置信度进行运动视频样本选取。实验结果表明,所提算法与现行分类算法相比,具有更好的类别区分度。     

改进的分水岭算法在医学图像分割中的应用

针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将同态滤波增强与控制标记符分水岭相结合的分割策略.该方法先进行同态滤波增强预处理,再采用改进控制标记符的分水岭分割算法进行分割.仿真实验表明,提出的算法很好地抑制了过分割,实现了有意义的医学图像区域分割,同时还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,算法简单,并且能够适应医学图像分类与信息提取的需求.     

基于锚点建图的半监督分类在遥感图像中的应用

针对基于图的半监督图像分类方法扩展性差的问题,结合了mean shift图像聚类算法和基于锚点建图的方法并将其应用于遥感图像的分类中。首先采用mean shift聚类算法对遥感图像聚类;其次根据基于锚点建图的半监督分类方法,选取聚类中心作为锚点,利用锚点集和标记样本集建图,达到缩小图规模的目的,并建立锚点与样本间的关联矩阵;然后通过分类器得到锚点的标记信息;最后由样本与锚点间的关联矩阵还原得到遥感图像的分类结果。实验结果表明,该方法对遥感图像分类时,能够有效地降低计算复杂度,同时获取较好的分类结果。     

结合水平集和分水岭的粘连岩石图像分割

针对矿场的矿岩中粘连岩石图像难以分割的问题,提出了一种结合水平集和分水岭的图像分割方法。首先用水平集算法提取岩石颗粒边缘轮廓,在凸包和边缘轮廓共同控制下迭代腐蚀获得标记区域,最后用分水岭算法实现粘连岩石颗粒分离。实验结果表明,该算法能有效减少欠分割和过分割状况,具有较好的分割效果。     

基于图的Co-Training网页分类

 本文充分利用网页数据的超链接关系和文本信息,提出了一种用于网页分类的归纳式半监督学习算法:基于图的Co-training网页分类算法(Graph based Co-training algorithm for web page classification),简称GCo-training,并从理论上证明了算法的有效性.GCo-training在Co-training算法框架下,迭代地学习一个基于由超链接信息构造的图的半监督分类器和一个基于文本特征的Bayes 分类器.基于图的半监督分类器只利用少量的标记数据,通过挖掘数据间大量的关系信息就可达到比较高的预测精度,可为Bayes分类器提供大量的标记信息;反过来学习大量标记信息后的Bayes分类器也可为基于图的分类器提供有效信息.迭代过程中,二者互相帮助,不断提高各自的性能,而后Bayes分类器可以用来预测大量未见数据的类别.在Web→KB数据集上的实验结果表明,与利用文本特征和锚文本特征的Co-training算法和基于EM的Bayes算法相比,GCo-training算法性能优越.     

基于Gabor特征的稀疏表示纹理分割研究

稀疏表示和字典学习在图像去噪、图像重建和模式识别等应用上取得了良好的效果,其利用稀疏系数和重构误差来作为模式分类的判别准则。稀疏表示纹理分割方法是将图像分割问题转换为像素点的分类问题。但通常稀疏表示分类方法是基于图像块特征,难以准确表征图像纹理信息。为了解决上述问题,提出基于Gabor特征的稀疏表示纹理分割方法。因为Gabor特征对图像纹理信息的鲁棒性,算法首先从每类纹理中选择一些像素点作为训练样本,计算其不同尺度和方向下的Gabor特征,将其作为初始化字典,通过判别性的字典学习算法(D-KSVD)更新字典,该字典学习算法在KSVD基础上使得字典更具有类别判别能力,最后以待分割图像的每个像素点作为测试样本,计算其Gabor特征。利用OMP算法得到测试样本在字典下的稀疏系数,根据稀疏系数得到类标签,进而对像素点进行分类,完成分割。通过在Brodatz纹理库上的实验结果表明,该方法有效提高了稀疏表示算法对纹理图像分割的正确率。     

基于自适应预处理的图像分割方法

为了防止分水岭算法过分割问题,该文提出了一种基于自适应预处理的图像分割算法。该方法在分水岭算法的基础上,首先结合像素点亮度特征和空间分布特性应用自适应方法对梯度图像进行预处理。通过考察各像素点邻域中像素分类后的分布情况,来判断考察点是处于区域中心还是处于边界,并据此对考察点的梯度值进行调节。然后在预处理后的梯度图像上选定标记,将预处理后的梯度图像中大于200个像素的连通区域标定为标记。最后用分水岭分割方法对带标记的参考图像进行分割。试验结果表明,该分割方法具有良好的分割效果。     

基于聚类预分割和高低精度距离重构的彩色浮选泡沫图像分割

该文针对矿物浮选过程泡沫图像质量不理想、气泡大小形状灰度不均的问题,提出一种基于聚类预分割和高低精度距离重构的泡沫图像分割方法。首先,利用k-均值聚类进行前景泡沫与背景矿浆彩色图像分割,依据灰度分布和形状分布特征对提取到的泡沫图像进行滤波;然后,基于形态重构提出结合高低精度距离变换对距离图像进行重构,同时利用面积重构h顶改进变换为分水岭变换提取准确的特征标识;最后利用分水岭算法得到分水线,从而完成浮选泡沫的分割。由分割后的泡沫图像可统计分析出气泡个数与尺寸等物理特征参数从而为浮选控制提供依据。仿真结果表明了方法的有效性。     

一种基于自适应标记与区域间近邻传播聚类的分水岭图像分割算法

分水岭算法是一种高效的图像分割算法,能够准确地对图像进行基于区域的分割,但是存在易过分割的问题.为此本文提出一种改进的分水岭算法：首先,对彩色图像进行频谱包络滤波并计算彩色梯度获得梯度图像,再采取一种自适应设定参数的H-minima技术,对梯度图像的极小值区域进行标记;然后,对已标记极小值区域的梯度图像进行分水岭分割;最后,计算分水岭分割所得各区域的颜色矩,作为该区域的颜色特征,并对这些区域进行近邻传播聚类获得分割结果.通过与近年来其它改进的分水岭算法和采用聚类的图像分割算法实验比较,本文所提算法能更加有效地抑制过分割,提高分割准确率,具有良好的自适应性和鲁棒性.     

基于多参数配准模型的脑核磁影像分割算法

配准技术在基于多图谱的分割方法中能有效地将医学图谱的先验知识融入分割过程,再结合以高效的标记融合算法,最终实现精确地自动分割.针对图谱配准的较大误差及其对标记融合的重要影响,本文建立了一种新的概率图模型框架并以此提出了基于多参数配准模型的分割算法,将此方法与高效的标记融合算法相结合,可以提高目标图像中特定组织区域的分割精度,更使其在少量图谱分割的情形下具有重要应用.首先,使用多种配准参数对所有目标图像进行配准;然后,分别采用不同的算法对配准图像进行灰度融合和标记融合,实现训练图像的重构过程;最后,利用高效的标记融合算法对重构后的图像进行融合得到最终精确的分割结果.实验结果表明该方法均优于本文其他分割算法,能够有效提升脑部组织分割精度.     

基于种子点的粘连巨噬细胞图像的分割方法

粘连细胞的分割是医学细胞图像处理中的关键,随着形态学在图像分割中的应用,分水岭分割成为粘连细胞分割中最有效的方法之一。然而,由于巨噬细胞图像中的噪声和形态的不规则性,传统分水岭算法容易产生过分割。若在经距离变换得到的距离图中提取"种子点",并将其中距离小于某一阈值的两两"种子点"合并得到新的"种子点",在新"种子点"重新分布的距离图基础上使用分水岭分割。实验结果表明:该算法虽然要比传统分水岭算法多花费些时间,但可以有效地分割粘连巨噬细胞并抑制过分割现象。分割后,对细胞进行标记并提取细胞的特征参数,如周长、面积、圆度因子、灰度均值等。