基于加权中值塔形分解的图像融合方法

提出了一种基于加权中值塔形分解的图象融合算法,同拉普拉斯塔形分解方法相似,对图象的分解可以分成四步:中值滤波、降采样、插值放大、带通滤波,形成多尺度、多分辨率的塔形近似图象序列和细节图象序列。多传感器图象经过分解的图象序列,通过基于局部能量选择的融合规则和融合算子形成融合图象塔,然后进行中值塔形图象重构,完成图象融合。与已有塔形分解图象融合方法相比,不仅保留塔形分解的优点,融合图象精确,而且对脉冲型噪声污染的传感器图象具有较强的过滤作用。实验验证,这种融合方法具有较强的适应性和可靠性,在图象信噪比较低的情况下,也能得到较好的融合效果。     

基于二维小波分解的图象编码

本文给出一个基于二维小波分解来进行图象压缩编码的方法。这里是使用正交小波变换来由行图象分解，得到一个图象的多分辨率表示，各频道分量对图象结构的把握是整体的，从更大程度上解除了图象象素之间的相关性，克服了由ＪＰＥＧ方法进行图象压缩编码而产生的块效应。对图象进行二维正交小波分解后，我们使用ＣＶＱ对小波系数进行编码，得到了较高的编码效率和重建图象质量。     

基于模糊加权SVM的SAR图像水体自动检测

提出一种SAR图像水体自动检测方法。该方法采用树型小波对SAR图像进行分解,提取样本图像与待检测图像的中频信息,并进行纹理分析,利用模糊加权支持向量机对样本图像的纹理进行训练,从而获得判别水体的决策函数,通过该决策函数能够检测出图像的水体区域。该方法结合了图像的灰度与纹理信息,减少了SAR图像中的噪声影响,能够适用于大幅面范围的SAR图像水体自动检测。     

图象小波分解方式的改进及应用

在传统图象小波分解方式的基础上,提出一种改进的图象小波分解方法,并将它应用到图象压缩编码方案中去减少了运算杂度,实验结果也表明,该方案在不影响图象质量的前提下提高了压缩比,具有广阔的应用前景。     

基于小波变换的分形预测图象编码方法

提出一种把小波图象编码与分形图象编码相结合的新的编码方法。图象经过小波分解后,呈现出两种相似性;一种是图象本身的自相似性,一是同方向不同分辨率子图象之间的互相似性。利用第二种相似性,也即利用低分辩率子图象为同方向讷经子图象进行分形预测编码。由于小波分解后低分辨率子图象的范围比高分辨率子图象的小一倍,故该编码一般的分形编码方法大大缩短了编码的时间,就编码的效果而言,该方法也比较令人满意。     

基于小波和奇异值分解的人脸识别方法

该文提出了一种基于小波和奇异值分解的人脸识别方法。首先对人脸图象进行小波分解，由于小波变换具有良好的多尺度特征表达能力，能将图象的大部分能量集中到低频子图中，使图象得到有效压缩。然后，对得到的每幅低频子图进行基于奇异值分解的特征提取，并将奇异值特征向量进行压缩，把压缩后的特征向量作为每幅人脸图象的特征，进而求出每一类人脸图象的特征向量中心。最后，将每一类的特征向量中心输入到分类器中进行识别。最终得到了令人满意的识别结果。     

基于小波分解的快速分形图象压缩算法

为了解决传统分形压缩编码时间过长的问题 ,提出了一种基于小波分解的快速分形图象压缩算法 .该算法利用小波分解后各频带间能量分布不均衡的特性 ,将集中图象主要能量的低频域看作是一种图象 ,进行传统分形编码 ;然后利用小波分解后不同分辨率子带图象之间的相似性 ,用低频域的全搜索代替传统算法中整个区域的全搜索 ,将在低频域得到的分形参数进行适当的比例变换得到整幅图象的分形码 ,解码时 ,进行同传统算法相同的迭代过程 ,所得解码图象即为原图的逼近图象 .实验结果表明 ,该算法在压缩比不变 ,且基本不影响恢复图象质量的前提下 ,大大提高了编码速度 ,明显改善了分形图象压缩中编解码时间的不对称 .     

基于小波生成特征符号随机场的纹理匹配与分类

提出了一种用小波生成特征符号随机场的纹理图象分类方法。它通过一定尺度上的小波图象分解,由在最大尺度上分解生成的４个子图来生成原始图象的特征符号随机场,在此基础上产生共生矩阵,进而获取原始图象的纹理特征和向量。然后,用两个特征向量的距离作为判别标准,对纹理图象进行快速分类。     

基于树状小波分解的纹理图象检索

针对图象检索应具有简单、快速、有效等要求,提出了一种采用树状小波分解特征的纹理图象检索方法,该方法可以在相应的能量准则下,自适应地对图象进行了带分解,同时可利用小波函数分解的多分辨率与多方向特性,来形成能够在一定程度上对图象进行精确描述的特征矢量;在此基础上,又采用基于图象特征值的主分量分析方法,有效降低了特征矢量的维数;另外,基于用户需求的分层检索,还满足了用户不同层次的需求。实验结果表明,该算法快速,有效,具有较强的应用价值。     

一种基于小波变换的图象分形编码压缩算法的研究

有效的编码压缩算法是图象数据存储和传输的关键 .为了更方便地进行图象存储和传输 ,在分析基本分形编码 (FCC)压缩算法优缺点的基础上 ,提出了一种新的结合小波变换的图象分形编码 (DWT- FCC)压缩算法 ,该算法首先对图象进行二级小波变换分解 ,然后对分解后的高层子图象进行基本分形编码 ,并根据不同层子图象结构间的相似性 ,通过高层分形编码来构造低层子图象分形编码 ,以实现图象的编码压缩 .实验结果表明 ,该算法在缩短图象编码时间和提高压缩比方面 ,均取得了良好的效果 .     

高斯隶属度优化的超分辨率随机森林学习算法

随机森林学习算法是一种有效的单图像超分辨率方法,然而其决策函数是确定的二值函数,这对某些图像块的确定性划分并不是最优的选择。为提升单图像超分辨率性能,采用高斯隶属度函数构建随机森林各决策节点的决策函数,将决策函数的输出值由0和1的确定值转换到0~1之间的概率值,并在叶节点上依据数据划分路径上各决策节点概率的乘积进行预测,依据最小经验冒险准则学习决策参数,使随机森林能更好学习不同的样本数据。实验结果表明,与随机森林学习等目前主流单图像超分辨率方法相比,该方法可以提升超分辨率图像的峰值信噪比,同时运算效率与传统随机森林学习算法相当。     

基于双向耦合扩散的保持特征的边缘锐化和图像增强

在过去的十几年中,偏微分方程在图像增强中得到了越来越多的研究和应用.该文提出了一个保持特征的双向耦合扩散框架.这个框架沿着等照度线(边缘)的梯度方向,利用柔和的边缘判定实施反向扩散以锐化边缘;而相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像.为了消除这两个相反的扩散力彼此之间的冲突,将算法分裂为一种耦合的格式,而且为了保持图像特征,利用图像的局部微分几何特征调整非线性扩散系数.实验结果显示,文中算法可以显著地提高被增强图像的视觉质量.     

A computational intelligence approach for a better diagnosis of diabetic patients

Knowledge discovery refers to identifying hidden and valid patterns in data and it can be used to build knowledge inference systems. Decision tree is one such successful technique for supervised learning and extracting knowledge or rules. This paper aims at developing a decision tree model to predict the occurrence of diabetes disease. Traditional decision tree algorithms have a problem with crisp boundaries. Much better decision rules can be identified from these clinical data sets with the use of the fuzzy decision boundaries. The key step in the construction of a decision tree is the identification of split points and in this work best split points are identified using the Gini index. Authors propose a method to minimize the calculation of Gini indices by identifying false split points and used the Gaussian fuzzy function because the clinical data sets are not crisp. As the efficiency of the decision tree depends on many factors such as number of nodes and the length of the tree, pruning of decision tree plays a key role. The modified Gini index-Gaussian fuzzy decision tree algorithm is proposed and is tested with Pima Indian Diabetes (PID) clinical data set for accuracy. This algorithm outperforms other decision tree algorithms.     

基于信息熵和几何轮廓相似度的多变量决策树

现有的多变量决策树在分类准确性与树结构复杂性两方面优于单变量决策树,但其训练时间却高于单变量决策树,使得现有的多变量决策树不适用于快速响应的分类任务.针对现有多变量决策树训练时间高的问题,提出了基于信息熵和几何轮廓相似度的多变量决策树(IEMDT).该算法利用几何轮廓相似度函数的一对一映射特性,将n维空间样本点投影到一维空间的数轴上,进而形成有序的投影点集合,然后通过类别边界和信息增益计算最优分割点集将有序投影点集合划分为多个子集,接着分别对每个子集继续投影分割,最终生成决策树.在8个数据集上的实验结果表明：IEMDT具有较低的训练时间,并且具有较高的分类准确性.     

一种基于像素域的改进的SPIHT算法

分层树的集分割算法是一种简单、有效的嵌入式零树编码算法.在算法的基础上提出了一种基于空域的改进方法.首先将图像的偶数裂像素减去相邻两奇数列的均值,形成分裂图像.然后将分裂图像的奇数列提取出来作为主图像,将偶数列提取出来作为幅图像.最后将主幅图像以合适的权值分别进行压缩.解码时,将主幅图像分别解码,再恢复分裂图像,最后再恢复原图像.对标准图像进行测试时,并把结果与原算法进行比较.实验表明,在相同的比特率条件下,重构图像的峰值信噪比远高于原算法.     

基于随机森林的综放工作面煤矸图像识别

针对目前综放工作面煤矸图像识别方法存在的参数调节难度高、预测准确率低、易过拟合等问题,提出了一种基于随机森林(RF)算法的综放工作面煤矸图像识别方法。以担水沟煤矿6203综放工作面为工程背景,采集放煤口的煤矸图像并对其进行裁剪、灰度转化、对比度增强、图像滤波预处理;采用灰度-梯度共生矩阵提取出15个煤矸图像纹理特征;采用RF算法对15个煤矸纹理特征的重要性进行排序,并选取前5个实现降维处理,分析降维前后RF算法对煤矸图像的识别效果。结果表明,在决策树个数为150、采用log2^M+1方法计算每次分裂时的特征数情况下,降维后RF模型的煤矸分类准确率为97%,比降维前提高4%,煤矸分类查准率为0.98,查全率为0.96,且袋外错误经50次迭代达到9%,泛化能力更强。     

Automatic inspection of diode pellets

In order to automate the human visual inspection process in the diode production factories, we construct an experimental computer system with an image digitizing circuit and a microscope. Based on the statistical decision theory, we formulate six mathematical functions for the six major defects frequently seen on diode pellets.On one thousand good samples we calculate various statistical parameters, with which another 800 samples are tested. The correct answer ratio is 94 percent, if the human decisions are assumed correct. Detailed investigation indicates that about one-half the split decisions comes from the human errors, whereas the other half comes from computer error. The final hit ratio increases to about 97 percent. We conclude with a proposal for a practical inspection system.     

一种基于功用性图的目标推抓技能自监督学习方法

提出了一种基于功用性图的目标推抓技能自监督学习方法。首先,给出了杂乱环境下面向目标推抓任务的机器人技能自监督学习问题描述,将工作空间中机器人推抓操作的决策过程定义为一个全新的马尔可夫决策过程（MDP）,分别训练视觉机制模块与动作机制模块。其次,在视觉机制模块中融合自适应参数与分组拆分注意力模块设计了特征提取网络RGSA-Net,可由输入网络的原始状态图像生成功用性图,为目标推抓操作提供良好的前提。然后,在动作机制模块中搭建了基于演员－评论家（actor-critic）框架的深度强化学习自监督训练框架DQAC,机器人根据功用性图执行动作后利用该框架进行动作评判,更好地实现了推、抓之间的协同。最后,进行了实验对比与分析,验证了本文方法的有效性。     

Geometric decision tree

In this paper, we present a new algorithm for learning oblique decision trees. Most of the current decision tree algorithms rely on impurity measures to assess the goodness of hyperplanes at each node while learning a decision tree in top-down fashion. These impurity measures do not properly capture the geometric structures in the data. Motivated by this, our algorithm uses a strategy for assessing the hyperplanes in such a way that the geometric structure in the data is taken into account. At each node of the decision tree, we find the clustering hyperplanes for both the classes and use their angle bisectors as the split rule at that node. We show through empirical studies that this idea leads to small decision trees and better performance. We also present some analysis to show that the angle bisectors of clustering hyperplanes that we use as the split rules at each node are solutions of an interesting optimization problem and hence argue that this is a principled method of learning a decision tree.