融合全局与随机局部特征的鸟类姿态识别模型

为了高效地进行鸟类姿态分类,提出一种基于全局与随机局部特征融合的鸟类姿态识别模型.首先利用融合多分辨率的网络提取鸟类姿态全局特征;然后于网络中浅层与深层的高分辨率特征引入随机定位模块,即根据随机抽取的特征图求取最大值位置,形成包围盒裁剪原图;再将裁剪的局部图片送入子分类网络提取鸟类姿态局部特征;最后将全局和随机局部特征...     

结合全局特征的命名实体属性值抽取

关注非结构化文本中命名实体属性值的抽取问题.当前主流有监督属性值抽取方法仅使用局部特征,抽取效果有限,开展了利用文本全局特征改善属性值抽取的研究.通过适用于中文属性值抽取的全局特征,用局部特征以外的有价值信息提高抽取效果.据此,提出结合全局特征的感知机学习算法,该算法能够方便地融合文本全局特征,并将全局特征和局部特征统一结合到模型学习过程中,使模型具有更好的特征表示能力.实验结果表明,所提出方法的整体抽取效果高于仅使用局部特征的CRF模型和平均感知机模型.该方法适用于开放领域的属性值获取,具有较好的泛化能力.     

基于多方向阈值的超分辨率图像噪声识别仿真

针对当前超分辨率图像噪声识别方法,未考虑获取多方向阈值分割图像,导致超分辨率图像噪声识别时间长、识别精度和识别覆盖率低的问题,提出基于多方向阈值的超分辨率图像噪声识别方法.依据一维函数灰度曲线获取局部阈值,利用灰度波动局部阈值分割法,分割局部阈值图像,分析图像中噪声曲面的曲率变化率、弹性变化率、边界法矢、曲面离散率、外载荷修正量等特征值,将分析出的特征性质整合成一组特征向量,通过分类器进行计算,实现超分辨率图像噪声识别.实验结果表明,所提方法的超分辨率图像噪声识别精度较高,能够有效缩短超分辨率图像噪声识别时间,提高识别覆盖率.     

结合Fisher判别的手写数字特征提取方法

在手写数字图像的特征提取中,提出一种结合Fisher线性判别的多分辨率Gabor滤波方法,在所有特征点上寻求特定滤波方向上的局部最优滤波频率,以获得最佳滤波效果,同时压缩不相关特征.在MNIST手写数字图像库上的识别实验表明:在小样本情况下,该方法能更准确地抽取手写数字图像特征,识别效果明显优于直接进行Gabor特征提取.     

融合全局与局部视角的光场超分辨率重建

针对光场相机结构和像素传感器分辨率的限制导致光场图像空间分辨率和角度分辨率都较低的问题,提出一种融合全局与局部视角的光场超分辨率重建算法,同时提高光场图像的空间分辨率和角度分辨率。首先根据待重建新视角的位置,自适应选择局部视角,利用空间超分辨率卷积神经网络提高全局视角和局部视角的空间分辨率,然后提取并融合全局视角和局部视角在新视角处映射图像的深度特征和颜色特征,通过角度分辨率卷积神经网络重建获得新视角图像。实验结果表明,与现有方法相比,峰值信噪比(PSNR)提高约3 dB,结构相似性指数(SSIM)提高约0.02,有效地解决了遮挡情况下重建新视角局部目标丢失现象,同时更好地保持新视角的边缘信息,获得更优的重建效果。     

基于EBI框架的战争模拟多分辨率概念建模

战争模拟必须紧贴军事训练任务需求.当需要进行“广域对抗,局部高仿”时,现有的仿真系统往往难以胜任.所以,必须解决大范围想定下的局部行动的建模问题,多分辨率建模是解决这一难题较为有效的方法之一.基于这一考虑,从概念建模的角度出发,提出一种基于EBI框架的战争模拟多分辨率建模方法.从战争系统的构成要素:实体、行为和交互三个方面分别研究了多分辨率模型的聚合解聚问题.通过对多分辨率建模方法的规范化、形式化描述,为战争模拟系统的数学建模和程序建模提供参考.     

加权的多尺度多分辨率人脸描述与识别方法

为克服人脸表情、光照变化等对图像中人脸识别结果的影响,文中提出一种加权的多尺度多分辨率人脸描述与识别方法.首先使用多分辨率分析分解图像为子带图像,并选择3个不同尺度的低频子带图像构建多尺度和多分辨率图像序列.然后针对图像序列的每幅图像编码人脸局部区域的中心像素与其邻域像素的灰度差的符号分量,体现人脸局部结构的重要性.再利用人脸局部区域中心像素与邻域像素的灰度差的幅值分量作为像素局部二值模式的权重.最后利用块Fisher线性判别降低特征描述符的维数,同时增强判别能力.在ORL和FERET人脸库上的实验表明该方法可获得明显的性能提升.     

一种基于一致性邻域超图模型的图象分割方法

提出了一种将超图理论与图象的空 -频域特征分析相结合的图象分割方法 .该方法是基于图象的多分辨率小波分析及高斯 -马尔可夫随机场理论 ,在抽取一组反映图象局部空间结构信息的特征矢量基础上 ,根据同一区域的象素具有相似的特征矢量的原则 ,将图象转换为一个关于特征相似性测度的邻域超图 ,再利用覆盖 -选择算法对该超图进行分割的方法 .实验证明 ,该方法具有较好的稳定性和适应性 ,尤其对于一些信噪比较低的图象 ,也具有良好的分割效果 .     

基于多分辨几何特征的维吾尔文脱机签名识别

对维吾尔文手写签名图像进行二值化、去噪、归一化和细化等预处理的基础上,结合维吾尔文手写签名的结构与书写风格,对每幅签名图像进行金字塔式分辨率子图像切分,对高分辨率层抽取了共16维方向特征,对低分辨率层则抽取了共32维局部中心点特征。基于这两种特征的签名识别率分别为95.50%和90.50%。为了进一步提高识别率,又对两种特征进行了融合,结果识别率提升到了98.50%。对比分析了基于欧式距离和卡方距离度量方法对识别率的影响,确定最佳度量方法。     

正则化技术和低秩矩阵在稀疏表示超分辨率算法中的应用

为了有效地利用图像的特征作为指导重建的先验知识,解决常规超分辨率算法对边缘与结构等细节恢复不足的问题,提出一种改进的超分辨率算法.对待重建图像进行低秩分解,得到不同特征的低秩子图像和稀疏子图像;对于低秩子图像,提出采用基于正则化技术的稀疏表示超分辨率算法进行重建,先通过在低秩子图像中寻找相似图像块构造非局部相似正则化项,得到图像的非局部冗余,以保持边缘信息;再通过局部线性嵌入方法构造流形学习正则化项,获得图像的结构先验知识,以增强结构信息.对于稀疏子图像则不参与稀疏表示超分辨率重建,而是采用双三次插值法进行重建.实验结果表明,与其他算法相比,无论在主观视觉效果上,还是在峰值信噪比和结构相似性指标上,文中算法都有显著的提高.