多特征融合的轻量级马铃薯分类研究

针对复杂环境下田间马铃薯品种识别精度不高,模型体积较大等问题,提出了一种基于多特征融合的轻量级卷积神经网络LRnet。LRnet网络将ShuffleNetV2和MobileNetV2裁剪后作为双分支网络结构的主干,分别提取马铃薯叶片和马铃薯块茎的图像特征,然后通过提出的融合策略将特征进行融合,从而对马铃薯的29个品种进行分类。实验结果表明,本文提出的LRnet相比ShuffleNetV2、MobileNetV2和ResNet不仅显著提高了马铃薯品种的分类精确度,而且模型小,易于端侧部署,同时也表明了多部位特征融合方法可以显著提高物种的识别精度,为马铃薯的品种鉴定提供了技术参考,其融合策略也可为相关研究人员提供一定的研究思路。     

基于多特征自适应融合的分类采样跟踪算法

针对目标跟踪中的场景易变和目标模板不稳定等问 题,提出了一种基于多特征自适应 融合的分类采样跟踪算法。算法利用密集特征信息将目标模板用多个重叠子区域划分,每 个子区域对应一个多特征采样窗口。利用多特征自适应融合构造强可区分性的目标模型,最 大程度地提高各子区域之间的互补性,以增强目标模板的区分能力。在粒子滤波(PF)框架下 , 多特征自适应融合策略提高了目标观测质量,保证跟踪的持续稳定。实验结果表明,本文所 提算法具 有良好的目标跟踪性能,并对动态场景、目标形变及遮挡情况具有较好的跟踪准确性和鲁棒 性。     

基于多特征融合技术的商品图像分类

针对网上商品图像的特点,提出了一种多特征融合的分类方法。本文针对颜色和商品图案风格两方面对图像进行分类。首先对商品图像进行分割,再提取特征,颜色特征选择提取颜色直方图特征和颜色矩特征;提取PHOG和SIFT特征来描述图案风格。然后采用基于决策的加权融合方法将两种特征结合起来进行分类,最后在数据集上进行实验,与仅用单一特征分类和使用普通多特征拼接方法作比较,使用本文融合特征的方法进行分类准确率较高,并且其准确率有8%~10%的提升。实验结果表明本文提出的方法是一种有效的商品图像分类方法。     

基于多融合多尺度特征的高光谱图像分类研究

针对高光谱图像(HSI)波段之间的冗余性给高光谱图像分类结果产生的不利影响,研究基于多融合多尺度特征的高光谱图像分类方法.将采用于主成分分析降维处理的HSI数据作为多尺度特征多融合残差网络输入,利用多尺度特征多融合残差块提取HSI中的光谱特征和空间特征,并组成若干组光谱-空间特征;采用支持向量机展开分类处理,获取各光谱...     

非合作目标局部特征识别轻量化特征融合网络设计

给出一种基于轻量化卷积神经网络的空间非合作目标局部特征检测网络,即NCDN模型。在SSD模型中引入特征融合策略以适应不同距离下的检测需求,提高模型对图像尺度变换引起局部特征分辨率降低的鲁棒性;并采用不同压缩比例对MobileNetV2内部卷积通道数量做压缩,从而得到轻量化特征提取网络;对SPEED数据集进行局部特征标注与训练以验证NCDN适用的距离范围。实验结果表明,该模型能够在45 m内距离范围保证mAP达到0.90,同时通道压缩节省75%计算量后模型精度损失仅为5%。满足在轨检测精度和计算量需求。     

多特征融合的表格单元格分类模型

为识别表格中单元格的类别,提出了多特征融合的表格单元格分类模型.首先分别基于词向量和字向量从不同粒度对单元格文本进行表示,并通过拼接的方式实现字词向量的融合,然后通过TextCNN进行单个单元格文本特征提取;其次,构建表格空间坐标系,获取每个单元格的空间特征,并在此基础上融合单元格的文本特征与空间位置特征,采用自注意力...     

稀疏自动编码器视觉特征融合的多弹分类算法研究

准确识别卫星设备等拍摄到的待发射（或飞行途中）导弹类型,实现及时有效防御,是国内外军事领域研究的热点之一。由于战争状态中导弹具有掩饰色,且因外形差别不显著,现有基于底层特征进行导弹分类识别难度较大甚至无法识别。针对这一问题,提出一种基于稀疏自动编码器（Sparse Auto-Encoder,SAE）高层视觉特征融合底层特征提取的新算法,为了提高分类精度,引入迁移学习,借助STL-10样本库局部特征,并将导弹图像局部特征向量一并送入池化层卷积神经网络（Convolution Neural Network,CNN）提取导弹目标对象图像全局特征,通过Softmax回归模型实现导弹分类识别。实验表明,文中提出SAE融合底层特征的导弹分类识别算法较传统基于底层特征及SAE高层特征分类算法具有更高的准确性及鲁棒性。另外,为了避免因新型导弹目标对象缺乏训练而导致分类性能下降甚至失效,算法引入迁移学习实现局部特征提取,实验验证了算法的可行性和准确性。     

基于多尺度特征蒸馏的轻量化图像超分辨率网络研究

大多数轻量化图像超分辨率网络采用信息蒸馏的方式进行低分辨率图像特征提取。尽管它们取得了不错的超分辨率图像重建结果,但是信息蒸馏的方式忽略了对图像内容尺度变化的建模,导致网络在处理有明显尺度变化内容时性能下降。为了解决上述问题,本文提出了一种基于级联尺度蒸馏的轻量化图像超分辨率网络（MSDNet）,并在常用的图像超分辨率数据集上进行了大量实验。定量与定性的实验结果表明了MSDNet的有效性。     

尺度估计和多特征融合的目标跟踪算法研究

针对核相关滤波器跟踪算法(Kernel Correlation Filter,KCF)在特征提取单一以及尺度估计不足而导致跟踪效果不佳的问题,本文提出了一种多特征融合的尺度自适应核相关滤波目标跟踪算法.首先,使用帧差法将相邻帧图像对应像素值相减得到差分图像;其次,提取差分图像的方向直方图特征,与目标的均一局部二值纹理特...     

利用多特征融合的运动员人体姿势识别算法

针对现有姿势识别算法不能全面反映运动员运动姿势的动态特性问题,文中提出了一种多特征融合的运动员姿势识别算法。首先,通过光学图像采集器采集运动姿势图像,然后将采集到的图像进行灰度变换提高图像质量,进一步基于阴影消除技术和帧间差分法获得身体轮廓和运动姿势区域,最后,基于Radon变换和离散小波变换提取运动姿势区域和身体轮廓,并通过将两种互补性的特征融合实现最终的姿势识别。实验表明,提出的方法识别精度高于其他的较新方法。     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法.首先,提取查询图像和图像库中样本图像的GIST(Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果.实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率.     

基于多特征融合的交通标识实时分类与识别

针对交通标识分类识别过程中因样本类别之间的不平衡常使分类器性能减弱且实时性较差的问题,提出一种基于多特征融合的交通标识实时分类识别方法。首先,选取具有较强鲁棒性的HSV颜色空间对标识图像进行阈值分割处理,分割出交通标识所在的感兴趣区域;其次,提出一种HOG-MBLBP特征融合算法,通过支持向量机分类算法,实现交通标识的精确分类识别;最后,针对视频图像中交通标识识别实时性问题,采用自适应卡尔曼滤波算法进行交通标识的跟踪识别。实验结果表明该方法具有97.88%的分类准确率且具有较好的实时性。     

多尺度多特征融合的高分辨率遥感影像分类

针对高分辨率遥感影像多尺度、空间分布复杂以及特征繁多的特点,从遥感影像特征提取的尺度效应以及各类地物显著性特征各异入手,提出了基于多尺度多特征融合的高分辨率遥感影像分类的方法。该方法构建最优尺度分割函数模型,寻找出各地物的最优尺度,分别提取影像的纹理、颜色和形状特征。在此基础上,利用各地物特征的显著性差异实现多尺度下多特征的加权融合。该加权融合方法突破了常规的最优尺度分割算法未能充分考虑各类地物特征差异性的局限性,通过分析各类地物的显著性,建立了各个特征在分类中所占权重的模型。实验结果表明：相对传统无监督分类算法,该方法准确率提高约7%,且运行效率高。     

多特征融合的尺度自适应KCF人脸跟踪

针对传统核相关滤波(KCF)跟踪算法在人脸跟踪中无法处理尺度变化、严重遮挡等问题,提出一种多特征融合的尺度自适应KCF人脸跟踪算法。该算法先对肤色与HOG特征进行融合来表征人脸,通过多通道相关滤波器定位人脸位置;学习一个一维的尺度滤波器来估计人脸的最优尺度;采用线性插值的方式对滤波器系数和人脸外观模型进行更新。实验结果表明,改进后的算法能明显提高跟踪的性能。通过定量与定性分析该算法对尺度变化、严重遮挡等问题有很好的鲁棒性,跟踪速度在36.7 f/s时达到实时应用的要求,优于近几年一些优秀的跟踪算法。     

网络化激光雷达的多源数据融合点云分类算法研究

针对当前多源数据融合点云分类算法的激光雷达点云数据分类精度较低,分类时间较长的问题,提出网络化激光雷达的多源数据融合点云分类算法.利用加权航迹关联法,计算各激光雷达目标航迹号,并打散已关联航迹,通过泰勒级数将非线性问题转化成近似线性问题,求解线性状态,融合多源数据.使用主成分分析法,求解点云法线与曲率,分割段协方差矩阵...     

基于多特征融合的红外目标关联算法

利用红外目标同时具有位置、灰度、面积等多特征的特点,提出了一种基于多特征融合的目标关联算法.首先在极坐标系下对目标位置采用概率数据关联算法计算候选目标的关联概率,然后结合目标的灰度、面积特征的预测误差计算关联波门中的候选目标在各种特征条件下的关联概率,进而利用多特征融合方式,计算出综合关联概率,完成目标状态估计的更新.实验仿真结果表明,由于跟踪关联概率由多种特征共同确定,避免了目标位置特征信息不稳定所造成的跟踪精度下降的问题,实现了密集杂波环境下红外目标稳定跟踪,其跟踪精度和稳定性明显高于依靠位置特征信息进行关联的传统概率数据关联算法.     

多特征融合的视频镜头分割

针对传统镜头分割算法特征单一、分割效果较差等问题,提出了一种多特征融合的视频镜头分割算法。首先,通过建立一种优化模型,融合空间差异度量和感知哈希度量两种重要特征,构造一种镜头边界区分能力更强的镜头边界检测特征,即像素差异度量;其次,结合直方图差异度量,形成有效的镜头边界检测策略,以便更加准确判断是否发生镜头切换。实验结果表明,与传统算法相比,所提算法取得了较好的分割效果,具有较高的查准率和查全率。