检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于低秩的显著目标检测方法研究

基于低秩的显著目标检测方法研究

作者：马晓迪南京理工大学

学位级别：硕士

视觉显著性是神经科学、心理学和视觉感知的基础研究问题。显著目标检测是视觉显著性的一个重要分支,能对场景中的显著目标进行定位和分割,在计算机视觉领域已经得到广泛应用,如目标识别、目标分割、图像压缩和图像检索等。根据是否使... 详细信息

视觉显著性是神经科学、心理学和视觉感知的基础研究问题。显著目标检测是视觉显著性的一个重要分支,能对场景中的显著目标进行定位和分割,在计算机视觉领域已经得到广泛应用,如目标识别、目标分割、图像压缩和图像检索等。根据是否使用先验知识将显著目标检测模型分为两类:自顶向下和自底向上。在自底向上的显著目标检测模型中,基于低秩矩阵的恢复模型是一种具有代表性的方法。该方法将图像表示为背景区域和显著区域的组合。然而当图像的前景和背景相似度较高时,现有的基于低秩的检测模型很难准确将两者分开,导致分解性能降低。本文针对这一问题,提出了两种基于低秩的显著目标检测算法。本文的主要研究内容如下:(1)为了更好地将图像的前景和背景分离,提出了基于字典和加权低秩恢复的显著目标检测算法。首先构建低秩恢复模型,在模型中融入字典,更好地将表示背景的低秩矩阵和表示前景的稀疏矩阵分离。然后获取颜色、位置和边界连接先验的显著图。为了更充分地利用先验信息,根据其显著值生成自适应系数。最后构造高层背景先验,将三种先验组合成权重矩阵,融入到低秩恢复模型中。在六个具有挑战的数据集上与11种算法进行比较,实验结果表明所提出的算法效果最好。(2)为了更完整地检测出图像的显著目标,根据低秩恢复理论,提出基于迹表示和正则化的显著目标检测算法。首先根据冯·诺依曼-迹不等式,将核范数替换为矩阵的迹表示以获取更低秩的解。然后在模型中加入拉普拉斯正则化项,减少稀疏矩阵和低秩矩阵的联系,扩大前景和背景之间的差异。最后将位置、颜色和边界连接先验整合成权重矩阵,融入到低秩恢复模型中。在六个数据集上与14种算法进行比较,实验结果表明所提出的算法优于其它算法。

关键词：显著目标检测加权低秩恢复字典自适应系数迹表示拉普拉斯正则化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

超图正则化的多模态数据融合算法研究

超图正则化的多模态数据融合算法研究

作者：张浩威长安大学

学位级别：硕士

近些年,越来越多不同来源的数据被挖掘、收集和处理。一方面,多种来源的数据能够提供不同尺度的信息,从而更容易探索事物的发展与本质。另一方面,数据的维度也会越来越高,成为一个典型的小样本、高维数据。这种数据中的信息会更加复杂,... 详细信息

近些年,越来越多不同来源的数据被挖掘、收集和处理。一方面,多种来源的数据能够提供不同尺度的信息,从而更容易探索事物的发展与本质。另一方面,数据的维度也会越来越高,成为一个典型的小样本、高维数据。这种数据中的信息会更加复杂,同时噪音也会越多。最近的研究表明,多模态数据融合技术可以结合来自不同来源的信息,对复杂的多源数据进行有效的挖掘和利用。与单一模态方法相比,通常可以提高准确性。然而,现有的许多数据融合方法都是从同构网络中提取特征,忽略了多模态间的异构结构信息。为此,本文中提出了一个超图正则化的多模态数据融合算法。主要工作原理如下:首先,提出一种超图稀疏学习模型在模拟数据中对比不同超图构建方法的好坏。具体来说,生成一个超图相似性矩阵来表示样本之间的高阶关系,分别结合稀疏模型在模拟数据中进行分类。实验证明,我们提出的算法优于其他的算法。分类性能更好。其次,稀疏模型仅考虑了模态内的高阶关系,但是对于模态之间的潜在关系并未考虑。因此,在此基础上提出了一种超图正则化的多模态融合算法。保留模态间的样本关系和模态内的样本关系。最后,应用我们的算法在模拟数据和真实数据中测试验证。本文采用的真实数据是医疗影像和遗传数据集,包含SNP、DNA甲基化和f MRI核磁共振三个模态数据。SNP、DNA甲基化和功能磁共振成像是心理临床影像协会(MCIC)收集的,数据集包含183名受试者,其中79例精神分裂症患者(年龄:34±11,女性20例),健康对照组104例(32±11岁,女性38例)。实验结果表明,我们的算法优于其他几种竞争方法。

关键词：多模态数据融合超图相似性矩阵拉普拉斯正则化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于协同过滤的个性化推荐算法研究

基于协同过滤的个性化推荐算法研究

作者：胡检华长沙理工大学

学位级别：硕士

随着大数据和“互联网+”时代的到来,人类很难从海量信息中快速找到日常生活所需要的信息。为了解决信息过载问题,推荐系统应运而生,旨在主动为用户推送精准个性化的产品或信息服务,从而提高用户体验度。其中,协同过滤算法是当前比较流... 详细信息

随着大数据和“互联网+”时代的到来,人类很难从海量信息中快速找到日常生活所需要的信息。为了解决信息过载问题,推荐系统应运而生,旨在主动为用户推送精准个性化的产品或信息服务,从而提高用户体验度。其中,协同过滤算法是当前比较流行的算法,也是学术界和工业界研究最多的算法之一。然而,随着推荐系统中用户数和项目数呈指数增长,数据稀疏性问题严重影响了推荐系统的性能。本文在现有算法的研究基础之上,分析了现有协同过滤算法的不足。本文将项目内容信息、社会关系网络与协同过滤算法结合,为用户提供项目推荐。本文在协同主题回归模型的基础之上,提出了三种新的协同过滤算法:融入用户社会关系的协同主题回归模型,基于社会正则化的协同主题回归模型和基于社会正则化的协同深度学习模型。本文选取公开数据集***对以上三种算法的有效性和可靠性进行验证。本文的工作以及创新性主要体现如下:1、在协同主题回归模型的基础之上,提出一种融入用户社会关系的协同主题回归模型,将社交网络关系、项目内容描述和评分矩阵融合到贝叶斯概率矩阵分解之中,构建一个新颖的推荐引擎。假定用户兴趣特征与社交关系存在一定的关联,引入概率链接函数来学习社交关系网络对用户兴趣的影响,并以此约束目标函数。2、在融入社会关系的协同主题回归模型的基础之上,将潜在狄利克雷分布模型和社交关系网络嵌入到贝叶斯概率矩阵分解中,提出一种新颖的基于社会正则化的协同主题回归模型。通过利用拉普拉斯正则化来捕获用户之间潜在的社会关系,将社交网络关系直接嵌入到用户兴趣潜在特征中去,更好地挖掘社交网络对用户兴趣的影响。3、在基于社会正则化的协同主题回归模型基础之上,提出一种基于社会正则化的协同深度学习,将贝叶斯SDAE和社会关系网络嵌入到基于贝叶斯概率矩阵分解模型中,构建一个基于贝叶斯的深度学习推荐引擎。通过深度学习,基于贝叶斯的SDAE可以从项目内容中提取有效的深度特征表示,并捕获项目之间的相似关系和隐含关系,从而获得更好的项目潜在特征表示。4、在***数据集上验证,进行一系列的参数学习与优化,与CTR、LACTR、CTRSMF和CTRSTE等优秀的推荐算法进行比较,本文提出的算法推荐精度更高,还能为用户提供多样性的个性化推荐。

关键词：推荐系统协同过滤深度学习潜在狄利克雷分布模型链接概率函数拉普拉斯正则化

基于图表示模型与学习方法的目标跟踪算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图表示模型与学习方法的目标跟踪算法研究

作者：张圆安徽大学

学位级别：硕士

当今时代,人工智能技术已经逐渐成为科技发展的核心,伴随着人工智能时代的到来,越来越多的城市正大力建设以人工智能技术为基础的智慧城市。如何设计智能视频分析技术来快速处理海量的监控视频数据是智慧城市建设过程中的关键步骤,而目... 详细信息

当今时代,人工智能技术已经逐渐成为科技发展的核心,伴随着人工智能时代的到来,越来越多的城市正大力建设以人工智能技术为基础的智慧城市。如何设计智能视频分析技术来快速处理海量的监控视频数据是智慧城市建设过程中的关键步骤,而目标跟踪则是智能视频分析技术中的基础性算法。因此,深入研究目标跟踪技术不仅是计算机视觉课题发展的需要,更能有效的促进智慧城市的建设。随着传统机器学习技术的发展与积累,尤其是近几年深度学习技术的重大突破,目标跟踪技术也取得了突飞猛进的进步,出现了许多高效的跟踪算法。目标跟踪的基本流程一般包括:输入待跟踪的视频帧;目标特征的提取与处理;跟踪模型的构建;定位跟踪目标。其中目标特征的提取与处理和跟踪模型的构建是目标跟踪流程的关键步骤。本文从目标特征的提取与处理出发,针对在目标跟踪技术中存在的问题展开研究,提出了对跟踪目标进行有效表达的方法。该方法能够显著地减少目标包围框中背景噪声,从而提高目标跟踪的鲁棒性。具体方法是:首先将目标包围框划分为多个不重叠的图像块;然后通过有效的权重求解模型为每个目标图像块赋予权重,即:背景图像块赋予较小的权重,目标图像块赋予较大的权重,这样能有效的减少目标包围框中的背景信息;最后将图像块权重与图像特征结合得到的目标图像块加权特征描述作为跟踪目标特征的表示,从而实现目标跟踪。其中,权重求解模型是目标特征表达的关键所在。本文从跟踪目标、背景噪声等多个方面展开分析,提出了如下三种有效的权重求解模型:第一、分析目标跟踪的整体流程可以发现,目标的空间结构是捕捉跟踪目标的关键信息。传统的图表示模型由于采用近邻图的表达方式,其往往只考虑到跟踪目标的局部空间信息,忽略了全局信息。这将使得对跟踪目标的表达缺乏整体性,当跟踪目标的外观较为复杂时无法进行有效的特征表达,从而直接影响跟踪结果。本文在重启随机游走模型中加入拉普拉斯正则化约束构建拉普拉斯正则化随机游走模型,这使得在权重的求解过程中同时将目标的局部信息以及全局信息融合起来,从而得到更符合目标空间结构的权重分配。最后将得到的目标图像块加权特征描述作为跟踪目标特征的表示并结合结构化支持向量机跟踪模型来实现最终的目标跟踪。本文在OTB100[32]与TCL128[59]两个大型跟踪数据集上实现目标跟踪,并将跟踪结果与诸多近些年提出的跟踪算法进行比较。实验结果表明,本文的跟踪算法在两个数据集上的综合表现取得最优,尤其在出现快速移动、形变、旋转、光照变化、运动模糊等直接导致跟踪目标外观变化的挑战因素出现时仍能保持较为鲁棒的跟踪效果。第二、在跟踪过程中,多数的跟踪目标与背景之间具有较为显著地差异。因此,利用背景信息来突出前景目标不仅能够有效的降低背景噪声的影响,更能达到突出前景目标的作用。本文采用条件随机场模型同时将背景信息、前景信息以及目标的空间结构进行联合优化,从而得到更具目标判别性的权重分配。最后将得到的目标图像块加权特征描述作为跟踪目标特征的表示并选择结构化SVM算法作为基础的跟踪框架来实现最终的目标跟踪,并在OTB100[32]TCL128[59]两个大型跟踪数据集上与诸多近些年的跟踪算法进行对比。实验结果表明,本文的跟踪算法在两个数据集上的综合跟踪效果表现最好,并在跟踪速度上也具有一定的优势。特别的,本文的跟踪算法在跟踪目标出现背景阻塞、部分遮挡、低分辨率等挑战因素时仍能实现准确的目标跟踪。第三、构建的图结构是否具有很好地表达能力将直接影响图表示模型结果的优良。此外,图表示模型中图像块的原始特征信息仅在图结构的构建中得到使用,忽略了图像块特征之间本身存在的关联。本文提出一种图表示与半监督学习模型来动态优化图像块之间的关联,并且将图像块的特征信息融入到权重求解的过程中,从而得到更符合目标本身特性的权重分配。更进一步的,针对该图表示与半监督学习模型,本文提出一种快速且有效的迭代优化算法进行求解。在最终的跟踪阶段通过添加目标的尺度估计以及目标的重检测技术来完善跟踪框架,从而实现完整的目标跟踪。本文在OTB100[32]、TCL128[59]以及VOT2015[58]三个大型数据集上与诸多近些年的跟踪算法进行对比。在OTB100[32]、TCL128[59]上,本文的跟踪算法取得了最优的综合评测结果,并且在诸多的挑战属性上均具有优良的表现。在VOT2015[58]数据集上,本文的算法同样获得了可比性的结果。

关键词：目标跟踪拉普拉斯正则化重启随机游走条件随机场图表示半监督学习

基于稀疏表示模型的热红外与可见光图像融合研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于稀疏表示模型的热红外与可见光图像融合研究

作者：李海超安徽大学

学位级别：硕士

热红外图像与可见光图像融合是计算机视觉领域的一个基础问题,它采用一些算法提取出不同波段图像的特征,将它们融合在一起,使得融合后的图像更加清晰、信息更加全面,更便于人眼识别,使得观察者也更容易理解当前的场景。热红外与可见光... 详细信息

热红外图像与可见光图像融合是计算机视觉领域的一个基础问题,它采用一些算法提取出不同波段图像的特征,将它们融合在一起,使得融合后的图像更加清晰、信息更加全面,更便于人眼识别,使得观察者也更容易理解当前的场景。热红外与可见光工作在不同的波段,它们的成像机理也不同、各有特点,它们既有各自的优势,也有一些不足之处。所以,在实际场景中通常将热红外图像与可见光图像融合,使得不同的模态图像在信息上达到互补,进而弥补单一模态图像成像在某些条件下的不足。由于融合后的图像结合了两种模态图像的特征,它能够使观察者更充分的理解场景信息,因此热红外与可见光图像融合被应用于包括视频监控、军事以及电力系统在内的诸多领域。随着相关技术不断地发展进步,多模态图像融合的应用领域正变得越来越多元化。与此同时,各领域对多模态图像融合效果的要求也越来越高,研究人员对多模态图像融合的研究力度还在不断地加大。目前,有许多实现多模态图像融合的算法。常用的多模态图像融合算法都或多或少存在一些问题,其融合结果也一直未能达到更加理想的效果。为了提升多模态图像融合的效果,本文采用了一种基于拉普拉斯稀疏表示模型的算法来实现不同模态图像之间的融合,主要的研究工作在以下的几个方面：(1)由于不同模态图像的成像机理不同,不同模态之间的对应关系很难准确建立起来,传统的用于单一模态间图像配准的算法在不同模态图像配准上无法达到理想的效果。针对上述问题,本文结合距离度量学习提出了一种多模态图像配准的算法,通过学习不同模态图像之间的距离度量可以较准确地建立不同模态图像之间的变换关系。实验证明该算法配准效果良好。(2)本文介绍了多模态图像融合的现有算法,针对现有算法存在的问题,本文采用基于稀疏表示模型的多模态图像融合算法来对不同模态的图像进行融合,为了提高算法的鲁棒性,本文算法在原始的稀疏表示模型之上增加了一个拉普拉斯正则化项,使得融合后的图像效果对图像的细节反映更加明显。该算法包括了字典学习、稀疏表示以及多模态融合三个部分,实验结果相比其它算法有所提升,该融合算法效果良好。

关键词：多模态配准距离度量学习多模态融合字典学习稀疏表示拉普拉斯正则化

基于加权Schatten-p范数与树结构稀疏分解的目标显著性检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国计量大学学报 2018年第4期29卷 385-392页

作者：钱文超曹飞龙中国计量大学理学院浙江杭州310018

近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往... 详细信息

近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.

关键词：目标显著性检测矩阵分解加权Schatten-p范数树结构拉普拉斯正则化