检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于加权稀疏子空间聚类多特征融合图像分割

系统工程与电子技术 2016年第9期38卷 2184-2191页

作者：岳温川王卫卫李小平西安电子科技大学数学与统计学院陕西西安710126

提出一种图像分割的多特征融合加权稀疏子空间聚类方法。采用多种属性的特征能够更可靠地描述图像中不同物体的特性,提高分割的准确性和可靠性。定义了加权稀疏度量,即在1-范数中引入权重,权重与数据的相似度成反比,有利于迫使相似的数... 详细信息

提出一种图像分割的多特征融合加权稀疏子空间聚类方法。采用多种属性的特征能够更可靠地描述图像中不同物体的特性,提高分割的准确性和可靠性。定义了加权稀疏度量,即在1-范数中引入权重,权重与数据的相似度成反比,有利于迫使相似的数据尽可能参与到数据的自表示中,从而改善稀疏表示过稀疏并且不稳定的局限性。实验结果和客观指标表明,所提方法能有效地分割自然图像,获得的结果更加符合人类视觉感知。

关键词：图像分割多特征融合子空间聚类加权稀疏

结构化加权稀疏低秩恢复算法在人脸识别中的应用

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2019年第3期14卷 455-463页

作者：吴小艺吴小俊江南大学物联网工程学院

针对训练样本或测试样本存在污损的情况,提出一种结构化加权稀疏低秩恢复算法(structured and weighted-sparse low rank representation,SWLRR)。SWLRR对低秩表示进行加权稀疏约束和结构化约束,使得低秩表示系数更加趋近于块对角结构,... 详细信息

针对训练样本或测试样本存在污损的情况,提出一种结构化加权稀疏低秩恢复算法(structured and weighted-sparse low rank representation,SWLRR)。SWLRR对低秩表示进行加权稀疏约束和结构化约束,使得低秩表示系数更加趋近于块对角结构,进而可获得具有判别性的低秩表示。SWLRR将训练样本恢复成干净训练样本后,再根据原始训练样本和恢复后的训练样本学习到低秩投影矩阵,把测试样本投影到相应的低秩子空间,即可有效地去除测试样本中的污损部分。在几个人脸数据库上的实验结果验证了SWLRR在不同情况下的有效性和鲁棒性。

关键词：人脸识别结构化加权稀疏低秩表示子空间投影

结合改进韦伯算子和加权稀疏表示的指静脉识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

重庆邮电大学学报（自然科学版） 2021年第1期33卷 152-162页

作者：李新春张碧茜林森马红艳辽宁工程技术大学电子与信息工程学院葫芦岛市125105 辽宁工程技术大学研究生院葫芦岛市125105

为了在拓扑结构简单的指静脉图像上提取更完整的纹理信息并提高识别效率,提出一种从粗到细的指静脉识别算法。在粗识别阶段,利用测试样本与每类中的一个样本之间的相似性,排除冗余训练类;在精识别阶段,引入Gabor进行图像表示,更清楚地... 详细信息

为了在拓扑结构简单的指静脉图像上提取更完整的纹理信息并提高识别效率,提出一种从粗到细的指静脉识别算法。在粗识别阶段,利用测试样本与每类中的一个样本之间的相似性,排除冗余训练类;在精识别阶段,引入Gabor进行图像表示,更清楚地描述图像纹理的局部空间尺度特征和方向特征;将韦伯局部圆梯度模式(Weber local circle gradient pattern,WLCGP)与多方向对称局部图结构(multidirectional symmetrica local graph structure,MSLGS)结合对原始的韦伯算子进行改进,从而对空间结构信息获得更精确的图像描述;通过WLCGP-MLGS提取直方图特征向量,并通过加权稀疏表示分类。在天津市智能信号与图像处理重点实验室数据库和FV-USM(finger vein USM)数据库上进行实验,该算法的正确识别率分别为99.3546%和97.3842%。结果表明,与其他传统及最新算法相比,具有良好的识别性能和应用前景。

关键词：指静脉 Gabor 韦伯加权稀疏正确识别率

在线全文

学校读者我要写书评

暂无评论

加权最小化问题中限制等距性的研究

宁波大学学报（理工版） 2021年第5期34卷 39-42页

作者：张茜雯王金平宁波大学数学与统计学院浙江宁波315211

本文针对加权最小化问题,首先给出了测量矩阵的加权限制等距性(RIP)与加权鲁棒零空间特性(rNSP)的定义,证明了加权RIP蕴含着加权rNSP.最后以加权RIP作为充分条件,给出了解重构的误差估计.

关键词：加权限制等距性加权稀疏误差估计加权最小化

在线全文

学校读者我要写书评

暂无评论

基于多特征和子空间聚类的图像分割方法

基于多特征和子空间聚类的图像分割方法

作者：岳温川西安电子科技大学

学位级别：硕士

图像分割是将图像分成互不重叠的、具有特定意义的若干区域的过程。图像分割是对图像数据进行分析理解的关键环节,在计算机视觉和目标识别等领域得到了广泛的应用。基于“高维数据本质上往往属于几个低维子空间的并”这一事实,子空间聚... 详细信息

图像分割是将图像分成互不重叠的、具有特定意义的若干区域的过程。图像分割是对图像数据进行分析理解的关键环节,在计算机视觉和目标识别等领域得到了广泛的应用。基于“高维数据本质上往往属于几个低维子空间的并”这一事实,子空间聚类方法结合高维数据的子空间表示和谱聚类将高维数据分割到其所属的子空间。图像分割问题可以看成是对图像特征数据的聚类问题,因此子空间聚类为基于特征的图像分割提供了一种自然的方法。近年来子空间聚类方法在计算机视觉和机器学习领域得到了广泛的应用,但在图像分割中的应用还处于初步尝试阶段。本论文研究基于稀疏子空间聚类的图像分割模型和算法。由于自然图像中的目标具有多种属性的特征,比如颜色特征、几何特征、纹理特征等,单一特征无法准确描述自然图像中千变万化的物体,本文采用多种属性联合的特征进行图像分割。本文主要工作包括:基于图像多种属性特征数据,给出两个加权稀疏子空间聚类模型及其数值解法,并将其用于自然图像分割。主要贡献是,在表示系数的1-范数中引入与数据相似度和相关系数有关的权重,两种加权1-范数有利于迫使相似的数据尽可能参与到数据的自表示中,而不相似或不相关数据的系数尽可能小,从而改善了稀疏表示不稳定的局限性。在国际标准图像分割数据集上进行了分割实验,通过视觉和客观指标分析了本文方法的性能,结果表明本文方法对于自然图像能够得到稳定、准确、符合人类视觉感受的图像分割结果,客观指标和视觉效果较其它相关方法好。

关键词：图像分割多特征子空间聚类加权稀疏

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于稀疏理论的图像分割方法

基于稀疏理论的图像分割方法

作者：李涛西安电子科技大学

学位级别：硕士

图像分割是指将图像分成相互不重叠,并且不同的区域都各自具有某种特定意义的过程。通过图像分割人们可以获得自己感兴趣或重要的部分,通过对这一区域的分析获得对目标的理解或认识。因此它成为了图像分析过程中的一个相对重要环节,是... 详细信息

图像分割是指将图像分成相互不重叠,并且不同的区域都各自具有某种特定意义的过程。通过图像分割人们可以获得自己感兴趣或重要的部分,通过对这一区域的分析获得对目标的理解或认识。因此它成为了图像分析过程中的一个相对重要环节,是研究计算机视觉以及模式识别的基础。随着子空间理论的成熟和发展,子空间聚类被更多的应用到分割中去,其思想是将空间中的数据划分到各自的子空间中去,且这些子空间之间是相互独立的,通过数据的子空间分割来达到聚类的目的。从图像的角度来看,将图像分为不同的区域,每个区域提取其对应的特征,将特征相似的区域分到同一个子空间,从而使得图像中相同的区域划分到一起。其中,存在两种较为有效的方法,一种是低秩子空间聚类,其主要是从数据的全局出发进行考虑,但并没有考虑到局部之间存在的关系,而另一种则是稀疏子空间聚类,是从数据的局部考虑,但由于字典中的数据基本上是相同的,所以可以认为其是一种隐性的从全局考虑的方法。论文在稀疏理论以及子空间理论基础上给出了两个分割模型。1.提出了一种加权稀疏的子空间聚类分割模型,权重利用数据间的高斯相似度获得。通过这样的权重迫使数据能被同一子空间中相似度高的数据线性表示,而不同子空间的数据对其表示的贡献尽可能小,从而使得表示系数矩阵能够在类间更加稀疏,有利于最终的聚类以及分割。2.提出了一种基于非凸低秩和非凸稀疏联合表示的子空间聚类的图像分割模型,其中非凸低秩能更好地逼近离散的秩,非凸稀疏也能够更好地逼近向量所对应的0范数,通过联合非凸低秩和非凸稀疏迫使子空间表示系数具有类间稀疏和类间相关特性,从而为数据的子空间表示和图像分割提供了有利的条件。模型本身是一种非凸的优化,不能用通常使用的凸优化的算法来求解。论文中基于凸分析的理论给出一种简单的阈值收缩求解算法。针对人工生成数据以及真实图像进行了大量实验,结果表明两个模型都可以获得良好的聚类和图像分割结果。非凸模型在处理干扰因素较多和不同区域间相似度较高的图像时,实验结果要比现有方法好得多。

关键词：子空间聚类加权稀疏非凸低秩字典非凸稀疏表示

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多视角子空间聚类建模及其应用研究

多视角子空间聚类建模及其应用研究

作者：李巧西安电子科技大学

学位级别：硕士

现实中的数据往往具有维度高,结构复杂的特性,这给数据的处理带来了一定的困难。但是高维数据的结构并不是无迹可寻的,事实上,高维数据通常位于多个低维子空间的并上。因此,以谱聚类为基础,可以利用子空间的表示来对高维数据进行聚类。... 详细信息

现实中的数据往往具有维度高,结构复杂的特性,这给数据的处理带来了一定的困难。但是高维数据的结构并不是无迹可寻的,事实上,高维数据通常位于多个低维子空间的并上。因此,以谱聚类为基础,可以利用子空间的表示来对高维数据进行聚类。此外,计算机视觉中的许多问题都涉及到由多个不同特征表示的数据集,这里,不同的特征代表了关于数据集的不同信息,例如,图像和视频可以用颜色、纹理和边缘等不同种类的特征来描述。因此,多视角子空间聚类应运而生。由于不同的视角通常是从不同的领域采用不同的特征提取器收集的,因此可能包含与其他视角互补的信息。所以,多视角聚类的一个关键问题在于如何较好的利用多个视角的信息。在本文中,主要做了以下两个工作。首先,利用集成学习中投票法的思想,对多视角数据的自表示采用集成学习中常用的投票法来得到一个统一的自表示矩阵,提出一个利用多视角互补信息的l-范数正则化表示模型,并将谱聚类和自表示结合到一个统一的框架中,得到l-范数正则化多视角子空间聚类模型。其次,传统的基于数据空间距离的相似度是一种局部相似度,而自表示系数是全局相似度,考虑用局部相似度引导全局相似度,提出数据加权稀疏正则化表示模型。将加权稀疏正则化表示模型与l-范数正则化多视角子空间聚类模型相结合,得到加权稀疏l-范数正则化多视角子空间聚类模型。既利用了视角间的互补信息和标签一致性,同时考虑了数据的局部和全局相似性。在几个聚类分析常用的人脸数据集上进行了大量实验,表明所提出的方法比现有方法的聚类性能要好。

关键词：子空间聚类多视角 l1-范数正则化一致性加权稀疏

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于稀疏表示和LS-SVM的心电信号分类

基于稀疏表示和LS-SVM的心电信号分类

作者：李哲河北大学

学位级别：硕士

世界卫生组织公布的最新统计数据显示,世界范围内因为患慢性疾病而导致的死亡人数不断增加,经过更新的2010年至2011年全球10大致死原因,其中死于缺血性心脏病的人数以占2011年总数的12.9%共700万人而位居第一。临床医生大多根据心电图(e... 详细信息

世界卫生组织公布的最新统计数据显示,世界范围内因为患慢性疾病而导致的死亡人数不断增加,经过更新的2010年至2011年全球10大致死原因,其中死于缺血性心脏病的人数以占2011年总数的12.9%共700万人而位居第一。临床医生大多根据心电图(electrocardiogram,ECG)波形来分析和诊断心脏病。ECG信号的自动分析对于当今纷杂的心电监护仪来说,无疑是最为关键的技术之一。ECG自动分析的任务主要包括对ECG信号预处理,特征提取等,最终目的是根据心电波形特点对其进行自动分类诊断。然而由于心电信号波形复杂多变和个体差异性对心电信号精确分类是非常困难的。现有心电信号分类算法取得了很多成就,但无论理论还是应用上都需进一步研究。稀疏表示的出现为心电信号处理提供了新切入点,被成功应用于人脸识别,图像去噪,心电信号压缩,检测等。本文设计了一种基于稀疏表示和最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)的心电信号分类算法。论文主要研究成果包括:(1)我们在构造心电信号字典时对每一类聚类之后形成子字典,使得子字典内原子尽量相似,子字典间的原子尽量不同;(2)求解稀疏系数时并不是直接由各个字典组成的大字典求解而是对每一个子字典分别求解稀疏系数,不仅提高了分类准确率还节约了运算时间;(3)LS-SVM融合多特征稀疏系数,既保证充分挖掘数据的特点又能提高泛化能力。

关键词：字典 ICA 小波变换加权稀疏 LS-SVM

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种有遮挡人脸识别方法改进

电子测量技术 2018年第22期41卷 89-94页

作者：张立亮王国中范涛朱丽莎上海大学通信与信息工程学院

随着人工智能、计算机视觉、模式识别近些年的快速发展,人脸识别已广泛应用于公共安全、验证系统、视频会议、人机交互等各个领域。正常的人脸识别,已经得到充足的发展。提高在非正常拍摄下的人脸识别就变得迫切需要,以特征提取方法和... 详细信息

随着人工智能、计算机视觉、模式识别近些年的快速发展,人脸识别已广泛应用于公共安全、验证系统、视频会议、人机交互等各个领域。正常的人脸识别,已经得到充足的发展。提高在非正常拍摄下的人脸识别就变得迫切需要,以特征提取方法和图像匹配技术为研究对象,将人脸识别作为应用背景,对不同的特征提取方法进行了讨论和研究,并改进了一种基于矩阵γ范数带遮挡的人脸识别的实验方法。通过选择合适的参数、控制不同结构型遮挡噪声大小来比较不同方法之间的差异。实验结果表明,本文的实验方法较其他方法在不同的遮挡情况下,可以获得更好的效果。

关键词：特征提取人脸识别图像匹配加权稀疏矩阵回归